详情

原文传递基于AGNES优化BP神经网络的红外气体传感器及气压补偿方法

专利名称：	基于AGNES优化BP神经网络的红外气体传感器及气压补偿方法
摘要：	本发明公开了一种基于AGNES优化BP神经网络的红外气体传感器，包括红外传感器、气压传感器和微处理器系统；微处理器系统内设置有一气压补偿模块，气压补偿模块内配置有一基于AGNES‑BP神经网络模型；微处理器系统接收热释电探测器发送的测量电压和参比电压、以及气压传感器发送的气压电压，归一化处理后，发送至气压补偿模块进行气压补偿计算，以获取经气压补偿后的气体浓度。本发明利用AGNES优化BP神经网络对气体传感器进行气压补偿，减小了环境气压波动较大情况下的气体传感器测量误差，降低了检测设备的制造成本和后期维护成本，有利于缩减传感器的体积，同时，提出了一种新型多反射气室，使气体与红外光充分接触，提高测量精度，便于系统小型化设计。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	南京信息工程大学
发明人：	常建华;沈婉;赵勇毅;赵正杰
专利状态：	有效
申请日期：	2018-12-20T00:00:00+0800
发布日期：	2019-04-30T00:00:00+0800
申请号：	CN201811561955.9
公开号：	CN109696412A
代理机构：	南京钟山专利代理有限公司
代理人：	戴朝荣
分类号：	G01N21/3504(2014.01);G;G01;G01N;G01N21
申请人地址：	210044 江苏省南京市江北新区宁六路219号
主权项：	1.一种基于AGNES优化BP神经网络的红外气体传感器，其特征在于，所述红外气体传感器包括红外传感器、气压传感器和微处理器系统；所述红外传感器、气压传感器分别与微处理器系统电连接；所述红外传感器包括采样气室、以及安装在采样气室内的红外光源、热释电探测器；所述红外传感器采用具有单光束多波长结构的红外光源，其发出的光束至少包括两种不同的波长，这两种波长分别被定义成测量波长和参比波长；所述红外光源发出的光束在采样气室内经多次反射后被热释电探测器接收，热释电探测器响应于接收到红外光源发出的光束，将其中属于测量波长的分量光转换成测量电压U0、属于参比波长的分量光转换成参比电压U1，再将转换生成的测量电压U0和参比电压U1发送至微处理器系统；所述气压传感器安装在采样气室内，被设置成实时探测采样气室内气压值，并将探测的气压值转换成一气压电压U2发送至微处理器系统；所述微处理器系统内设置有一气压补偿模块，气压补偿模块内配置有一基于AGNES-BP神经网络模型；所述微处理器系统接收热释电探测器发送的测量电压U0和参比电压U1、以及气压传感器发送的气压电压U2，归一化处理后，发送至气压补偿模块进行气压补偿计算，以获取经气压补偿后的气体浓度。 2.根据权利要求1所述的基于AGNES优化BP神经网络的红外气体传感器，其特征在于，所述红外气体传感器还具有一无线传输模块和一显示终端；所述无线传输模块电连接微处理器系统和显示终端，用以建立微处理器系统和显示终端之间的数据链路。 3.根据权利要求1所述的基于AGNES优化BP神经网络的红外气体传感器，其特征在于，所述采样气室沿纵长方向设置有第一端部和第二端部，第一端部和第二端部均为封闭端，采样气室顶部设置有一进气口；所述采样气室包括红外光源、第一反光镜、第二反光镜、热释电探测器、旋风式抽气泵；所述第一反光镜、第二反光镜为凹面镜，分别固定在第一端部、第二端部，两者镜面相对；所述红外光源和热释电探测器均固定安装在采样气室的第一端部、并且朝向第二端部设置，红外光源发出的光束经第一反光镜和第二反光镜交替、并且至少两次反射后被热释电探测器接收；所述红外光源和热释电探测器均与微处理器系统电连接；所述旋风式抽气泵固定安装在进气口上，与微处理器系统电连接。 4.根据权利要求1所述的基于AGNES优化BP神经网络的红外气体传感器，其特征在于，所述采样气室的进气口内侧设置有防水透气膜。 5.根据权利要求1所述的基于AGNES优化BP神经网络的红外气体传感器，其特征在于，所述第一反光镜和第二反光镜的两端与采样气室连接处的外侧均设置有防水透气膜。 6.一种基于AGNES优化BP神经网络的红外气体传感器气压补偿方法，其特征在于，所述气压补偿方法包括： S1：创建以测量电压、参比电压、气压电压为参数的基于AGNES-BP神经网络模型； S2：接收热释电探测器发送的测量电压U0和参比电压U1、以及气压传感器发送的气压电压U2，进行归一化处理； S3：将归一化处理后的数据发送至已创建的基于AGNES-BP神经网络模型的输入层，基于AGNES-BP神经网络模型对其进行气压补偿计算后，由基于AGNES-BP神经网络模型的输出层输出计算结果，将输出的计算结果作为经气压补偿后的气体浓度。 7.根据权利要求6所述的基于AGNES优化BP神经网络的红外气体传感器气压补偿方法，其特征在于，所述方法还包括：将计算得出的经气压补偿后的气体浓度经无线网络发送至显示终端以显示。 8.根据权利要求6所述的基于AGNES优化BP神经网络的红外气体传感器气压补偿方法，其特征在于，步骤S1中，创建以测量电压、参比电压、气压电压为参数的基于AGNES-BP模型的方法包括以下步骤： S101：创建一个BP神经网络，设定BP神经网络的输入层的神经元个数、隐含层的神经元个数和输出层的神经元个数； S102：将热释电探测器的各个测量通道和参考通道输出的电压值的比值及气压传感器的输出电压值进行数据归一化处理； S103：将步骤S102中经归一化处理后的测量通道与参考通道的比值、气压电压这2个参数发送至BP神经网络的输入端作为输入向量V＝(v1,v2)，其中，v1表示测量通道的输出电压和参考通道输出电压的比值，v2表示气压传感器的输出电压经过归一化处理后的数据； S104：将归一化之后的输入数据进行AGNES算法聚类，找出每一类输入样本偏差最大的一组数据剔除； S105：将BP神经网络的输入层中所有神经元之间的连续权值与阈值、隐含层中所有神经元之间的连续权值与阈值和输出层中所有神经元之间的连续权值与阈值设定为狼群内的每个个体； S106：在搜索空间中利用Logistic混沌映射初始化狼群Xi,i＝1,2,…,N，设定最大迭代次数和精度误差； S107：计算狼群内每个个体的适应度值并进行排序，进而确定历史最优解xα、优解xβ、次优解xδ； S108：对每只灰狼，按照下述公式初步计算灰狼位置且判断算法当前的迭代次数是否为最大迭代次数，若满足则进入步骤S109，否则返回执行步骤S106：其中，ωj(j＝α,β,δ)表示α,β,δ的权重系数，f(Xj(t))表示第j只狼在t时刻的适应度值； S109：输出最优灰狼个体位置X，并将其作为BP神经网络的初始权值和阈值并进行训练； S110：在训练的过程中，选取M组样本数据，重复步骤S101至步骤S108进行数据的预处理、网络的创建，当达到预定的误差精度时，训练模型完成。 9.根据权利要求8所述的基于AGNES优化BP神经网络的红外气体传感器气压补偿方法，其特征在于，步骤S101中，所述隐含层的激励函数为Sigmoid函数。 10.根据权利要求8所述的基于AGNES优化BP神经网络的红外气体传感器气压补偿方法，其特征在于，步骤S102中，采用premnmx函数对热释电探测器的各个测量通道和参考通道输出的电压值的比值及气压传感器的输出电压值进行数据归一化处理。
所属类别：	发明专利