详情

原文传递基于AGA-Elman算法的红外气体传感器及湿度补偿方法

专利名称：	基于AGA-Elman算法的红外气体传感器及湿度补偿方法
摘要：	本发明公开了基于AGA‑Elman算法的红外气体传感器，包括红外传感器、湿度传感器和微处理器系统；微处理器系统内设置有一嵌有AGA‑Elman神经网络算法的湿度补偿模块；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、以及湿度传感器发送的湿度电压U2，归一化处理后，发送至湿度补偿模块进行湿度补偿计算，以获取经湿度补偿后的气体浓度。本发明采用Elman神经网络进行湿度补偿，由于自适应遗传算法(AGA)优化Elman神经网络具有训练时间短、可避免局部极值、有记忆功能等优点，与经验公式法相比，具有湿度补偿过程简单、测量精度较高、稳定性较好等优点。
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;赵勇毅;李红旭;沈婉;豆晓雷
专利状态：	有效
申请日期：	2018-12-20T00:00:00+0800
发布日期：	2019-05-03T00:00:00+0800
申请号：	CN201811561587.8
公开号：	CN109709058A
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AGA-Elman算法的红外气体传感器，其特征在于，所述红外气体传感器包括红外传感器、湿度传感器和微处理器系统；所述红外传感器、湿度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；所述热释电探测器具有两个相互独立的接收端，这两个接收端分别被定义成测量端和参比端；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的的两个接收端接收，热释电探测器响应于接收到红外光源发出的光束，将测量端接收到的分量光转换成测量电压U0、参比端接收到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；所述湿度传感器安装在采样气室内，被设置成实时探测采样气室内湿度值，并将探测的湿度值转换成一湿度电压U2发送至微处理器系统；所述微处理器系统内设置有一嵌有AGA-Elman神经网络算法的湿度补偿模块；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、以及湿度传感器发送的湿度电压U2，归一化处理后，发送至湿度补偿模块进行湿度补偿计算，以获取经湿度补偿后的气体浓度。 2.根据权利要求1所述的基于AGA-Elman算法的红外气体传感器，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AGA-Elman算法的红外气体传感器，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和一出气口；所述采样气室包括红外光源、反光杯、热释电探测器；所述反光杯固定安装在采样气室的第一端部，红外光源位于其焦点上，红外光源发出的光束经反光杯反射后平行传输至位于采样气室第二端部的热释电探测器；所述热释电探测器的两个接收端均朝向采样气室的第一端部，接收端用以接收光束的上表面垂直于光束传输方向；所述红外光源和热释电探测器均与微处理器系统电连接。 4.根据权利要求3所述的基于AGA-Elman算法的红外气体传感器，其特征在于，所述采样气室的进气口和出气口内侧设置有防护罩；所述防护罩包括聚丙烯纤维布和防静电网。 5.根据权利要求3所述的基于AGA-Elman算法的红外气体传感器，其特征在于，所述采样气室沿光束传播方向平行设置有第一溴化钾窗片和第二溴化钾窗片，第一溴化钾窗片和第二溴化钾窗片均垂直于光束传播方向；所述红外光源位于采样气室第一端部和第一溴化钾窗片之间；所述热释电探测器位于第二溴化钾窗片和采样气室第二端部之间。 6.根据权利要求3所述的基于AGA-Elman算法的红外气体传感器，其特征在于，所述采样气室的第一端部和第二端部外侧均设置有密封圈。 7.一种基于AGA-Elman算法的红外气体传感器的湿度补偿方法，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、湿度电压为参数的基于AGA-Elman算法神经网络模型； S2：接收热释电探测器发送的测量电压U0和参比电压U1、以及湿度传感器发送的湿度电压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AGA-Elman算法神经网络模型的输入层，AGA-Elman算法神经网络模型对其进行湿度补偿计算后，由AGA-Elman算法模型的输出层输出计算结果，将输出的计算结果作为经湿度补偿后的气体浓度。 8.根据权利要求7所述的基于AGA-Elman算法的红外气体传感器的湿度补偿方法，其特征在于，所述方法还包括：将计算得出的经湿度补偿后的气体浓度经无线网络发送至显示终端以显示。 9.根据权利要求7所述的基于AGA-Elman算法的红外气体传感器的湿度补偿方法，其特征在于，步骤S1中，创建以测量电压、参比电压、湿度电压为参数的基于AGA-Elman算法神经网络模型的方法包括以下步骤： S101：创建一基于AGA-Elman算法的神经网络模型，设定该神经网络模型的输入层、隐含层以及输出层的神经元个数； S102：将红外气体传感器的热释电探测器生成的测量电压值、参比电压值以及湿度传感器生成的湿度电压值发送至微处理器系统，采用premnmx函数对电压数据进行归一化处理，将归一化后的处理数据作为神经网络的输入样本； S103：确定网络权值和阈值的编码方法并进行编码，采用自适应遗传算法优化权阈值； S104：初始化种群，设定种群大小及最大迭代次数； S105：计算每条染色体的适应度值，适应度的公式为：其中，T为目标输出，A为实际输出； S106：当满足迭代条件时，算法停止，否则依次进行选择操作、交叉操作、变异操作；所述选择操作的选择概率Ps满足下述公式：在选择操作产生新的种群后，执行交叉操作，交叉概率Pc的调整公式为：其中h1,h2∈(0,1)，f(max)为最大适应度值，f(ave)是平均适应度值，fc是较大适应度值；所述变异操作的变异概率Pm的调整公式为：其中h3,h4∈(0,1)，f(max)为最大适应度值，f(ave)是平均适应度值，fc是较大适应度值； S107：评价适应值，保存最优染色体，判断是否满足终止条件，满足则停止操作，若不满足则返回步骤S106； S108：对通过遗传操作得到的优化后的权值、阈值执行解码操作，再赋值给AGA-Elman神经网络模型，根据已设置的训练参数，采用Levenberg-Marquardt算法训练AGA-Elman神经网络模型，直至达到预定的误差精度。 10.根据权利要求9所述的基于AGA-Elman算法的红外气体传感器的湿度补偿方法，其特征在于，步骤S101中，所述隐含层即反馈层的神经元采用tansig传递函数，而输出层采用线性传递函数。
所属类别：	发明专利