详情

原文传递梯形气室及其气压补偿方法

专利名称：	梯形气室及其气压补偿方法
摘要：	本发明提供一种梯形气室及其气压补偿方法，其中梯形气室包括一气室本体、和设置于气室本体内的一红外光源、一反光杯、一反光镜、两热释电探测器和一气压传感器；气室本体呈梯形且包括一顶面、一底面、两侧面、一进气口和一出气口；进气口和出气口分别位于气室本体的两侧；反光杯固定于一侧面，红外光源设置于反光杯内侧，两热释电探测器和气压传感器设置于另一侧面；两热释电探测器分别位于测量光路和参比光路上。本发明的一种梯形气室及其气压补偿方法，可有效缩小气室体积，保证传感器的小型化，且气压补偿过程简单、测量精度较高、稳定性较好。
专利类型：	发明专利
申请人：	上海工程技术大学
发明人：	王怀章;张娟
专利状态：	有效
申请日期：	1900-01-20T18:00:00+0805
发布日期：	1900-01-20T22:00:00+0805
申请号：	CN202010098617.7
公开号：	CN111189793A
代理机构：	上海伯瑞杰知识产权代理有限公司
代理人：	李庆
分类号：	G01N21/3504;G01N21/01;G06N3/08;G;G01;G06;G01N;G06N;G01N21;G06N3;G01N21/3504;G01N21/01;G06N3/08
申请人地址：	201620 上海市松江区龙腾路333号
主权项：	1.一种梯形气室，其特征在于，包括一气室本体、和设置于所述气室本体内的一红外光源、一反光杯、一反光镜、两热释电探测器和一气压传感器；所述气室本体呈梯形且包括一顶面、一底面、两侧面、一进气口和一出气口；所述进气口和所述出气口分别位于所述气室本体的两侧，且所述进气口位于所述顶面，所述出气口位于所述底面；所述反光镜固定于所述气室本体内并与所述顶面平行；所述反光杯固定于一所述侧面，所述红外光源设置于所述反光杯内侧，两所述热释电探测器和所述气压传感器设置于另一所述侧面；所述红外光源、所述反光杯、所述顶面和所述反光镜配合形成一测量光路和一参比光路，两所述热释电探测器分别位于所述测量光路和所述参比光路上。 2.根据权利要求1所述的梯形气室及其气压补偿方法，其特征在于，还包括一数据处理器和一显示器，所述数据处理器连接所述显示器、两所述热释电探测器和所述气压传感器。 3.根据权利要求2所述的梯形气室及其气压补偿方法，其特征在于，所述进气口设置有一疏水防尘膜。 4.根据权利要求3所述的梯形气室及其气压补偿方法，其特征在于，所述气室本体的内壁黄铜镀金处理。 5.根据权利要求3所述的梯形气室及其气压补偿方法，其特征在于，两所述侧面与水平面呈45度夹角。 6.一种基于权利要求2～5任一项所述梯形气室的气压补偿方法，包括步骤： S1：采集两所述热释电探测器和所述气压传感器的输出电压并进行归一化处理，获得归一化数据； S2：将所述归一化数据送至一ACO-BP算法模型的输入端作为输入向量X＝(x1,x2,x3)，其中x1表示位于所述测量光路的所述热释电探测器的输出电压归一化处理后的数据；x2表示位于所述参比光路的所述热释电探测器的输出电压归一化处理后的数据；x3表示所述气压传感器的输出电压归一化处理后的数据； S3：所述ACO-BP算法模型输出气压补偿后的气体浓度； S4：所述显示器显示所述气体浓度。 7.根据权利要求6所述的梯形气室及其气压补偿方法，其特征在于，所述S2步骤之前还包括步骤： S5：建立一BP神经网络； S6：用蚁群算法对所述BP神经网络进行优化，获得所述ACO-BP算法模型。 8.根据权利要求7所述的梯形气室及其气压补偿方法，其特征在于，所述S6步骤进一步包括步骤： S61：初始化；令集合Ipi(1≤i≤m)中的元素j的信息元素是τj(Ipi)(t)＝C,(1≤j≤N)，蚂蚁的数量为M，所有蚂蚁开始在蚁巢，最大迭代次数为Nmax； S62：释放蚂蚁；所有蚂蚁由集合Ipi出发，遵循以下路径规则在所有集合中按顺序查找元素，最终找到食物源，满足概率公式其中，所有蚂蚁k以一定概率任意挑选第j个元素； S63：信息素更新；当所有蚂蚁在各个集合中挑选了其中一个元素，把所有蚂蚁选择出的权值作为神经网络参数，可算出训练样本的输出误差，记录所选参数中的最优解；此过程所用时间是m，对于集合Ipi(1≤i≤m)中每个元素的信息素按公式(2)进行调整： τj(Ipi)(t+m)＝ρτ(Ipi)(t)+Δτj(Ipi) (2)；其中，τj(Ipi)(t)表示集合Ipi中的元素j的信息元素，t表示时间；参数p(0≤p≤1)表示信息素的持久性，1-p表示在t至t+m时间段信息素的降低程度；式中，表示此次循环中第k只蚂蚁在集合Ipi中的第j个元素余下的信息素，满足公式(3)：其中Q是常量，代表蚂蚁完成一次循环后产生的信息素之和，e表示蚂蚁k挑选的元素当成神经网络的权值之和；训练样本最大输出误差ek满足公式(4)：其中On表示神经网络的实际输出，Oq表示神经网络的期望输出值； S64：重复步骤S62至S63，直至全部蚂蚁收敛至相同路径，迭代次数完成，获得最优解； S65：将蚁群算法找到的最好权值作为BP算法的初始权值，采用BP算法进一步训练所述BP神经网络，采用验证样本对所述BP神经网络泛化能力检验，如满足误差要求，则结束，否则返回步骤S61。
所属类别：	发明专利