本发明专利技术提供一种基于神经网络的PM2.5浓度检测方法及装置，首先基于夫琅禾费衍射原理建立激光检测系统，进而根据所述激光检测系统采集到的光强数字信号，基于夫琅禾费衍射原理，验证所述光强数字信号与PM2.5浓度值存在对应函数关系，将所述光强数字信号作为输入量，建立正则化神经网络模型，输出PM2.5浓度值，该方法克服了现有技术中PM2.5浓度检测方法自动化程度低的缺点，并且能够实现重复检测，检测精度高，计算简便。
【技术实现步骤摘要】
基于神经网络的PM2.5浓度检测方法及装置
：本专利技术涉及浓度检测领域，尤其涉及一种基于神经网络的PM2.5浓度检测方法及装置。
技术介绍
：近年来，我国中东部地区相继出现严重的雾霾和污染的空气，而相关研究表明，PM2.5是雾霾天气的罪魁祸首。PM2.5是指大气中空气动力学直径小于或等于2.5μm的颗粒物，也称为可入肺颗粒物，与较粗的大气颗粒相比，PM2.5粒径小，富含大量有毒、有害物质且在大气中的停留时间长、输送距离远，污染大气环境，并会对人们健康构成严重威胁。现有的PM2.5浓度检测方法，多采用手动式重量法、β射线衰减法和微量振荡天平法。然而，手动式重量法检测PM2.5的方法存在自动化程度低、检测重复性差，易产生积累误差，有介质消耗等问题，β射线衰减法和微量振荡天平法的粒子检测下限难以达到理想水平。
技术实现思路
：针对现有技术的缺陷，本专利技术提供一种基于神经网络的PM2.5浓度检测方法及装置，克服了现有技术中PM2.5浓度检测方法自动化程度低的缺点，并且能够实现重复检测，检测精度高，计算简便。一方面，本专利技术提供一种基于神经网络的PM2.5浓度检测方法，包括：基于夫琅禾费衍射原理建立激光检测系统；根据所述激光检测系统采集到的光强数字信号，基于夫琅禾费衍射原理，验证所述光强数字信号与PM2.5浓度值存在对应函数关系；将所述光强数字信号作为输入量，建立正则化神经网络模型，输出PM2.5浓度值。可选地，所述激光检测系统包括：供电单元、He-Ne激光器、滤光透镜、扩束透镜、空气泵、空气室、信号接收单元、检测单元和计算单元；其中，所述供电单元用于为所述He-Ne激光器、所述空气泵、所述检测单元和所述计算单元提供电源；所述信号接收单元包括傅立叶透镜和70路光电探测器，用于接收经空气颗粒衍射后的光信号，并将其转换为光强模拟信号；所述检测单元用于将所述光强模拟信号经放大处理后转换为光强数字信号；所述计算单元用于根据所述光强数字信号进行建模，计算得到PM2.5浓度值；所述供电单元分别与所述He-Ne激光器、所述空气泵、所述检测单元和所述计算单元相连，所述He-Ne激光器与所述滤光透镜相连，所述空气室分别与所述扩束透镜、所述空气泵和所述信号接收单元相连，所述信号接收单元与所述检测单元相连，所述检测单元与所述计算单元相连。可选地，所述根据所述激光检测系统采集到的光强数字信号，基于夫琅禾费衍射原理，验证所述光强数字信号与PM2.5浓度值存在对应函数关系，包括：根据所述光电探测器测量的光能量分布向量，计算处理后得到待测颗粒群的粒度分布，将直径小于2.5μm的粒度分布百分比相加，得到PM2.5浓度值，验证所述光强数字信号与PM2.5浓度值存在对应关系。可选地，所述待测颗粒群的粒度分布，通过下式计算，E＝TW其中，E为光电探测器测量的光能量分布向量，为光能贡献矩阵，W为待测颗粒群的粒度分布向量；其中，为直径为DM的颗粒对探测器第N个探测环的光能量贡献，为固定常数，M为不同直径颗粒的种类，I0为入射光光强，J0(XM,N)为零阶Bessel函数，J1(XM,N)为一阶Bessel函数。可选地，所述PM2.5浓度值，通过下式计算，其中，β空气密度在20℃标准大气压下取值1.205kg/m3，α为直径小于2.5μm的粒度分布。可选地，所述将所述光强数字信号作为输入量，建立正则化神经网络模型，输出得到PM2.5浓度值的步骤，包括：初始化神经网络参数；采用最小均方算法对神经网络模型的权值进行训练，调整权值大小。可选地，所述初始化神经网络参数，具体为：选取神经网络模型隐含层节点数等于训练样本数，选取高斯函数作为激励函数，选取所述激励函数中心作为样本数据中心，初始化神经网络的权值和激励函数拓展常数。另一方面，本专利技术提供一种基于神经网络的PM2.5浓度检测装置，包括：激光检测系统建立单元，用于基于夫琅禾费衍射原理建立激光检测系统；函数关系验证单元，用于根据所述激光检测系统采集到的光强数字信号，基于夫琅禾费衍射原理，验证所述光强数字信号与PM2.5浓度值存在对应函数关系；神经网络模型计算单元，用于将所述光强数字信号作为输入量，建立正则化神经网络模型，输出PM2.5浓度值。可选地，所述神经网络模型计算单元，包括：参数初始化模块，用于初始化神经网络参数；权值训练单元，用于采用最小均方算法对神经网络模型的权值进行训练，调整权值大小。由上述技术方案可知，本专利技术的基于神经网络的PM2.5浓度检测方法及装置，首先基于夫琅禾费衍射原理建立激光检测系统，进而根据所述激光检测系统采集到的光强数字信号，基于夫琅禾费衍射原理，验证所述光强数字信号与PM2.5浓度值存在对应函数关系，将所述光强数字信号作为输入量，建立正则化神经网络模型，输出PM2.5浓度值，该方法克服了现有技术中PM2.5浓度检测方法自动化程度低的缺点，并且能够实现重复检测，检测精度高，计算简便。附图说明：图1为本专利技术第一实施例提供的基于神经网络的PM2.5浓度检测方法流程示意图；图2为本专利技术第一实施例提供的神经网络结构示意图；图3为本专利技术第二实施例提供的基于神经网络的PM2.5浓度检测方法流程示意图；图4为本专利技术第二实施例提供的激光检测系统结构示意图；图5为本专利技术第二实施例提供的神经网络模型对5组数据拟合示意图；图6为本专利技术第三实施例提供的基于神经网络的PM2.5浓度检测装置结构示意图；图7为本专利技术第三实施例提供PM2.5浓度值对比结果。具体实施方式：下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。图1示出了本专利技术第一实施例提供的基于神经网络的PM2.5浓度检测方法流程示意图，如图1所示，本实施例的方法如下所述。101、基于夫琅禾费衍射原理建立激光检测系统。本步骤中，所述激光检测系统包括：供电单元、He-Ne激光器、滤光透镜、扩束透镜、空气泵、空气室、信号接收单元、检测单元和计算单元；其中，所述供电单元用于为所述He-Ne激光器、所述空气泵、所述检测单元和所述计算单元提供电源；所述信号接收单元包括傅立叶透镜和70路光电探测器，用于接收经空气颗粒衍射后的光信号，并将其转换为光强模拟信号；所述检测单元用于将所述光强模拟信号经放大处理后转换为光强数字信号；所述计算单元用于根据所述光强数字信号进行建模，计算得到PM2.5浓度值；所述供电单元分别与所述He-Ne激光器、所述空气泵、所述检测单元和所述计算单元相连，所述He-Ne激光器与所述滤光透镜相连，所述空气室分别与所述扩束透镜、所述空气泵和所述信号接收单元相连，所述信号接收单元与所述检测单元相连，所述检测单元与所述计算单元相连。102、根据所述激光检测系统采集到的光强数字信号，基于夫琅禾费衍射原理，验证所述光强数字信号与PM2.5浓度值存在对应函数关系。本步骤中，应说明的是，在建立神经网络模型之前，需要对该神经网络模型进行性能验证，进而严谨地说明该方法的有效性。因此，为了通过神经网络获取这样复杂的函数映射关系，需要根据激光检测系统采集到的光强数字信号，基于夫琅禾费衍射原理计算，能够得到唯一的PM2.5浓度值，从而验证了光强数字信号与PM2.5浓度值之间存在函数对应关系。103、将所述光本文档来自技高网...
【技术保护点】
一种基于神经网络的PM2.5浓度检测方法，其特征在于，包括：基于夫琅禾费衍射原理建立激光检测系统；根据所述激光检测系统采集到的光强数字信号，基于夫琅禾费衍射原理，验证所述光强数字信号与PM2.5浓度值存在对应函数关系；将所述光强数字信号作为输入量，建立正则化神经网络模型，输出PM2.5浓度值。
【技术特征摘要】
1.一种基于神经网络的PM2.5浓度检测方法，包括：基于夫琅禾费衍射原理建立激光检测系统；其特征在于，还包括：根据所述激光检测系统采集到的光强数字信号，基于夫琅禾费衍射原理，验证所述光强数字信号与PM2.5浓度值存在对应函数关系；将所述光强数字信号作为输入量，建立正则化神经网络模型，输出PM2.5浓度值；所述激光检测系统包括：供电单元、He-Ne激光器、滤光透镜、扩束透镜、空气泵、空气室、信号接收单元、检测单元和计算单元；其中，所述供电单元用于为所述He-Ne激光器、所述空气泵、所述检测单元和所述计算单元提供电源；所述信号接收单元包括傅立叶透镜和70路光电探测器，用于接收经空气颗粒衍射后的光信号，并将其转换为光强模拟信号；所述检测单元用于将所述光强模拟信号经放大处理后转换为光强数字信号；所述计算单元用于根据所述光强数字信号进行建模，计算得到PM2.5浓度值；所述供电单元分别与所述He-Ne激光器、所述空气泵、所述检测单元和所述计算单元相连，所述He-Ne激光器与所述滤光透镜相连，所述空气室分别与所述扩束透镜、所述空气泵和所述信号接收单元相连，所述信号接收单元与所述检测单元相连，所述检测单元与所述计算单元相连；其中，所述根据所述激光检测系统采集到的光强数字信号，基于夫琅禾费衍射原理，验证所述光强数字信号与PM2.5浓度值存在对应函数关系，包括：根据所述光电探测器测量的光能量分布向量，计算处理后得到待测颗粒群的粒度分布，将直径小于2.5μm的粒度分布百分比相加，得到PM2.5浓度值，验证所述光强数字信号与PM2.5浓度值存在对应关系。2.根据权利要求1所述的方法，其特征在于，所述待测颗粒群的粒度分布，通过下式计算，E＝TW其中，E为光电探测器测量的光能量分布向量，为光能贡献矩阵，W为待测颗粒群的粒度分布向量；其中，为直径为DM的颗粒对探测器第N个探测环的光能量贡献，为固定常数，M为不同直径颗粒的种类，I0为入射光光强，J0(XM，N)为零阶Bessel函数，J1(XM，N)为一阶Bessel函数。3.根据权利要求1所述的方法，其特征在于，所述PM2.5浓度值，通过下式计算，其中，β空气密度在20℃标准大气压下取值1.205kg/m3，α为直径小于2.5μm的粒度分布。4.根据权利要求1所述的方法，其特征在于，所述将所述光强数字信号作为输入量，建立...
【专利技术属性】
技术研发人员：徐林，关天一，李砚浓，郑文婧，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。