用于危化品检测的多元混合气体的定量识别系统技术方案

用于危化品检测的多元混合气体的定量识别系统，其涉及检验检测技术领域。其特征在于包含数据层、特征层、分类层、决策层，数据层、特征层、分类层、决策层依次相连。本发明专利技术利用气体传感器的交叉敏感性对混合气体产生高维的响应模式，并结合相应的模式识别方法对得到的数据进行处理，从而实现对混合气体的识别。

【技术实现步骤摘要】

本专利技术涉及检验检测
，具体涉及一种用于危化品检测的多元混合气体的定量识别系统。
技术介绍
随着工农业生产规模的不断扩大，全球危险化学品(简称危化品)的需求量不断增大，危化品的生产、运输、存储和使用等各个环节发生的灾害事故也不断增加，危化品事故的发生通常会造成巨大的灾害，这是由以下特点决定的: 第一，危化品事故具有在各个环节都可能发生的特点，有关部门做过专门的分析，危化品从生产到经营、运输、存储、使用、废弃的6个环节无一能从事故中幸免。运输环节的事故最多，占到了事故总数的41%。第二，危化品事故具有在高温高湿条件下易挥发的特点。第三，危化品事故具有连锁性的特点，危化品绝大部分易燃易爆，危化品事故往往会造成碰撞损坏、泄漏、燃烧、爆炸、污染之间相互串联的后果。第四，危化品事故具有救援、救治难度大和后果严重的特点，危化品一般都具有特殊的物理、化学性能，千差万别的化学品性能增加了救援、救治工作的难度。因此，危化品救援常常是灭火、救人、消毒、人员疏散、检测等多种手段同时进行。据统计，在危化品的生产规模上，我国企业在2007年已经能够生产45000种化学品，其中有3823种属于政府严格监管的品种，还有335种被列入剧毒化学品目录实施管理。随着我国经济的高速发展，危化品的安全问题及其监管技术的研究也更加紧迫。在迄今为止的国际国内文献报道中，尚未查到围绕危险化学品安全问题的基于传感器网络的有关信号处理和信息融合技术方面的研究。
技术实现思路
本专利技术的目的是提供一种用于危化品检测的多元混合气体的定量识别系统，其利用气体传感器的交叉敏感性对混合气体产生高维的响应模式，并结合相应的模式识别方法对得到的数据进行处理，从而实现对混合气体的识别。为了解决
技术介绍
所存在的问题，本专利技术是采用以下技术方案的:它包含数据层、特征层、分类层、决策层，数据层、特征层、分类层、决策层依次相连。本专利技术包含以下工作步骤: 在前处理过程中，测量电路把各种气体传感器信号转换为便于采集和处理的电压信号，将采集的原始电压信号转换为物理意义更明确的气体响应信号； 在数据预处理阶段，采用归一化、去噪和信号补偿等技术可一定程度去除噪声并补偿传感器的基线漂移； 在信号补偿方面，采用分数比值法X=(Sgas SJ/Sci，对叠加性和乘积性噪声的漂移都有作用； 特征提取包含两部分任务，一是对信息进行压缩，二是减少数据之间的关联性，主成分分析法(PCA)是一种典型的特征提取方法，它将方差贡献率小的特征去除，达到降维目的，并且去除了样本数据之间的相关性，使得下一阶段的神经网络计算更为简单高效；除此之外可以采用独立成分分析方法用于特征提取，它既能去除数据间的相关性又能去除数据间的尚阶相关性； 模式识别层采用后向传输神经网络(BP)实现气体组分与浓度值的估计，BP神经网络全称为误差反向传播神经网络，是一种非参数学习方法，容错性好，非线性处理能力强，适于气体传感器阵列信号处理； 最后的态势评估将神经网络的输出与各级报警阂值对比实现报警等级判决。【附图说明】: 图1为本专利技术的结构示意图。【具体实施方式】参照图1，用于危化品检测的多元混合气体的定量识别系统，它包含数据层、特征层、分类层、决策层，数据层、特征层、分类层、决策层依次相连，并包含以下工作步骤: 在前处理过程中，测量电路把各种气体传感器信号转换为便于采集和处理的电压信号，将采集的原始电压信号转换为物理意义更明确的气体响应信号； 在数据预处理阶段，采用归一化、去噪和信号补偿等技术可一定程度去除噪声并补偿传感器的基线漂移； 在信号补偿方面，采用分数比值法X=(Sgas SJ/Sci，对叠加性和乘积性噪声的漂移都有作用； 特征提取包含两部分任务，一是对信息进行压缩，二是减少数据之间的关联性，主成分分析法(PCA)是一种典型的特征提取方法，它将方差贡献率小的特征去除，达到降维目的，并且去除了样本数据之间的相关性，使得下一阶段的神经网络计算更为简单高效；除此之外可以采用独立成分分析方法用于特征提取，它既能去除数据间的相关性又能去除数据间的尚阶相关性； 模式识别层采用后向传输神经网络(BP)实现气体组分与浓度值的估计，BP神经网络全称为误差反向传播神经网络，是一种非参数学习方法，容错性好，非线性处理能力强，适于气体传感器阵列信号处理； 最后的态势评估将神经网络的输出与各级报警阂值对比实现报警等级判决。【主权项】1.用于危化品检测的多元混合气体的定量识别系统，其特征在于包含数据层、特征层、分类层、决策层，数据层、特征层、分类层、决策层依次相连。2.根据权利要求1所述的用于危化品检测的多元混合气体的定量识别系统，其特征在于包含以下工作步骤: 在前处理过程中，测量电路把各种气体传感器信号转换为便于采集和处理的电压信号，将采集的原始电压信号转换为物理意义更明确的气体响应信号； 在数据预处理阶段，采用归一化、去噪和信号补偿等技术可一定程度去除噪声并补偿传感器的基线漂移； 在信号补偿方面，采用分数比值法X=(Sgas SJ/Sci，对叠加性和乘积性噪声的漂移都有作用； 特征提取包含两部分任务，一是对信息进行压缩，二是减少数据之间的关联性，主成分分析法(PCA)是一种典型的特征提取方法，它将方差贡献率小的特征去除，达到降维目的，并且去除了样本数据之间的相关性，使得下一阶段的神经网络计算更为简单高效；除此之外可以采用独立成分分析方法用于特征提取，它既能去除数据间的相关性又能去除数据间的尚阶相关性； 模式识别层采用后向传输神经网络(BP)实现气体组分与浓度值的估计，BP神经网络全称为误差反向传播神经网络，是一种非参数学习方法，容错性好，非线性处理能力强，适于气体传感器阵列信号处理； 最后的态势评估将神经网络的输出与各级报警阂值对比实现报警等级判决。【专利摘要】用于危化品检测的多元混合气体的定量识别系统，其涉及检验检测
其特征在于包含数据层、特征层、分类层、决策层，数据层、特征层、分类层、决策层依次相连。本专利技术利用气体传感器的交叉敏感性对混合气体产生高维的响应模式，并结合相应的模式识别方法对得到的数据进行处理，从而实现对混合气体的识别。【IPC分类】G08B21/14, G01N33/00【公开号】CN105067768【申请号】CN201510457724【专利技术人】朱卫国, 叶剑鸣, 印金汝 【申请人】安徽中杰信息科技有限公司【公开日】2015年11月18日【申请日】2015年7月30日本文档来自技高网...

【技术保护点】
用于危化品检测的多元混合气体的定量识别系统，其特征在于包含数据层、特征层、分类层、决策层，数据层、特征层、分类层、决策层依次相连。

【技术特征摘要】

【专利技术属性】
技术研发人员：朱卫国，叶剑鸣，印金汝，
申请(专利权)人：安徽中杰信息科技有限公司，
类型：发明
国别省市：安徽;34