一种基于信号多特征数据的易制毒气体浓度软测量方法技术

本发明专利技术提供一种基于信号多特征数据的易制毒气体浓度软测量方法，涉及气体浓度分析技术领域。本发明专利技术通过建立梯度图像特征和信号特征与气体浓度样本库，应用SVR(支持向量回归)算法拟合出梯度图像特征和信号特征与气体浓度之间的关系，从而实现判断易制毒化学品气体浓度的功能。改变了判断易制毒化学品气体浓度由人工化验评估的现状，提高安防检测人员的工作效率。作效率。作效率。

【技术实现步骤摘要】
一种基于信号多特征数据的易制毒气体浓度软测量方法


[0001]本专利技术涉及气体浓度分析
，尤其涉及一种基于信号多特征数据的易制毒气体浓度软测量方法。

技术介绍

[0002]在易制毒气体的浓度判断中，传感器表面的敏感材料表面发生气体的吸附和脱附现象，由于在此过程中有电子的交换，所以纳米材料的电导率也随之发生变化，其变化大小与传感器温度、气体种类、等因素有关。
[0003]在半导体材料传感器表面，主要存在O2
‑
、O2
‑
和O
‑
三种吸附态离子。在室温或温度较低时，吸附的氧主要以O2
‑
为主，材料表面的氧离子吸附处于动态平衡；当敏感材料处于温度较高(即处于加热工作状态)的情况下，吸附态的O2
‑
夺得电子转变为O2
‑
和O
‑
。致使材料表面形成正电荷层，于是其晶界势垒宽度变窄，敏感材料电导率升高，电阻下降。当处于加热工作状态下，敏感材料表面接触到易制毒气体时，气体会与吸附态的氧离子发生反应，并释放电子使材料表面本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于信号多特征数据的易制毒气体浓度软测量方法，其特征在于，包括以下步骤：步骤1：收集气体传感器动态温度调制下的原始响应信号数据，对原始响应信号进行信号分解得到模态分量信号，并对模态分量信号进行特征数据提取；步骤2：计算原始响应信号的连续均值梯度，根据连续均值梯度的数值绘制梯度曲线特征图像并进行二值化得到二值化梯度曲线图像，通过卷积神经网络CNN提取二值化梯度曲线图像特征；步骤3：对采集的所有不同浓度的原始响应信号依次重复步骤1
‑
2；步骤4：对现有的易制毒化学品样本的气体浓度进行化验，获得实际的气体浓度化验数据；步骤5：根据步骤1和2中的多特征数据，即Slope、Area、Binary和步骤4的气体浓度化验数据作为样本建立样本库数据库；步骤6：将样本库数据库中的样本通过支持向量回归算法拟合出多特征数据与气体浓度化验数据的函数关系，并以函数的形式保存；步骤7：获取气体传感器动态温度调制下的待检测响应信号数据，并按照步骤1和2对响应信号进行多特征数据提取；步骤8：将步骤7获得的多特征数据作为输入，通过步骤4所得函数计算出气体的浓度并输出，完成易制毒气体浓度的软测量。2.根据权利要求1所述的一种基于信号多特征数据的易制毒气体浓度软测量方法，其特征在于，所述步骤1具体包括以下步骤：步骤1.1：通过经验模态分解对原始响应信号数据进行信号分解，公式如下：其中f(t)为原始响应信号，IMF
i
(t)为分解出的第i个时刻的模态分量信号，r(t)为残差分量信号，n代表模态分量信号的数量，t代表响应时刻；步骤1.2：计算模态分量信号的连续均值斜率IMF'(t)，公式如下：其中h代表连续采样间隔；步骤1.3：计算模态分量信号与x轴的面积S，公式如下：3.根据权利要求1所述的一种基于信号多特征数据的易制毒气体浓度软测量方法，其特征在于，所述步骤2具体包括以下步骤：步骤2.1：对原始响应信号计算连续均值梯度，公式如下：步骤2.2：提取图像的各个像素点像素值并作灰度处理，灰度变换公式如下：
r∈[0,1]其中c是常数，r为输入灰度级，x
i
为每一个像素点的像素值；步骤2.3：对得到的灰度图像进行二值化，输出连续梯度变化曲线二值图像，二值化变换公式如下：R＝w1z1+w2z2+...+w9z9其中z为像素的灰度，w为滤波器模板系数；R为灰度平均值；其中，g(x,y)为输出图像，T为非负的阈值；步骤2.4：设计卷积神经网络C...

【专利技术属性】
技术研发人员：孟凡利，王浩，赵勇，
申请(专利权)人：东北大学，
类型：发明
国别省市：