【技术实现步骤摘要】
提升PID多组量程多种有毒气体浓度测量精度的方法
[0001]本专利技术涉及光离子化
,更具体地,涉及一种提升
PID
多组量程多种有毒气体浓度测量精度的方法
。
技术介绍
[0002]在石油
、
化工
、
制药等工业生产场所,往往存在着大量挥发性有机化合物
(Volatile Organic Compounds
,简称
VOC)
,这些挥发性的有机物危害着人们的生命安全
。
在针对有机挥发物
(VOC)
的检测手段中,光离子化
(PID)
检测技术相对于其它传感器技术,具有体积小,无需其它协助气体
、
快捷方便
、
灵敏度高和检测挥发性气体种类多等特点,被广泛应用
。
[0003]PID
检测的工作原理为:通过紫外灯
(UV)
光源将有机物分子电离成可被探测器检测到的正负离子
(
离子化
...
【技术保护点】
【技术特征摘要】
1.
一种提升
PID
多组量程多种有毒气体浓度测量精度的方法,其特征在于,包括如下步骤:步骤
S1
:获取用于训练
BP
神经网络模型的训练样本;步骤
S2
:根据所述训练样本对所述
BP
神经网络模型进行训练,以生成训练后的
BP
神经网络模型;步骤
S3
:获取用于测试所述训练后的
BP
神经网络模型的测试样本;步骤
S4
:根据所述测试样本对所述训练后的
BP
神经网络模型进行测试;步骤
S5
:当所述训练后的
BP
神经网络模型测试通过后,利用所述训练后的
BP
神经网络模型对当前待测有毒气体的浓度进行预测
。2.
根据权利要求1所述的一种提升
PID
多组量程多种有毒气体浓度测量精度的方法,其特征在于,还包括:采集多组样本,每组样本包括8个输入特征值和1个输出特征值,8个输入特征值分别为仪表的零点
AD
值
、
标定气体的种类
、
标定气体的仪表
AD
值
、
标定气体的实际浓度值
、
仪表的增益
、
仪表的温度值
、
被测气体的种类
、
被测气体的仪表
AD
值,1个输出特征值为被测气体的实际浓度值;对所述多组样本中的特征值进行归一化处理;将所述归一化处理后的多组样本划分为训练样本和测试样本
。3.
根据权利要求2所述的一种提升
PID
多组量程多种有毒气体浓度测量精度的方法,其特征在于,所述对所述多组样本中的特征值进行归一化处理,还包括:归一化处理的公式为:其中,
x
NDH
表示第
n
组样本中归一化后的特征值,
x
n
表示第
n
组样本中的特征值,
x
min
表示多组样本中同一特征的最小值,
x
max
表示多组样本中同一特征的最大值
。4.
根据权利要求2所述的一种提升
PID
多组量程多种有毒气体浓度测量精度的方法,其特征在于,所述根据所述训练样本对所述
BP
神经网络模型进行训练,以生成训练后的
BP
神经网络模型,包括:所述
BP
神经网络模型包括输入层
、
隐含层和输出层;所述输入层用于输入所述训练样本中的8个输入特征值,所述隐含层用于对所述训练样本中的8个输入特征值进行处理,所述输出层用于输出所述训练样本中的1个输出特征值;计算公式如下:
Y
隐层
=
f(w1·
x
输入
+b1)Y
输出
=
...
【专利技术属性】
技术研发人员:周永杰,杨伟伟,王金虎,赵云,徐益民,
申请(专利权)人:无锡格林通安全装备有限公司,
类型:发明
国别省市:
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。