System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于气体检测,具体涉及一种气体传感器周期性时序响应数据的漂移补偿方法。
技术介绍
1、金属氧化物半导体(metal oxide semiconductor,mos)气体传感器具有低成本、高灵敏度和快速响应等优点,被广泛地应用于挥发性有机化合物(volatile organiccompounds,vocs)的检测。然而,mos气体传感器的交叉敏感特性和漂移特性严重干扰了传感器的定性及定量识别精度。为了改善mos气体传感器的交叉敏感特性,有人提出了循环温度调制方法以增强不同种类及浓度vocs的响应模式的区分度。通过对mos气体传感器施加周期性变化的加热温度,可获得该温度模式下传感器对目标vocs的独特响应模式。vocs的种类及浓度信息可分别通过vocs响应模式的变化趋势和幅值来判断。不同种类vocs的响应模式具有不同的变化趋势;而相同种类但不同浓度vocs的响应模式具有相似的变化趋势,但其幅值随浓度增大呈现出递增趋势。
2、尽管循环温度调制有效改善了mos气体传感器的选择性,显著提升了mos气体传感器的气体种类识别精度,但未能有效克服传感器漂移对气体浓度识别精度的干扰。导致mos气体传感器漂移的因素包含传感器老化、传感器中毒、温度累积效应和其他环境因素。传感器漂移主要影响vocs响应模式的幅值,对响应模式的变化趋势影响较小。因此,传感器漂移主要干扰mos气体传感器的气体浓度识别,尤其是当识别任务的气体浓度梯度较小时。
3、随着智慧工厂和物联网时代的到来,基于数据驱动的智能vocs识别模型具有巨大的应
技术实现思路
1、针对现有技术的不足,本专利技术提供了一种气体传感器周期性时序响应数据的漂移补偿方法。首先,基于时间序列的加法模型,将mos气体传感器的周期性时序响应数据分解为周期项、趋势项和噪声项;然后,通过消除趋势项以消除周期性时序响应数据的漂移增量,达到漂移补偿的目的。本专利技术所提出的气体传感器周期性时序响应数据的漂移补偿方法可显著降低传感器漂移对周期性时序响应数据的干扰,有利于提升基于mos气体传感器循环温度调制的气体浓度识别精度。
2、一种气体传感器周期性时序响应数据的漂移补偿方法,包括以下步骤:
3、步骤1:基于循环温度调制的测量参数,获取mos气体传感器周期性时序响应数据y(t)的变化周期tt;
4、步骤2:基于变化周期tt,将周期性时序响应数据y(t)分解为周期项s(t)、趋势项t(t)和噪声项n(t)三部分;
5、步骤2.1:将第一个周期的周期性时序响应数据作为标准数据以计算周期项s(t),公式如下:
6、s(t)=y(t-(n-1)tt),t∈[(n-1)tt,ntt)
7、其中,n表示第n个周期,n=1,2,3,...;
8、步骤2.2:基于周期项s(t)和周期性时序响应数据y(t)计算消除周期项的时序响应数据y-s(t)和趋势项t(t);
9、步骤2.2.1:计算周期性时序响应数据y(t)减去周期项s(t)的差值,得到消除周期项的时序响应数据y-s(t),公式如下:
10、y-s(t)=y(t)-s(t)
11、步骤2.2.2:对消除周期项的时序响应数据y-s(t)进行线性拟合,将拟合后的一次函数作为趋势项t(t),t(t)的形式如下:
12、t(t)=at+b
13、其中,a和b是对y-s(t)进行线性拟合后获得的拟合参数;
14、步骤2.3:基于消除周期项的时序响应数据y-s(t)和趋势项t(t)计算噪声项n(t);
15、步骤2.3.1:计算消除周期项的时序响应数据y-s(t)减去趋势项t(t)的差值,得到消除周期项和趋势项的时序响应数据y-s-t(t),公式如下:
16、y-s-t(t)=y-s(t)-t(t)
17、步骤2.3.2:对消除周期项和趋势项的时序响应数据y-s-t(t)做正态分布检验,如果y-s-t(t)符合均值为0的正态分布,则将y-s-t(t)作为噪声项n(t);否则,回到步骤2.2.2调整拟合参数以重新计算趋势项t(t),并再次执行步骤2.3.1,直到y-s-t(t)符合均值为0的正态分布为止;
18、步骤3:消除周期性时序响应数据y(t)的趋势项t(t)以获得漂移补偿后的周期性时序响应数据y’(t);
19、步骤3.1:计算周期性时序响应数据y(t)减去趋势项t(t)的差值,得到消除趋势项的周期性时序响应数据y-t(t),公式如下:
20、y-t(t)=y(t)-t(t)
21、步骤3.2:将消除趋势项的周期性时序响应数据y-t(t)作为漂移补偿后的周期性时序响应数据y’(t),公式如下:
22、y'(t)=y-t(t)
23、本专利技术有益技术效果:
24、本专利技术提供一种气体传感器周期性时序响应数据的漂移补偿方法;基于时间序列的加法模型,将mos气体传感器循环温度调制的周期性时序响应数据分解为周期项、趋势项和噪声项。其中,周期项和噪声项来源于mos气体传感器自身的气敏响应,趋势项则是由传感器漂移导致的干扰成份。因此,周期项和噪声项作为真实数据的组成成份被保留下来,趋势项则是作为干扰成份被消除。通过消除趋势项有效消除了mos气体传感器周期性时序响应数据的漂移增量,显著降低了传感器漂移对周期性时序响应数据的的干扰,有利于提升基于mos气体传感器循环温度调制的气体浓度识别精度。
25、本专利技术可显著降低传感器漂移对周期性时序响应数据的干扰,有利于提升基于mos气体传感器循环温度调制的气体浓度识别精度;本专利技术从数据处理的角度进行传感器漂移补偿,相比于现有漂移补偿方法,本专利技术实现方式更简单、计算量更小,更适用于处理mos气体传感器循环温度调制的周期性时序响应数据。
本文档来自技高网...【技术保护点】
1.一种气体传感器周期性时序响应数据的漂移补偿方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种气体传感器周期性时序响应数据的漂移补偿方法,其特征在于,步骤2具体将周期性时序响应数据Y(t)分解为周期项S(t)、趋势项T(t)和噪声项N(t)三部分。
3.根据权利要求1所述的一种气体传感器周期性时序响应数据的漂移补偿方法,其特征在于,步骤2具体为:
4.根据权利要求3所述的一种气体传感器周期性时序响应数据的漂移补偿方法,其特征在于,步骤2.2具体为:
5.根据权利要求3所述的一种气体传感器周期性时序响应数据的漂移补偿方法,其特征在于,步骤2.3具体为:
6.根据权利要求1所述的一种气体传感器周期性时序响应数据的漂移补偿方法,其特征在于,步骤3具体为:
7.根据权利要求6所述的一种气体传感器周期性时序响应数据的漂移补偿方法,其特征在于,所述消除趋势项的周期性时序响应数据Y-T(t),公式如下:
【技术特征摘要】
1.一种气体传感器周期性时序响应数据的漂移补偿方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种气体传感器周期性时序响应数据的漂移补偿方法,其特征在于,步骤2具体将周期性时序响应数据y(t)分解为周期项s(t)、趋势项t(t)和噪声项n(t)三部分。
3.根据权利要求1所述的一种气体传感器周期性时序响应数据的漂移补偿方法,其特征在于,步骤2具体为:
4.根据权利要求3所述的一种气体传感器周期性...
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。