一种基于神经网络的气体浓度漂移补偿方法技术

本发明专利技术提供的一种基于神经网络的气体浓度漂移补偿方法，属于气体浓度监测技术领域，对不同浓度的标准气体，利用金属半导体氧化物传感器进行重复性测试，得到数据集，经时序数据提取后，得到时间序列，按测试时间先后顺序分为训练集和测试集；构建AEN和全连接人工神经网络，基于训练集进行训练；测试集输入至AEN和全连接人工神经网络，得到预测浓度，建立其与真实浓度之间函数关系；在之后的实际预测中，基于前一时间段的函数关系，对待预测气体的预测浓度进行补偿。本发明专利技术可有效校正气体响应数据在时间维度上的变化，修正因长期使用金属半导体氧化物传感器导致的预测浓度误差，满足有毒有害气体报警器的长期使用工作要求。

【技术实现步骤摘要】

本专利技术属于气体浓度监测，具体涉及一种基于神经网络的气体浓度漂移补偿方法。

技术介绍

1、随着科技的快速发展和城市化进程的加快，释放的大量污染气体和有毒有害气体产生越来越严重的影响，因此对这种复杂的混合气体进行实时、准确的浓度检测是非常有必要的。

2、气体报警监测技术被广泛应用于天然气工业、电力、燃气输送、生化医药、室内气体污染物检测等领域，其中工业生产、化工合成、能源开采和工业废弃物等产生了种类繁多的气体污染物，对其进行实时、准确的监测是防治各类污染产生的重要保障。

3、气体泄露事故是煤矿生产的最大障碍之一，及时检测其产生泄露源及浓度，对工矿安全有着十分重要的作用。由于金属半导体氧化物传感器的输出信号是电阻值，而氧化物材料随着使用时间的增加，电阻值会发生漂移，从而导致金属半导体氧化物传感器探测的气体浓度不准，无法进行有效报警，造成环境污染和人员伤害。因此，需要对这种漂移现象进行有规律的补偿，包括基线电阻值的漂移和响应值的漂移，补偿之后就能够比较准确的预测气体浓度值，用于制作气体报警器，能够确保人员在有毒有害气体浓度过高的环境中得本文档来自技高网...

【技术保护点】

1.一种基于神经网络的气体浓度漂移补偿方法，其特征在于，包括以下步骤：

2.根据权利要求1所述基于神经网络的气体浓度漂移补偿方法，其特征在于，步骤1中重复性测试的时间间隔为3～4天。

3.根据权利要求1所述基于神经网络的气体浓度漂移补偿方法，其特征在于，8≤n≤10。

4.根据权利要求1所述基于神经网络的气体浓度漂移补偿方法，其特征在于，步骤2中固定采样间隔的采样周期为0.5～1.5s。

5.根据权利要求1所述基于神经网络的气体浓度漂移补偿方法，其特征在于，30≤N≤50。

6.根据权利要求1所述基于神经网络的气体浓度漂移补偿方...

【技术特征摘要】

1.一种基于神经网络的气体浓度漂移补偿方法，其特征在于，包括以下步骤：

2.根据权利要求1所述基于神经网络的气体浓度漂移补偿方法，其特征在于，步骤1中重复性测试的时间间隔为3～4天。

3.根据权利要求1所述基于神经网络的气体浓度漂移补偿方法，其特征在于，8≤n≤10。

4.根据权利要求1所述基于神经网络的气体浓度漂移补偿方...

【专利技术属性】
技术研发人员：太惠玲，李泉兵，吴援明，段再华，袁震，蒋亚东，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：