【技术实现步骤摘要】
本专利技术属于氢气传感器检测，具体涉及一种基于动态协同优化的热导式氢气传感器误差补偿方法。
技术介绍
1、氢能源作为新能源具有诸多优势，但其本身存在着易燃易爆的缺陷。随着氢能源汽车在新能源汽车领域的发展，对氢气浓度的检测显得十分重要。热导式氢气传感器具有价格低，精度高的优点，然而在复杂环境中，温度和湿度的不断变化对氢气传感器的精度造成了一定的影响。因此建立温湿度补偿模型是降低温湿度对气敏元件的非线性影响，从而实现对污染气体进行精准检测的有效途径。
2、现有技术中常用的气体传感器补偿方法主要有以下四种：硬件补偿法、线性回归算法、非线性回归算法和机器学习算法。但这几种方法存在着以下不足：硬件补偿法完全依赖传感器自身的硬件性能，导致补偿效果不稳定且难以适用于不同场景；线性回归算法只能处理简单的线性数据关系，面对温湿度与气体浓度的复杂非线性关联时精度显著下降；而传统的非线性回归算法和传统机器学习算法虽然能处理非线性问题，但是泛化能力受限制，在动态变化的温湿度条件下适应性不足。
技术实现思路
...【技术保护点】
1.基于动态协同优化的热导式氢气传感器误差补偿方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于动态协同优化的热导式氢气传感器误差补偿方法，其特征在于：步骤(2)中的模型输入数据预处理包含：
3.根据权利要求1所述的基于动态协同优化的热导式氢气传感器误差补偿方法，其特征在于：步骤(23)所述BP神经网络模型的网络结构通过以下方式确定：采用经验公式确定隐含层节点数初始范围：其中c为隐含层节点个数、m为输入层节点个数，L为输出层节点个数、常数a介于1～10之间；在初始范围内遍历测试，选取训练误差最小时的隐含层节点数作为最终结构。
...【技术特征摘要】
1.基于动态协同优化的热导式氢气传感器误差补偿方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于动态协同优化的热导式氢气传感器误差补偿方法，其特征在于：步骤(2)中的模型输入数据预处理包含：
3.根据权利要求1所述的基于动态协同优化的热导式氢气传感器误差补偿方法，其特征在于：步骤(23)所述bp神经网络模型的网络结构通过以下方式确定：采用经验公式确定隐含层节点数初始范围：其中c为隐含层节点个数、m为输入层节点个数，l为输出层节点个数、常...
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。