毕业论文论文范文课程设计实践报告法律论文英语论文教学论文医学论文农学论文艺术论文行政论文管理论文计算机安全
您现在的位置: 毕业论文 >> 计算机安全 >> 正文

基于人工智能的温湿度补偿方法在气体测量中的应用

更新时间:2015-6-6:  来源:毕业论文

基于人工智能的温湿度补偿方法在气体测量中的应用
摘要:针对气体传感器的温湿度效应,提出了两种基于人工智能的温湿度补偿方法,即模糊修正因子法和人工神经网络法,并阐述了其基本工作原理。实验结果表明,这两种方法软、硬件实现简单,补偿精度较高,因而具有一定的工程应用价值。

关键词:人工智能;温湿度补偿;模糊推理;神经网络中图分类号

半导体气体传感器具有结构简单、响应速度快、灵敏度高、使用方便、价格低廉等特点,在石油化工、环境监测、家用报警、航空航天等领域显示出良好的应用前景。其基本工作原理是:当接触被测气体时,元件的导电性能发生变化,从而引起电阻值相应改变。若气体的种类和元件的工作条件不变,则元件的电阻值与被测气体的浓度有对应关系。然而在实际应用中,传感器的响应通常受到环境温湿度的较大影响,因而很难从传感器的输出得到被测气体的精确浓度。气体传感器常用的温湿度补偿方法是在负载电路上并联或串联热、湿敏电阻。这种方法原理及电路简单,但是要求所选用的热、湿敏电阻的温、湿度系数与气体传感器的温、湿度系数相同或相反,而这在实际应用中是很难做到的,从而影响了气体的测量精度。本文提出了两种基于人工智能的温湿度补偿方法,即模糊修正因子法和人工神经网络法。

CO气体测量实验表明,这两种方法软、硬件实现简单,且具有较高的补偿精度,因而是可行的。温湿度补偿新方法 1.1 模糊修正因子法图1是利用模糊修正因子法进行温湿度补偿的气体测量系统原理图。图1中,气体传感器敏感被测气体经数学运算得到气体浓度的粗略信息C,C的大小对应的是气体传感器在标定条件下(如工作环境温度为20℃,相对湿度为50%RH)的输出。图中数学运算可以采用诸如插表、非线性拟合、模糊推理或神经网络等方法。温湿度传感器敏感气体传感器的实际工作环境, 经模糊推理得到修正系数α。http://www.lwfree.cn/α的大小反映了实际工作条件对气体传感器输出的影响。α=1,表示无影响,反之表示有影响。浓度粗略信息C与修正系数α 经乘积运算得到气体的实际浓度:C′=C·α。图1中,模糊推理系统的知识来源于实际经验和数据,其输入输出变量定义成若干模糊语言值,而推理规则采用“if…and…,then…”的形式,反映了人们在处理模糊或不精确信息时的推理机制,同时也具有较强的智能性。

人工神经网络法前馈神经网络可以通过学习已知样本而获得经 ·25·基于人工智能的温湿度补偿方法在气体测量中的应用图1 利用模糊修正因子法进行温湿度补偿的气体测量系统图2 利用人工神经网络进行温湿度补偿的气体测量系统验,从而对未知样本做出判别,显示了较强的数据处理和模式识别能力,可以应用到气体测量的温湿度补偿中。系统原理如图2所示。图2给出气体传感器敏感被测气体、温湿度传感器敏感气体传感器的工作环境。将气体传感器、温度传感器和湿度传感器的输出信号作为前馈神经网络的输入,并用足够数量的样本对网络进行训练,当网络的输出误差接近于0时,网络的连接权上便存储了由3个传感器的响应信号重建气体浓度的推理信息,可用于实际环境中气体浓度的判别。网络的训练样本应能覆盖整个被测空间,如浓度范围:100×10-6~ 950×10-6,温度范围:15~25℃,湿度范围:40%~ 60%RH。

基于人工智能的温湿度补偿方法在气体测量中的应用下载如图片无法显示或论文不完整,请联系qq752018766
设为首页 | 联系站长 | 友情链接 | 网站地图 |

copyright©lwfree.cn 六维论文网 严禁转载
如果本毕业论文网损害了您的利益或者侵犯了您的权利,请及时联系,我们一定会及时改正。