- 1、本文档共19页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
神经网络瓦斯传感器及其在系统中的应用
上海大学 2010~2011 学年冬季学期研究生课程
课程名称: 新型传感技术 课程编号: 091102908
论文题目: 神经网络瓦斯传感器及其在系统中的应用
研究生姓名: 刘金鼎 学 号:论文评语:
成 绩: 任课教师: 顾惠芬
评阅日期:
第 1 页第 1 页第 1 页
神经网络瓦斯传感器及其在系统中的应用
神经网络瓦斯传感器及其在系统中的应用
刘金鼎
(上海大学 机电工程与自动化学院,上海 200072)
摘要:瓦斯传感器的工作环境十分恶劣,传感器的输出不仅仅取决于目标参量——瓦斯,还与非目标参量(温度、
湿度)等有关。鉴于神经网络良好的非线性逼近能力,将神经网络引入瓦斯传感器,建立智能传感器系统可以一定程度上改善瓦斯传感器的非线性。本文采用多个传感器同时监测目标参量和其它非目标参量,其输出数据经 BP 神经网络和 RBF 神经网络融合处理,从而消除环境因素变化的影响,提高目标传感器的性能。实验仿真结果表明,该方法行之有效,为煤矿安全监测提供了一种新的思路。
关键词:瓦斯传感器;神经网络;非线性
Neural Network Gas Sensor and its Application in System
LIU Jin-ding
(School of Mechatronics Engineering Automation, Shanghai University, Shanghai 200072, China)
Abstract: The working environment of gas sensor is very poor, so the output of the sensor is not only decided by the target parameter, but also affected by other non-target parameters, such as temperature, humidity and so on. Because the nerve network has good non-linearity approaching ability, introducing nerve network into gas sensor and establishing the intelligent sensor system can improve the nonlinearity of gas sensor in the certain degree. The study applied the technology which the target parameter and the non-target Parameters are monitored by multi-sensors, then the data for the output is send to confusion through BP and RBF neural network technology, which can eliminate the effect of the variation for the environmental factors and improve the function of the sensor. Simulation results show that the effective method provides a new way of thinking for coal mine safety monitoring. Key words: gas sensor; artificial neural network; nonlinearity
前言
1.1 智能传感器的发展
当今时代是信息化的时代,各个领域常以信息的获取与利用为基础,而检测是获取信息的一般方法。为了提高生产过程检测的能力和效率,对检测过程本身提出了更高的技术要求,如高灵敏度、高精度、高分辨率、高响应性、高可靠性、高稳定性及高度自动化等等。这就需要检测过程具有一定的“智能”,即思维能力及推理并做出决策的能力,这就是智能检测技术发展的需求背景。
人们对智能传感器的认识随着科学技术的不断发展而逐步深化。通常认为带有微处理器兼有检测信息和信息处理功能的传感器就是智能传感器[1]。随着人工智能技术的发展, 人们更加注重其智能化功能, 认为“一个真正意义上的智能传感器必须具备学习、推理、感知、通信以及管理等功能[2]”。
1 给出了用于复合材料损伤检测的智能传感器结构[3]。在该智能传感器中,首先利用小波变换良好的时域局部性质对传感器的输出信号
文档评论(0)