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

ID:21957971

大小:2.20 MB

页数:17页

时间:2018-10-25

神经网络瓦斯传感器及其在系统中的应用_第1页
神经网络瓦斯传感器及其在系统中的应用_第2页
神经网络瓦斯传感器及其在系统中的应用_第3页
神经网络瓦斯传感器及其在系统中的应用_第4页
神经网络瓦斯传感器及其在系统中的应用_第5页
资源描述:

《神经网络瓦斯传感器及其在系统中的应用》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、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:11721228论文评语:成绩:任课教师:顾惠芬评阅日期: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

2、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NeuralNetworkGasSensoranditsApplicationinSystemLIUJin-ding(SchoolofMechatronicsEngineering&Automation,ShanghaiUniversity,Shanghai200072,China)Abstract:Theworkingenvironment

3、ofgassensorisverypoor,sotheoutputofthesensorisnotonlydecidedbythetargetparameter,butalsoaffectedbyothernon-targetparameters,suchastemperature,humidityandsoon.Becausethenervenetworkhasgoodnon-linearityapproachingability,introducingnervenetworkintogassensorandestablishingtheintelligentsen

4、sorsystemcanimprovethenonlinearityofgassensorinthecertaindegree.Thestudyappliedthetechnologywhichthetargetparameterandthenon-targetParametersaremonitoredbymulti-sensors,thenthedatafortheoutputissendtoconfusionthroughBPandRBFneuralnetworktechnology,whichcaneliminatetheeffectofthevariatio

5、nfortheenvironmentalfactorsandimprovethefunctionofthesensor.Simulationresultsshowthattheeffectivemethodprovidesanewwayofthinkingforcoalminesafetymonitoring.Keywords:gassensor;artificialneuralnetwork;nonlinearity1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

6、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]”。图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

7、的时域局部性质对传感器的输出信号进行加工处理,达到去除噪声、提高信噪比的效果,同时提取信号的时频域特征值送入kohonen人工神经网络进行识别,从而能高精度的识别出复合材料的损伤位置。16传感器信号预处理小波变换特征提取神经网络模式识别识别分析图1基于小波神经网络复合材料损伤检测的智能传感器示意图传感器是获取信息的工具,它处于自动检测与控制系统之首,是感知、获取与检测信息的窗口,并且处于研究对象与测控系统的接口位置,一切科学研究和生产过程要获取的信息,都要通过它转换为易传输和易处理的电信号,而且随着信息科技的发展,传感器在汽车制造、工业仪器仪表、农林

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。