[发明专利]基于石墨烯复合材料传感器阵列的SF6

权利要求书

1.一种基于石墨烯复合材料传感器阵列的SF₆分解物检测方法，包括：

步骤S100：加工制备传感器阵列；

步骤S200：将制备所得传感器阵列布置在密闭气室中进行信号采集，并加电初始化；

步骤S300：对传感器阵列进行气敏测试并将测试结果作为样本进行存储；

步骤S400：构建气体识别网络模型并对气氛进行识别；

其中，步骤S400包括：

步骤S401：采集传感器阵列在不同气氛环境下的特征参量；

步骤S402：建立基于误差逆传播算法的气体识别网络模型并进行训练；

(a)特征参量的归一化处理：

i.提取每个样本的输入特征参量：

式中，为第k个样本的传感器阵列第i个输出结果，d表示输入特征参量的维度；

ii.根据样本类型建立输出特征参量：

式中，表示第k个样本第j个气氛，m表示输出特征参量的维度，取0或1，且1为是，0为非，依据输出特征参量对各个样本类型进行区分；

获得训练集D：

式中，l表示样本总数；

iii.输入、输出特征参量进行归一化处理：

式中，为归一化前的特征参量，为归一化后特征参量，为第k个样本中的特征参量最小值，为第k个样本中的特征参量最大值，为归一化前的输出参量，为归一化后输出参量；

得到归一化后训练集D：

(b)建立基于误差逆传播算法的气体识别网络模型，具体训练过程如下：

i.定义学习率η∈(0，1)，随机初始化神经网络中所有连接权和阈值；

ii.计算神经网络输出

式中，α_h为隐层第h 个神经元的输入，b_h为隐层第h个神经元的输出，β_j为第j个输出神经元的输入，γ_h为隐层第h个神经元的阈值，θ_j为输出层第j个神经元的阈值，u_ih为 输入层第i个神经元与隐层第h个神经元之间的 连接权，ω_hj为隐层第h个神经元与输出层第j个神经元之间的连接权，d表示输入层神经元数量，q为隐层神经元数量；

iii.计算输出层神经元的梯度项g_j：

计算隐层神经元的梯度项e_h：

式中，m表示输出层神经元数量；

iv.结合所计算的输出层、隐层神经元梯度项，训练神经网络；

输出层、隐层神经元的连接权更新：

ω′_hj＝ω_hj+Δω_hj＝ω_hj+ηg_jb_h

输出层、隐层神经元的阈值更新：

θ′_j＝θ_j+Δθ_j＝θ_j-ηg_j

γ′_h＝γ_h+Δγ_h＝γ_h-ηe_h

v.计算训练集D中的累积误差：

步骤S403：利用训练完成的气体识别网络模型对实际气氛环境进行识别；

(a)根据不同的样本类型，利用该传感器阵列采集多组样本，构建测试集T：

式中，n表示测试集样本数量；

(b)利用训练得到的气体识别网络模型对测试集样本进行分类，检验该模型的可靠性。