[发明专利]基于热传导的液体识别方法、装置以及存储装置

权利要求书

1.一种基于热传导的液体识别方法，其特征在于，所述方法包括：

采集待测液体的第一热传导数据；

对所述第一热传导数据进行预处理获得第二热传导数据；

对所述第二热传导数据进行特征处理以获得所述第二热传导数据的主特征向量；

将所述主特征向量输入到预设神经网络中进行识别；

获取所述预设神经网络输出的识别结果，以得到所述待检测液体的类型。

2.根据权利要求1所述的识别方法，其特征在于，所述对所述第一热传导数据进行预处理获得第二热传导数据包括：

根据如下公式对所述第一热传导数据进行中心化处理以获得第三热传导数据；

其中，所述s(m)为第三热传导数据，所述S(m)为第一热传导数据，所述为S(m)中前j个数据点的均值，其中j<＝m，且j为正整数；

对所述第三热传导数据进行均值滤波获得滤波信号；

对所述滤波信号进行降采样处理获得所述第二热传导数据。

3.根据权利要求1所述的识别方法，其特征在于，所述对所述第二热传导数据进行特征处理以获得所述第二热传导数据的主特征向量包括：

对所述第二热传导数据进行主成分分析以提取所述第二热传导数据的主特征信息；

对所述主特征信息进行归一化处理获得所述主特征向量。

4.根据权利要求3所述的识别方法，其特征在于，所述对所述第二热传导数据进行主成分分析以提取所述第二热传导数据的主特征信息包括：

获取所述第二热传导数据的协方差矩阵与均值；

获取所述协方差矩阵的特征值与特征向量；

按照所述特征值的大小对所述特征值对应的所述特征向量进行排列，并取其前k个最大的特征值所对应的k维特征向量组成以获得特征矩阵；

根据如下公式求出所述k的值；

其中，所述D_i为降序排列后矩阵的第i个特征值，且k≤n；且k为正整数；

根据如下公式将第二热传导数据向特征矩阵进行投影得到所述主特征信息：

其中，所述F为所述主特征信息，所述x(n)为所述第二热传导数据，所述为所述均值，所述P为特征矩阵。

5.根据权利要求3所述的识别方法，其特征在于，所述对所述主特征信息进行归一化处理获得所述主特征向量包括：

根据如下公式对所述主特征信息进行归一化处理，已获得所述主特征向量：

其中，所述F为所述主特征信息，所述F_max为F的最大值，所述F_min为F的最小值，所述F*是主特征向量。

6.根据权利要求1所述的识别方法，其特征在于，所述预设神经网络是深度神经网络，所述预设神经网络是具有多种液体的热传导数据样本所提取的主特征向量在所述深度神经网络进行训练得到的数据库模型。

7.根据权利要求1所述的识别方法，其特征在于，所述采集待测液体的第一热传导数据包括：

对所述待测液体进行加热；

获取根据所述待测液体的温度变化而产生的热电势；

将所述热电势作为所述待测液体的第一热传导数据。

8.根据权利要求1所述的识别方法，其特征在于，所述识别结果包括两类或多类。

9.一种液体识别装置，其特征在于，所述液体识别装置包括处理器、存储器以及热电偶检测器，所述处理器连接所述存储器与所述热电偶检测器；

其中，所述热电偶检测器用于采集待测液体的第一热传导数据；

所述处理器用于对所述第一热传导数据进行预处理获得第二热传导数据；对所述第二热传导数据进行特征处理以获得所述第二热传导数据的主特征向量；将所述主特征向量输入到预设神经网络中进行识别；获取所述预设神经网络输出的识别结果，以得到所述待检测液体的类型。

10.一种存储装置，其特征在于，所述存储装置包括能实现权利要求1-9中任一项权利要求的程序文件。