[发明专利]基于AGNES优化BP神经网络的红外气体传感器及气压补偿方法在审

专利信息
申请号: 201811561955.9 申请日: 2018-12-20
公开(公告)号: CN109696412A 公开(公告)日: 2019-04-30
发明(设计)人: 常建华;沈婉;赵勇毅;赵正杰 申请(专利权)人: 南京信息工程大学
主分类号: G01N21/3504 分类号: G01N21/3504
代理公司: 南京钟山专利代理有限公司 32252 代理人: 戴朝荣
地址: 210044 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 气压补偿 微处理器系统 红外气体传感器 气体传感器 气压传感器 发送 红外光 测量 优化 热释电探测器 归一化处理 红外传感器 小型化设计 参比电压 测量电压 充分接触 反射气室 环境气压 检测设备 制造成本 传感器 减小 气压 配置 维护
【权利要求书】:

1.一种基于AGNES优化BP神经网络的红外气体传感器,其特征在于,所述红外气体传感器包括红外传感器、气压传感器和微处理器系统;

所述红外传感器、气压传感器分别与微处理器系统电连接;

所述红外传感器包括采样气室、以及安装在采样气室内的红外光源、热释电探测器;

所述红外传感器采用具有单光束多波长结构的红外光源,其发出的光束至少包括两种不同的波长,这两种波长分别被定义成测量波长和参比波长;

所述红外光源发出的光束在采样气室内经多次反射后被热释电探测器接收,热释电探测器响应于接收到红外光源发出的光束,将其中属于测量波长的分量光转换成测量电压U0、属于参比波长的分量光转换成参比电压U1,再将转换生成的测量电压U0和参比电压U1发送至微处理器系统;

所述气压传感器安装在采样气室内,被设置成实时探测采样气室内气压值,并将探测的气压值转换成一气压电压U2发送至微处理器系统;

所述微处理器系统内设置有一气压补偿模块,气压补偿模块内配置有一基于AGNES-BP神经网络模型;

所述微处理器系统接收热释电探测器发送的测量电压U0和参比电压U1、以及气压传感器发送的气压电压U2,归一化处理后,发送至气压补偿模块进行气压补偿计算,以获取经气压补偿后的气体浓度。

2.根据权利要求1所述的基于AGNES优化BP神经网络的红外气体传感器,其特征在于,所述红外气体传感器还具有一无线传输模块和一显示终端;

所述无线传输模块电连接微处理器系统和显示终端,用以建立微处理器系统和显示终端之间的数据链路。

3.根据权利要求1所述的基于AGNES优化BP神经网络的红外气体传感器,其特征在于,所述采样气室沿纵长方向设置有第一端部和第二端部,第一端部和第二端部均为封闭端,采样气室顶部设置有一进气口;

所述采样气室包括红外光源、第一反光镜、第二反光镜、热释电探测器、旋风式抽气泵;

所述第一反光镜、第二反光镜为凹面镜,分别固定在第一端部、第二端部,两者镜面相对;

所述红外光源和热释电探测器均固定安装在采样气室的第一端部、并且朝向第二端部设置,红外光源发出的光束经第一反光镜和第二反光镜交替、并且至少两次反射后被热释电探测器接收;

所述红外光源和热释电探测器均与微处理器系统电连接;

所述旋风式抽气泵固定安装在进气口上,与微处理器系统电连接。

4.根据权利要求1所述的基于AGNES优化BP神经网络的红外气体传感器,其特征在于,所述采样气室的进气口内侧设置有防水透气膜。

5.根据权利要求1所述的基于AGNES优化BP神经网络的红外气体传感器,其特征在于,所述第一反光镜和第二反光镜的两端与采样气室连接处的外侧均设置有防水透气膜。

6.一种基于AGNES优化BP神经网络的红外气体传感器气压补偿方法,其特征在于,所述气压补偿方法包括:

S1:创建以测量电压、参比电压、气压电压为参数的基于AGNES-BP神经网络模型;

S2:接收热释电探测器发送的测量电压U0和参比电压U1、以及气压传感器发送的气压电压U2,进行归一化处理;

S3:将归一化处理后的数据发送至已创建的基于AGNES-BP神经网络模型的输入层,基于AGNES-BP神经网络模型对其进行气压补偿计算后,由基于AGNES-BP神经网络模型的输出层输出计算结果,将输出的计算结果作为经气压补偿后的气体浓度。

7.根据权利要求6所述的基于AGNES优化BP神经网络的红外气体传感器气压补偿方法,其特征在于,所述方法还包括:

将计算得出的经气压补偿后的气体浓度经无线网络发送至显示终端以显示。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京信息工程大学,未经南京信息工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811561955.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top