[发明专利]混合气体识别方法、装置、计算机设备和存储介质

权利要求书

1.一种混合气体识别方法，其特征在于，包括：

获取传感器阵列中各传感器对混合气体的响应信号强度，所述传感器阵列由多种传感器构成，且每种传感器至少设置一个；

根据所述各传感器对混合气体的响应信号强度确定混合气体的初始向量；

基于核主成分分析算法，从所述混合气体的初始向量中提取混合气体的特征向量；

根据预先基于最近邻算法训练生成的混合气体种类识别模型以及所述混合气体的特征向量，确定所述混合气体中各气体的种类。

2.根据权利要求1所述的混合气体识别方法，其特征在于，还包括：

根据预先基于多变量相关向量机算法训练生成的混合气体浓度识别模型以及所述混合气体的特征向量，直接确定所述混合气体中各种类气体的浓度。

3.根据权利要求1所述的混合气体识别方法，其特征在于，所述基于核主成分分析算法，从所述混合气体的初始向量中提取混合气体的特征向量的步骤具体包括：

基于预设的核函数对所述混合气体的初始向量进行映射处理，生成混合气体的高维线性可分向量；

对混合气体的高维线性可分向量进行中心化处理；

计算中心化处理后的混合气体的高维线性可分向量的协方差矩阵；

计算所述混合气体的高维线性可分向量的协方差矩阵的特征值以及与各特征值对应的特征向量；

计算各特征值的核主成分贡献率；

将各特征值的核主成分贡献率从大至小依次进行累加，直至累加的核主成分贡献率的和大于预设的阈值；

确定与参与累加的各核主成分贡献率所对应的多个特征值；

标准化处理与所述多个特征值对应的多个特征向量，并生成特征向量矩阵；

根据所述特征向量矩阵对所述混合气体的高维线性可分向量进行降维处理，生成混合气体的低维线性可分向量，所述混合气体的低维线性可分向量即为混合气体的特征向量。

4.根据权利要求1所述的混合气体识别方法，其特征在于，所述根据预先基于最近邻算法训练生成的混合气体种类识别模型以及所述混合气体的特征向量，确定所述混合气体中各气体的种类的步骤具体包括：

计算所述混合气体的特征向量与所述混合气体种类识别模型中多个气体种类已知的混合气体样本的特征向量的欧氏距离；

根据所述混合气体的特征向量与各个混合气体样本的特征向量的欧氏距离确定混合气体与各个混合气体样本的相似度；

根据所述相似度确定与所述混合气体最相似的至少一个混合气体样本；

根据所述至少一个混合气体样本的气体种类确定所述混合气体中各气体的种类。

5.根据权利要求2所述的混合气体识别方法，其特征在于，生成所述根据预先基于多变量相关向量机算法训练生成的混合气体浓度识别模型的步骤具体包括：

获取多个已知气体浓度的混合气体训练样本；

获取传感器阵列对各混合气体训练样本的响应信号强度；

根据各混合气体训练样本的响应信号强度确定各混合气体训练样本的特征向量；

基于多变量相关向量机算法建立含有可变参数的初始化的混合气体浓度识别模型；

根据所述特征向量以及所述混合气体浓度识别模型确定各混合气体训练样本的响应气体浓度；

判断各混合气体训练样本的响应气体浓度与真实气体浓度的差值是否满足预设的条件；

当判断各混合气体训练样本的响应气体浓度与真实气体浓度的差值不满足预设的条件，调整所述混合气体浓度识别模型中的可变参数，并返回至所述根据所述特征向量以及所述混合气体浓度识别模型确定各混合气体训练样本的响应气体浓度的步骤；

当判断各混合气体训练样本的响应气体浓度与真实气体浓度的差值满足预设的条件时，将当前的混合气体浓度识别模型确定为预先基于多变量相关向量机算法训练生成的混合气体浓度识别模型。