煤矿瓦斯传感器人工调校噪声数据处理方法

发布时间：2021-01-20 22:02

　　传统噪声数据处理方法对输入数据有一定的要求,且运行时间较长。而煤矿瓦斯传感器人工调校噪声数据存在数量少、质量差、时间不一致、易受环境影响等问题,采用传统噪声处理方法难以滤除该噪声数据。针对上述问题,提出了一种煤矿瓦斯传感器人工调校噪声数据处理方法。采用数据平均值填充煤矿瓦斯传感器浓度数据缺失值;采用多时间粒度构建煤矿瓦斯传感器浓度数据的特征集和样本集;采用高斯函数、混合高斯函数、二项式函数、三项式函数、分段二项式函数5种曲线拟合函数拟合人工调校噪声数据,并基于最小二乘法确定拟合函数参数,根据拟合效果得到最优的拟合函数;通过分析人工调校噪声数据得出该噪声数据与瓦斯浓度上升的斜率、峰值、调校前后浓度差等基本特征有关,根据这些基本特征识别出人工调校噪声数据并删除。实验结果验证了该方法的有效性。 

【文章来源】：工矿自动化. 2020,46(07)北大核心

【文章页数】：6 页

【部分图文】：

传感器调校数据

传感器人工调校噪声数据识别框架

高斯函数拟合效果

【参考文献】：
期刊论文
[1]煤矿安全风险防控及预警系统设计[J]. 徐晓建.  工矿自动化. 2020(03)
[2]数据–知识融合的机器学习（2）：泛化风险[J]. 尚宇炜,郭剑波,吴文传,苏剑,刘伟,庄晟阳,周莉梅.  中国电机工程学报. 2019(16)
[3]矿工不安全行为影响因素本体构建与推理研究[J]. 张瑜,冯仕民,杨赛烽,刘忠育,丁恩杰.  煤矿安全. 2019(05)
[4]基于最小二乘法的拟合曲线CCD相机畸变校正[J]. 陈永明,冯盛淼,戴颖超.  机电技术. 2018(03)
[5]巷道高浓度瓦斯运移扩散规律的研究[J]. 赵芳,程国强,孙业强,尚永会.  煤炭技术. 2016(01)
[6]总体最小二乘求解线性回归模型的迭代算法[J]. 汪奇生,杨德宏,杨根新.  工程勘察. 2014(09)
[7]均方误差短时反馈算法的残余频偏纠正及阈值选取的研究[J]. 孙文胜,张冬,张公礼.  电子器件. 2009(04)
[8]基于支持向量机的椒盐噪声去除方法[J]. 杨朝辉,陈映鹰.  计算机工程与应用. 2009(22)
[9]基于主分量分析的高光谱遥感数据噪声消除方法[J]. 常威威,郭雷,刘坤,付朝阳.  计算机测量与控制. 2009(06)
[10]基于阈值分解的多级中值滤波[J]. 秦鹏,丁润涛.  微型机与应用. 2003(12)



本文编号：2989867