基于深度学习的声弛豫气体探测方法研究

发布时间：2020-03-27 17:22

【摘要】：气体检测技术在工业与生活中都发挥着重要作用,声学气体检测方法相比于现有的光吸收谱、电化学等气体检测方法有价格、实时、耐久等优势,已成为新一代气体传感领域的研究热点。深度学习方法能弥补从声谱到气体成分理论推导上的不足,加速声学弛豫气体传感技术的实际用。本文首先分析基于声弛豫理论的气体声谱重建算法,通过仿真得到气体声吸收谱和声速谱,利用声谱分析声弛豫气体检测的正确性。参考现有相关理论和案例设计适用于声谱分类的一维卷积神经网络模型,并且选择合适的激活函数和优化方法。然后以声弛豫理论和深度学习方法为指导,在Django框架下构建声弛豫气体探测仿真实验系统,实现跨平台、交互式声谱仿真,用TensorFlow.js实现在浏览器端训练深度学习模型。最后在仿真实验系统上进行声学气体检测,并通过平均影响值分析提取可用于气体识别的声谱特征,以及讨论模型给出预测结果的合理性。结合气体特性将检测方法改进为多温度检测,进一步提高检测准确率。结论:本文在声弛豫气体探测仿真实验系统用一维卷积神经网络进行气体检测,CO_2、CH_4、H_2、N_2和Cl_2五种气体单温度定量检测中都能有80%以上的检测准确率,平均影响值分析的结果验证了卷积神经网络有提取声谱拐点特征的能力。实验发现使用温度变化后的声谱增量能提升检测准确率,并且在温度间隔10K以上时效果更明显。据此,改进方案为多温度检测后强弛豫气体的定量检测准确率都能达到90%以上,弱弛豫气体N_2的检测准确率也能达到87%。本文的研究成果为基于声弛豫参数“温度变化率”的定性气体探测方法奠定了仿真预研基础,提供了有别于传统模型推导的思路:利用机器学习方法寻找和验证可用于气体探测的声弛豫特征参数。同时,本文建立的声弛豫气体探测仿真实验系统提供了声弛豫气体探测的开放实验平台。
【图文】：

图 3.1 卷积层运算示意图根据图 3.1，卷积网络相比于其他传统模型的优势主要有[62]：1）稀疏交互：传统的网络层将输入与权值矩阵相乘，也就是说输出的任一节点都需要全部输入节点参与运算，当输入数据量较大时，会耗费相当多的资源。而卷积层的单个输出仅取决于卷积核大小的输入，卷积核长度通常远小于输入长度。这种层间局部映射结构不仅能提取特征，还能减少存储的数据量和提高运算速率。2）参数共享：传统网络中，权值矩阵中的每个元素在计算该层输出时仅使用一次。而卷积网络的卷积核在沿着输入滑动的过程中，每个权重都与所有输入进行过运算（不考虑边界）。也就是说，模型只需要学习一组权值。3）平移等变性：如果函数 和函数 满足 ( ) = ( ( ))则称这两个函数是等变的。假设处理时序信号I( )，时延 得到I′( ) = I( )，对I′进行卷积运算得到的结果与对I做卷积然后时延 的结果是一样的。

39图 4.2 Django 框架结构图orFlow.js的机器学习框架有 TensorFlow、MXNet、Caffe 等，这些框架都需要运行，不支持要求低运算时延的实时交互应用以及网络上的大量用解决这一问题，Google 在 2018 年发布了 TensorFlow.js。与 TensorFTensorFlow.js 结合 JavaScript 和高层 API（应用程序接口）可完全在训练以及运行模型。TensorFlow.js 以 WebGL（页面图形库）驱动，（图形处理器）加速。在模型可使用移动设备的传感器（如：陀螺据时，利用 TensorFlow.js 甚至可在移动设备上打开网页实现机器学习
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：X831;TP18;TP212.9

【相似文献】

相关期刊论文 前10条

1 潘承志;;部分离解的SF_6分子中的非线性弛豫[J];激光与红外;1987年04期

2 葛庭燧;固体内耗的概况和新近发展[J];物理;1988年01期

3 汪健,华士英,裘祖文,沈家(马总);用~(13)C NMR弛豫研究星形聚苯乙烯在溶液中的分子运动(Ⅱ)[J];高等学校化学学报;1988年05期

4 刘清亮,余华明,鲁非,朱清仁;弛豫速率法研究镨磺基水杨酸络合物在水溶液中的分子构象[J];中国稀土学报;1988年01期

5 俞槐根,宓菊华;部分弛豫核磁共振法(PRFT-NMR)在高分子研究中的一些应用[J];化学世界;1988年06期

6 邹南之;;组份调制结构超声电子弛豫吸收[J];中山大学学报(自然科学版);1989年04期

7 胡丽娜;张春芝;岳远征;边秀房;;研究玻璃转变本质的新起点——玻璃态的慢β弛豫[J];科学通报;2010年02期

8 王天琪;俞重远;刘玉敏;芦鹏飞;;有限元法分析不同形状量子点的应变能及弛豫度变化[J];物理学报;2009年08期

9 闻平;;玻璃形成体系中的β弛豫[J];物理学报;2017年17期

10 赵路阳;侯育冬;朱满康;王超;严辉;;退火处理对0.5PZN-0.5PZT陶瓷弛豫性的影响[J];压电与声光;2010年01期

相关会议论文 前10条

1 叶朝辉;许平;;多量子弛豫的直接测量[A];第五届全国波谱学学术会议论文摘要集[C];1988年

2 赵兴宇;樊小辉;黄以能;;玻璃化转变的分子串模型空间弛豫模式的计算机模拟[A];第十届全国固体内耗与力学谱及其应用学术会议摘要集[C];2012年

3 杜广庆;陈烽;杨青;司金海;侯洵;;飞秒激光激发固体薄膜超快热弛豫特性研究[A];2011西部光子学学术会议论文摘要集[C];2011年

4 黄以能;;普适弛豫的一种新模型[A];内耗与超声衰减——第五届全国固体内耗与超声衰减学术会议论文集[C];1997年

5 林承锋;麦宗敬;张朝钦;于淑君;黄圣言;;核磁共振弛豫研究:使用甲醇检测亚锰(Ⅱ)金属离子化合物[A];第十七届全国波谱学学术会议论文摘要集[C];2012年

6 段子青;许桂生;王晓锋;杨丹凤;;高居里温度弛豫基铁电单晶的研究进展[A];第五届中国功能材料及其应用学术会议论文集Ⅲ[C];2004年

7 王娜;吴学邦;刘长松;;PMMA/PVDF高分子共混物链段弛豫行为的力学谱研究[A];第十二届全国固体内耗与力学谱及其应用学术会议论文集[C];2018年

8 吴学邦;王华光;刘长松;朱震刚;;非晶聚合物Sub-Rouse弛豫模式的力学谱研究[A];第十届全国固体内耗与力学谱及其应用学术会议摘要集[C];2012年

9 袁立曦;葛庭燧;;晶粒间界弛豫的温度谱和频率谱的对比研究[A];内耗与超声衰减——第四次全国固体内耗与超声衰减学术会议论文集[C];1994年

10 陈建伟;赵静;李悦;张浩;罗豪u&;;基于弛豫铁电单晶的热释电红外探测器研究[A];2017年光学技术研讨会暨交叉学科论坛论文集[C];2017年

相关重要报纸文章 前1条

1 本报记者 张梅;西安交大取得弛豫铁电理论及技术研究多项突破[N];陕西日报;2016年

相关博士学位论文 前10条

1 张平丽;若干薄膜材料的光诱导超快电子动力学研究[D];吉林大学;2019年

2 吴隆文;铁电/弛豫铁电储能陶瓷的制备、性能及机理研究[D];清华大学;2017年

3 罗鹏;金属玻璃态弛豫动力学研究[D];中国科学院大学(中国科学院物理研究所);2018年

4 金波;SOI基锗硅弛豫研究及绝缘体上应变硅材料制备[D];中国科学院研究生院（上海微系统与信息技术研究所）;2005年

5 朱明;混合气体浓度检测的弛豫声学方法研究[D];华中科技大学;2008年

6 董超;等离子体中温度弛豫的理论研究[D];中国科学技术大学;2014年

7 薛荣洁;高压对金属玻璃性能的影响和金属玻璃β弛豫行为研究[D];中国科学院大学(中国科学院物理研究所);2017年

8 谢琳;典型钡基铁电及弛豫铁电体电子显微学及第一性原理研究[D];清华大学;2012年

9 杜峗;复杂孔隙介质中的热弛豫模型及地震岩石物理学研究[D];中国科学技术大学;2012年

10 高燕琴;复杂玻璃形成氢键液体中超慢弛豫动力学的研究[D];燕山大学;2015年

相关硕士学位论文 前10条

1 王雪;基于深度学习的声弛豫气体探测方法研究[D];华中科技大学;2019年

2 杨晶晶;基于声弛豫强度的定性气体探测方法研究[D];华中科技大学;2019年

3 赵清;基于声弛豫方法的混合气体浓度检测[D];华北电力大学(北京);2019年

4 张雪;全光学原子磁力仪无自旋交换弛豫机制影响因子仿真与优化[D];吉林大学;2019年

5 李彩云;基于声速谱的气体成分传感理论研究[D];华中科技大学;2018年

6 孙启静;不同弛豫特征与金属玻璃性质的相关性研究[D];山东大学;2016年

7 王梦;刚性分子混合体系中二级弛豫动力学研究[D];燕山大学;2016年

8 李向前;刚性分子玻璃形成体中二级弛豫的动力学研究[D];燕山大学;2015年

9 王亚茹;BiMO_3(M=Y,Fe,Al)掺杂BaTiO_3陶瓷弛豫行为的研究[D];陕西科技大学;2017年

10 张敏妍;晶体表面重构和弛豫的理论分析[D];陕西师范大学;2009年

，

本文编号：2603191