基于多传感器信息融合的粉尘浓度检测方法研究

发布时间：2021-02-11 23:56

　　粉尘作为工业生产的伴生物,对工业、人类健康以及生存环境危害极大,它不仅降低了工业生产的效率,还大大增加了人们患尘肺的几率。因此,准确实时检测粉尘浓度变得尤为重要。本文采用理论和实验相结合的方法,对基于多传感器信息融合的粉尘浓度检测方法进行研究。针对光电式粉尘浓度传感器的光学窗口易受污染,需要经常进行标定,维护量大的不足,本文采用静电式传感器实现粉尘浓度检测。由于单一的传感器有自身的局限性,不能非常及时准确地得到粉尘浓度,且如果传感器发生故障,检测就会受到较大的影响。为了解决该问题,本文引入多传感器信息融合进行检测,并在前人的研究基础上,采用BP（Back-propagation）神经网络融合算法。针对传统BP神经网络的不足,本文采用附有动量项—自适应学习率的BP神经网络进行改进。并通过MATLAB仿真进行对比,得出改进的BP神经网络收敛速度快。又由于改进的BP神经网络的初始权值是随机化赋值,且多由专家经验获得,具有主观因素,因此,本文根据DS证据理论的信任函数和似然函数来获得精确化的初始权值,并建立DS-BP神经网络融合模型,这样加快了收敛速度,减小了误差,提高了融合精度。在粉尘浓度检... 

【文章来源】：山东科技大学山东省

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图２．２典型的３层ＢＰ神经网络结构??

分别计算出该假设的信任函数汝／（＜和似然函数组成不确定区间??，用以表示对某个假设的确认程度ｔ＇?ＤＳ证据理论对ｙ的不确??定性如图２．３所示。??不确定区间??Ｉ?！?１?１??０?Ｂｅｌ（Ａ）?Ｐ１（Ａ）??、＇?Ｙ?’?＇?、?１??支持证据区间?拒绝证据区间??Ｖ?Ｖ?）??拟信度区间??图２．３?ＤＳ证据理论的不确定性??Ｆｉｇ．?２．３?Ｕｎｃｅｒｔａｉｎｔｙ?ｏｆ?ＤＳ?ｅｖｉｄｅｎｃｅ?ｔｈｅｏｒｙ??定义４组合规则［７７］（两个信任函数的组合规则）??１８??

?理论基础??两个融合模型的融合效果。拟采用方案如图２．４所示．??传统ＢＰ神经??网络??自适应学习率??［増加动量项???ｆ???改进的ＢＰ神经｜??网络??？??ＤＳ证据理论｜???Ｊ???ＤＳ－ＢＰ神经??网络???Ｊ???粉尘浓度检测??图２．４拟采用方案??Ｆｉｇ．?２．４?Ｐｌａｎｓ?ｔｏ?ｂｅ?ａｄｏｐｔｅｄ??２．５本章小结??本章主要阐述了多传感器信息融合的原理和结构。简单介绍了信息融合中??的神经网络技术、ＢＰ神经网络以及ＤＳ证据理论的基本理论知识。还介绍了本??文拟采取的方案，为下一章的融合算法的建模奠定了理论基础。??２０??

【参考文献】：
期刊论文
[1]湿度修正的光散射法在现场粉尘监测中的应用[J]. 姜万录,雷亚飞,代皓东,杨超,张生.  仪器仪表学报. 2018(01)
[2]基于多传感器信息融合的车辆目标识别方法[J]. 孙宁,秦洪懋,张利,葛如海.  汽车工程. 2017(11)
[3]煤矿粉尘职业危害监测技术及其发展趋势[J]. 王杰,郑林江.  煤炭科学技术. 2017(11)
[4]基于多传感器信息融合的机器人障碍物检测[J]. 王中立,牛颖.  中国测试. 2017(08)
[5]多源信息融合在煤矿瓦斯监测中的应用[J]. 张保东.  煤矿安全. 2017(05)
[6]基于多传感器信息融合的轮履混合移动机器人路况识别方法[J]. 弓鹏伟,费燕琼,宋立博.  上海交通大学学报. 2017(04)
[7]互学习神经网络训练方法研究[J]. 刘威,刘尚,白润才,周璇,周定宁.  计算机学报. 2017(06)
[8]共轭梯度BP神经网络在模式分类问题中的应用[J]. 武世荣,高东旭,邓君君.  通讯世界. 2017(03)
[9]基于两级数据融合技术的煤矿粉尘监测研究[J]. 王毅然,刘邱祖,刘燕萍,赵波慧.  煤矿安全. 2016(11)
[10]多属性融合技术在三维地震资料解释中的应用[J]. 程彦.  中国煤炭地质. 2016(10)

硕士论文
[1]基于多传感器的粉尘浓度测试技术研究[D]. 李俊祥.西安工业大学 2016
[2]基于无线传感器网络的粉尘浓度检测系统研究[D]. 王娇.西安工业大学 2015
[3]多传感器数据融合技术及其在烟尘颗粒浓度测量系统中的应用研究[D]. 孙东阳.青岛科技大学 2014



本文编号：3029915