[發(fā)明專利]瓦斯檢測裝置的控制方法及控制系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201810261277.8
• 申請日: 2018-03-28
• 公開（公告）號: CN108535208A
• 公開（公告）日: 2018-09-14
• 發(fā)明（設(shè)計(jì)）人: 唐西西;李輝;黃力
• 申請（專利權(quán)）人: 廣西科技大學(xué)
• 主分類號: G01N21/3504
• 分類號: G01N21/3504;G05B13/02;G05B13/04;G06N3/00
• 代理公司: 北京方圓嘉禾知識產(chǎn)權(quán)代理有限公司 11385
• 代理人: 聶鵬

1.一種瓦斯檢測裝置的控制方法，其特征在于，包括以下步驟：

S100，獲取瓦斯檢測信號；

S200，對所述瓦斯檢測信號進(jìn)行小種群優(yōu)化的粒子群神經(jīng)網(wǎng)絡(luò)算法動態(tài)補(bǔ)償，輸出瓦斯檢測濃度。

2.根據(jù)權(quán)利要求1所述的控制方法，其特征在于，在所述小種群優(yōu)化的粒子群神經(jīng)網(wǎng)絡(luò)算法中引入帳篷映射神經(jīng)網(wǎng)絡(luò)算法，產(chǎn)生混沌變量。

3.根據(jù)權(quán)利要求2所述的控制方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)算法的模型包括第一層、第二層、第三層以及第四層；

所述第一層為輸入層，所述輸入層對應(yīng)的輸入信號包括所述瓦斯檢測信號的電信號、外界環(huán)境溫濕度信號、非瓦斯氣體及粉塵干擾因素信號以及電磁干擾信號；

所述第二層用于描述所述輸入層的隸屬度函數(shù)以及中心參數(shù)；

所述第三層用于對應(yīng)所述神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)；

所述第四層用于對應(yīng)輸出的瓦斯?jié)舛取?/p>

4.根據(jù)權(quán)利要求3所述的控制方法，其特征在于，所述基于粒子群神經(jīng)網(wǎng)絡(luò)算法對所述瓦斯檢測信號進(jìn)行動態(tài)補(bǔ)償步驟，包括以下子步驟：

S210，粒子種群初始化，包括種群粒子總數(shù)N，解空間維數(shù)D，所述粒子群神經(jīng)網(wǎng)絡(luò)的初始值為D維混沌變量，將最初的位置、速度、慣性權(quán)重賦予每個(gè)粒子；

S220，根據(jù)粒子群神經(jīng)網(wǎng)絡(luò)算法的速度更新公式和位置更新公式進(jìn)行前E次迭代，根據(jù)適應(yīng)度值選擇位置最優(yōu)的前F個(gè)粒子將其作為劃分小種群的圓心并初始化F個(gè)小種群的半徑，根據(jù)混沌變異公式得到第E次迭代之后的混沌變量，E、F為正整數(shù)；

其中，混沌變異公式為：

Z'_k＝βZ_k+(1-β)Ω^*；

式中，Ω^*為D維空間中最優(yōu)解混沌向量，取值在0到1之間，X＝(x₁,x₂,...,x_D)為混沌向量，是在混沌擾動后的向量；β為影響因子，影響的是混沌變異對粒子的變異程度；

S230，使用小種群策略迭代算法，根據(jù)評價(jià)函數(shù)公式評價(jià)每個(gè)小種群粒子的局部最優(yōu)值和全局最優(yōu)值，比較位置的個(gè)體最優(yōu)值和全局最優(yōu)值，若個(gè)體最優(yōu)值優(yōu)于全局最優(yōu)值則用個(gè)體最優(yōu)值取代全局最優(yōu)值；否則用全局最優(yōu)值取代個(gè)體最優(yōu)值；

S240，混沌變異全局最優(yōu)值形成混沌變量，混沌變量的取值范圍在0到1之間；計(jì)算每個(gè)粒子的目標(biāo)值，判斷所述目標(biāo)值是否達(dá)到理想的尋優(yōu)效果且迭代次數(shù)大于等于預(yù)設(shè)最大迭代次數(shù)的一半；若否，則返回步驟S220，若是，則執(zhí)行步驟S250；

S250，進(jìn)行預(yù)設(shè)的H次迭代之后，判斷全局最優(yōu)適應(yīng)度以及小種群平局適應(yīng)度是否小于預(yù)設(shè)的正數(shù)G；若是，則算法終止，輸出瓦斯檢測濃度；若否，則返回步驟S220繼續(xù)進(jìn)行迭代優(yōu)化。

5.根據(jù)權(quán)利要求4所述的控制方法，其特征在于，所述速度更新公式為：

所述位置更新公式為：

式中，i代表第i個(gè)粒子；d表示第d維空間；v代表單個(gè)粒子的速度；p為粒子的位置；k為第k次迭代；引入變量x作為限制第d維空間的邊界變量，x_min代表最小邊界，x_max代表最大邊界；w為慣性權(quán)重；c₁、c₂為正加速系數(shù)；r₁、r₂為0到1之間的隨機(jī)數(shù)。

6.根據(jù)權(quán)利要求5所述的控制方法，其特征在于，所述慣性權(quán)重公式為：

式中，w^k為第k次迭代的慣性權(quán)重；k_max為最終迭代次數(shù)。

7.根據(jù)權(quán)利要求4所述的控制方法，其特征在于，所述評價(jià)函數(shù)為：

式中，f_i為原先為引入小種群概念時(shí)的適應(yīng)度，S_i為單個(gè)粒子與其余粒子之間信息素的總和。