[發(fā)明專利]基于人工蜂群和神經(jīng)網(wǎng)絡(luò)的氣體標定分類方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201910175892.1
• 申請日: 2019-03-08
• 公開（公告）號: CN109946424A
• 公開（公告）日: 2019-06-28
• 發(fā)明（設(shè)計）人: 呂晶
• 申請（專利權(quán)）人: 杭州麥樂克科技股份有限公司
• 主分類號: G01N33/00
• 分類號: G01N33/00;G06N3/00;G06N3/04;G06N3/08
• 代理公司: 杭州裕陽聯(lián)合專利代理有限公司 33289
• 代理人: 姚宇吉

1.一種基于人工蜂群和神經(jīng)網(wǎng)絡(luò)的氣體標定分類方法，其特征在于包括以下步驟：

獲取若干個氣體監(jiān)測點的氣體監(jiān)測數(shù)據(jù)，獲取到的所述氣體監(jiān)測數(shù)據(jù)為多種類型氣體的數(shù)據(jù)，至少包括單原子氣體、雙原子氣體、三原子氣體和多分子氣體；

將氣體監(jiān)測數(shù)據(jù)根據(jù)時間段進行切分處理，得到每個時間段的氣體數(shù)據(jù)集；

判斷所述氣體數(shù)據(jù)集中的野值點并統(tǒng)計野值點的個數(shù)，將所有野值點轉(zhuǎn)換為正常數(shù)據(jù)值，去除氣體數(shù)據(jù)集中的空值點以及超范圍點，通過去除氣體數(shù)據(jù)集中的空值點以及超范圍點之后的數(shù)據(jù)集和正常數(shù)據(jù)值組成新氣體數(shù)據(jù)集，并將新氣體數(shù)據(jù)集分成訓練集和樣本集；

基于所述樣本集建立神經(jīng)網(wǎng)絡(luò)分類模型，采用人工蜂群算法對所述神經(jīng)網(wǎng)絡(luò)分類模型進行優(yōu)化，得到優(yōu)化后的神經(jīng)網(wǎng)絡(luò)分類模型，并采用訓練集對優(yōu)化后的神經(jīng)網(wǎng)絡(luò)分類模型進行驗證，判斷是否為誤差范圍內(nèi)的精準神經(jīng)網(wǎng)絡(luò)分類模型，將待測氣體監(jiān)測數(shù)據(jù)輸入至精準的神經(jīng)網(wǎng)絡(luò)分類模型中，得到氣體分類結(jié)果，根據(jù)分類結(jié)果對氣體進行標定。

2.根據(jù)權(quán)利要求1所述的基于人工蜂群和神經(jīng)網(wǎng)絡(luò)的氣體標定分類方法，其特征在于，所述獲取若干個氣體監(jiān)測點的氣體監(jiān)測數(shù)據(jù)是由相應(yīng)數(shù)量的氣體傳感器獲取到的。

3.根據(jù)權(quán)利要求1所述的基于人工蜂群和神經(jīng)網(wǎng)絡(luò)的氣體標定分類方法，其特征在于，所述判斷所述數(shù)據(jù)集中的野值點是采用卡爾曼濾波算法識別數(shù)據(jù)集中的野值點，具體步驟為：

假設(shè)后驗概率分布p(x_k-1|y_1:k-1)為高斯分布，則k時刻的系統(tǒng)狀態(tài)表示為x_k＝Ax_k-1+Bu_k-1+q_k-1，k時刻的測量值表示為y_k＝Hx_k+r_k，其中，u_k是k時刻對系統(tǒng)的控制量，u_k-1是k-1時刻對系統(tǒng)的控制量，A為系統(tǒng)k-1時刻的系統(tǒng)狀態(tài)的參數(shù)矩陣，B為系統(tǒng)k-1時刻的控制量的參數(shù)矩陣，H為系統(tǒng)k時刻的系統(tǒng)狀態(tài)的參數(shù)矩陣，q_k-1表示過程噪聲，r_k表示測量噪聲，用Q_k-1表示過程噪聲q_k-1與系統(tǒng)狀態(tài)x_k的協(xié)方差矩陣，R_k表示測量噪聲r_k與測量值y_k的協(xié)方差矩陣；

根據(jù)測量時刻對系統(tǒng)進行更新，通過上一時刻的系統(tǒng)狀態(tài)來更新當前時刻的系統(tǒng)狀態(tài)，當前時刻的系統(tǒng)狀態(tài)表示為：確定當前時刻的系統(tǒng)狀態(tài)，其中，表示當前時刻的系統(tǒng)狀態(tài)，A為系統(tǒng)k-1時刻的系統(tǒng)狀態(tài)的參數(shù)矩陣，B為系統(tǒng)k-1時刻的控制量的參數(shù)矩陣，u_k-1為k-1時刻對系統(tǒng)的控制量，為上一時刻的系統(tǒng)狀態(tài)；

通過所述上一時刻的系統(tǒng)狀態(tài)得到上一時刻的誤差協(xié)方差p_k-1和過程噪聲q_k的協(xié)方差矩陣Q，并根據(jù)上一時刻的誤差協(xié)方差p_k-1和過程噪聲q_k的協(xié)方差矩陣Q來預測新的誤差新的誤差表示為：其中，p_k-1表示誤差協(xié)方差，A表示系統(tǒng)參數(shù)矩陣，Q表示過程噪聲的協(xié)方差矩陣，T為數(shù)學符號，表示矩陣轉(zhuǎn)置；

通過新的誤差對當前時刻系統(tǒng)的卡爾曼增益K_k進行更新，卡爾曼增益表示為：其中，H為參數(shù)矩陣，表示新的誤差，R表示噪聲r_k的協(xié)方差矩陣，T為數(shù)學符號，表示矩陣轉(zhuǎn)置；

通過更新的卡爾曼增益K_k對當前時刻的系統(tǒng)狀態(tài)進行校正更新，當前時刻的系統(tǒng)狀態(tài)表示為：為經(jīng)過卡爾曼濾波后的當前時刻的系統(tǒng)狀態(tài)，其中，表示當前時刻的系統(tǒng)狀態(tài)，H表示參數(shù)矩陣，K_k表示卡爾曼增益，表示為上一時刻的系統(tǒng)狀態(tài)，表示為新息，當數(shù)據(jù)正常時，新息序列即為白噪聲序列，均值為0，新息方差為此時，D為新息均方差的r倍，對r進行設(shè)置，當新息方差超過判據(jù)D時，則當前點為野值點，統(tǒng)計野值點的數(shù)目，去除野值點填入正常的數(shù)據(jù)，形成新氣體數(shù)據(jù)集L；

還包括校正更新過程：當前時刻系統(tǒng)狀態(tài)的誤差表示為，此過程為校正更新過程，p_k即為經(jīng)過卡爾曼濾波的當前時刻系統(tǒng)狀態(tài)的誤差，在下一個過程中作為上一時刻的系統(tǒng)狀態(tài)的誤差使用。