[發明專利]一種混合氣體種類與濃度識別方法、裝置及存儲介質

有效

• 申請號: 202011307743.5
• 申請日: 2020-11-19
• 公開（公告）號: CN112464999B
• 公開（公告）日: 2021-10-19
• 發明（設計）人: 潘曉芳;張哲;張海恩;溫志煌;葉文彬
• 申請（專利權）人: 深圳大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G01N33/00
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 李靜玉

1.一種混合氣體種類與濃度識別方法，其特征在于，包括：

獲取包含氣體信息的待識別氣體數據；

基于編碼神經網絡，將待識別氣體數據進行處理，提取待識別氣體數據中的歷史特征和當前特征進行編碼，得到編碼后的數據；

基于解碼神經網絡，將所述編碼后的數據經過轉錄層進行整合，輸出混合氣體的類別信息和相應的濃度信息；

所述編碼神經網絡包括循環神經網絡和注意力網絡；

基于編碼神經網絡，將待識別氣體數據進行處理，提取待識別氣體數據中的歷史特征和當前特征進行編碼，得到編碼后的數據，包括：

根據所述循環神經網絡將待識別氣體數據進行處理，得到每個時間步的背景向量；

將所有時間步的背景向量通過所述注意力網絡進行加權平均，得到總體背景向量；

將所述總體背景向量和最后一個時間步的背景向量進行連結，得到編碼后的數據。

2.根據權利要求1所述的混合氣體種類與濃度識別方法，其特征在于，根據所述循環神經網絡將待識別氣體數據進行處理，得到每個時間步的背景向量，包括：

根據門控循環單元的復位門將待識別氣體數據中前一時間步的隱藏狀態信息寫入到當前時間步的候選隱藏狀態；

根據門控循環單元的更新門將當前時間步的候選隱藏狀態和前一時間步的隱藏狀態進行整合，得到每個時間步的背景向量。

3.根據權利要求1所述的混合氣體種類與濃度識別方法，其特征在于，所述解碼神經網絡包括：兩層全連接層以及輸出函數，

基于解碼神經網絡，將所述編碼后的數據經過轉錄層進行整合，輸出混合氣體的類別信息和相應的濃度信息，包括：

將所述編碼后的數據經過兩層全連接層進行整合，通過輸出函數輸出混合氣體的類別信息和相應的濃度信息。

4.根據權利要求3所述的混合氣體種類與濃度識別方法，其特征在于，所述解碼神經網絡還包括：濃度匹配單元，

基于解碼神經網絡，將所述編碼后的數據經過轉錄層進行整合，輸出混合氣體的類別信息和相應的濃度信息，還包括：

將所述類別信息和相應的濃度信息進行匹配，得到預測氣體濃度范圍內的預測濃度值。

5.一種混合氣體種類與濃度識別裝置，其特征在于，包括：

數據獲取模塊，用于獲取包含氣體信息的待識別氣體數據；

編碼模塊，用于基于編碼神經網絡，將待識別氣體數據進行處理，提取待識別氣體數據中的歷史特征和當前特征進行編碼，得到編碼后的數據；

解碼模塊，用于基于解碼神經網絡，將所述編碼后的數據經過轉錄層進行整合，輸出混合氣體的類別信息和相應的濃度信息；

所述編碼神經網絡包括循環神經網絡和注意力網絡；

基于編碼神經網絡，將待識別氣體數據進行處理，提取待識別氣體數據中的歷史特征和當前特征進行編碼，得到編碼后的數據，包括：

根據所述循環神經網絡將待識別氣體數據進行處理，得到每個時間步的背景向量；

將所有時間步的背景向量通過所述注意力網絡進行加權平均，得到總體背景向量；

將所述總體背景向量和最后一個時間步的背景向量進行連結，得到編碼后的數據。

6.一種混合氣體種類與濃度識別系統，其特征在于，包括：編碼器和解碼器，

所述編碼器用于獲取包含氣體信息的待識別氣體數據，并基于編碼神經網絡，將待識別氣體數據進行處理，提取待識別氣體數據中的歷史特征和當前特征進行編碼，得到編碼后的數據；

所述解碼器用于基于解碼神經網絡，將所述編碼后的數據經過轉錄層進行整合，輸出混合氣體的類別信息和相應的濃度信息；

所述編碼神經網絡包括循環神經網絡和注意力網絡；

基于編碼神經網絡，將待識別氣體數據進行處理，提取待識別氣體數據中的歷史特征和當前特征進行編碼，得到編碼后的數據，包括：

根據所述循環神經網絡將待識別氣體數據進行處理，得到每個時間步的背景向量；

將所有時間步的背景向量通過所述注意力網絡進行加權平均，得到總體背景向量；

將所述總體背景向量和最后一個時間步的背景向量進行連結，得到編碼后的數據。