傳統(tǒng)噪聲數(shù)據(jù)處理方法對輸入數(shù)據(jù)有一定的要求,且運行時間較長。而煤礦瓦斯傳感器人工調校噪聲數(shù)據(jù)存在數(shù)量少、質量差、時間不一致、易受環(huán)境影響等問題,采用傳統(tǒng)噪聲處理方法難以濾除該噪聲數(shù)據(jù)。針對上述問題,提出了一種煤礦瓦斯傳感器人工調校噪聲數(shù)據(jù)處理方法。采用數(shù)據(jù)平均值填充煤礦瓦斯傳感器濃度數(shù)據(jù)缺失值;采用多時間粒度構建煤礦瓦斯傳感器濃度數(shù)據(jù)的特征集和樣本集;采用高斯函數(shù)、混合高斯函數(shù)、二項式函數(shù)、三項式函數(shù)、分段二項式函數(shù)5種曲線擬合函數(shù)擬合人工調校噪聲數(shù)據(jù),并基于最小二乘法確定擬合函數(shù)參數(shù),根據(jù)擬合效果得到最優(yōu)的擬合函數(shù);通過分析人工調校噪聲數(shù)據(jù)得出該噪聲數(shù)據(jù)與瓦斯?jié)舛壬仙男甭�、峰值、調校前后濃度差等基本特征有關,根據(jù)這些基本特征識別出人工調校噪聲數(shù)據(jù)并刪除。實驗結果驗證了該方法的有效性。 

【文章來源】：工礦自動化. 2020,46(07)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

傳感器調校數(shù)據(jù)

傳感器人工調校噪聲數(shù)據(jù)識別框架

高斯函數(shù)擬合效果

【參考文獻】：
期刊論文
[1]煤礦安全風險防控及預警系統(tǒng)設計[J]. 徐曉建.  工礦自動化. 2020(03)
[2]數(shù)據(jù)–知識融合的機器學習（2）：泛化風險[J]. 尚宇煒,郭劍波,吳文傳,蘇劍,劉偉,莊晟陽,周莉梅.  中國電機工程學報. 2019(16)
[3]礦工不安全行為影響因素本體構建與推理研究[J]. 張瑜,馮仕民,楊賽烽,劉忠育,丁恩杰.  煤礦安全. 2019(05)
[4]基于最小二乘法的擬合曲線CCD相機畸變校正[J]. 陳永明,馮盛淼,戴穎超.  機電技術. 2018(03)
[5]巷道高濃度瓦斯運移擴散規(guī)律的研究[J]. 趙芳,程國強,孫業(yè)強,尚永會.  煤炭技術. 2016(01)
[6]總體最小二乘求解線性回歸模型的迭代算法[J]. 汪奇生,楊德宏,楊根新.  工程勘察. 2014(09)
[7]均方誤差短時反饋算法的殘余頻偏糾正及閾值選取的研究[J]. 孫文勝,張冬,張公禮.  電子器件. 2009(04)
[8]基于支持向量機的椒鹽噪聲去除方法[J]. 楊朝輝,陳映鷹.  計算機工程與應用. 2009(22)
[9]基于主分量分析的高光譜遙感數(shù)據(jù)噪聲消除方法[J]. 常威威,郭雷,劉坤,付朝陽.  計算機測量與控制. 2009(06)
[10]基于閾值分解的多級中值濾波[J]. 秦鵬,丁潤濤.  微型機與應用. 2003(12)



本文編號：2989867