【摘要】：針對野外文物古跡環(huán)境的多變性、傳感器氣敏性失效以及腐蝕性氣體定性不精確等實際情況,結合物聯(lián)網(wǎng)技術和模式識別技術,在綜合考慮準確度和項目實際要求的情況下,設計了一種基于聲表面波(SAW)傳感器陣列的模式識別算法,并通過MATLAB對其進行仿真和驗證。結果證明,將傳感器陣列輸出的數(shù)據(jù)輸入到有6個隱層的神經(jīng)單元的單隱層BP神經(jīng)網(wǎng)絡中進行訓練,預測效果最好,對腐蝕性氣體的識別率達到了95%左右,提高了野外微氣象環(huán)境下腐蝕性氣體的監(jiān)測水平。
【圖文】：

醛（ＰＶＴＤ）的３類聚合物。通過實驗對比可知，６種敏感膜對文物腐蝕氣體ＣＯ２、Ｏ３、ＮＯ２、ＮＯ和ＳＯ２具有很好的敏感特性。以ＺｎＯ敏感膜為例，其對ＣＯ２、Ｏ３、ＮＯ２、ＮＯ和ＳＯ２等腐蝕性混和氣體的響應曲線如圖１所示。本系統(tǒng)將鍍有這６種敏感材料的ＳＡＷ傳感器構成的傳感器陣列安裝在文物保護移動平臺上測試采集。利用傳感器陣列可以實現(xiàn)對野外環(huán)境參數(shù)更精確的采集，以及避免單一傳感器系統(tǒng)的不穩(wěn)定性和不可靠性。圖１ＺｎＯ敏感膜對腐蝕性混和氣體的典型響應曲線１．１．３隱層節(jié)點數(shù)單隱層ＢＰ網(wǎng)絡可以滿足任意非線性映射，但對于有限個輸入模式到輸出模式的映射，并不需要無限個隱層節(jié)點。目前沒有具體的理論來證明其選擇的標準，隱層節(jié)點數(shù)由經(jīng)驗公式和試驗證明結合來確定。隱層節(jié)點數(shù)太少，容錯性差，而太多則會導致學習時間過長；隱層節(jié)點選取本系統(tǒng)根據(jù)經(jīng)驗公式確定：ｎｉ＝（０．４３ｍｎ＋２．５４ｍ＋０．７７ｎ＋０．３５＋０．５１＋０．１２ｎ２）１２（１）式中：ｎ為輸入層節(jié)點數(shù)；ｍ為輸出層節(jié)點數(shù)；ｎｉ為隱含層節(jié)點數(shù)，若ｎｉ不為整數(shù)，利用四舍五入規(guī)則進行處理［４］。１．１．４訓練方法針對ＢＰ算法采用的梯度下降法，，可能在局部內(nèi)搜索到一個極大值或者極小值，從而陷入惡性循環(huán)中，使得網(wǎng)絡學習發(fā)生振蕩�；谏鲜霾蛔悖疚睦每勺儗W習率ＢＰ算法訓練前向網(wǎng)絡，其訓練函數(shù)ｔｒａｉｎｇｄｘ是將自適應修改學習率的算法和動量批梯度下降算法有機地結合起來［５］，故而網(wǎng)絡的訓練速度很快。其參數(shù)的具體設置如表１

１訓練方法相關參數(shù)設置表序號參數(shù)名稱主要作用設置值１ｎｅｔ．ｐｅｒｆｏｒｍＦｃｎ表現(xiàn)函數(shù)ｓｓｅ２ｎｅｔ．ｔｒａｉｎＰａｒａｍ．ｅｐｏｃｈｓ最大迭代次數(shù)２０００３ｎｅｔ．ｔｒａｉｎＰａｒａｍ．ｓｈｏｗ間隔次數(shù)１００４ｎｅｔ．ｔｒａｉｎＰａｒａｍ．ｇｏａｌ訓練目標誤差０．００１５ｎｅｔ．ｔｒａｉｎＰａｒａｍ．ｍｃ動量常數(shù)０．９５１．１．５學習算法細化對于本系統(tǒng)而言，學習算法需要進一步的細化，將算法基本原理分為３個步驟。算法的細化流程如圖２所示。圖２ＢＰ神經(jīng)網(wǎng)絡算法細化流程圖５５０壓電與聲光２０１７年
【作者單位】： 重慶郵電大學移動通信技術重點實驗室;
【基金】：重慶市教育委員會基金資助項目(KJ1500433) 重慶郵電大學自然科學基金資助項目(A2012-97) 2014年重郵文峰創(chuàng)新創(chuàng)業(yè)基金資助項目
【分類號】：TN65;TP212.9

【參考文獻】

相關期刊論文 前5條

1 趙文俊;黃家成;孫艷玉;宋家友;;基于多級BP神經(jīng)網(wǎng)絡的無線電羅盤多故障診斷研究[J];計算機測量與控制;2015年06期

2 王露;王登攀;杜波;鄢秋娟;張靜雯;唐永亮;楊靖;江洪敏;;一種新型SAW氣體傳感器的設計[J];壓電與聲光;2015年01期

3 孫吉貴;劉杰;趙連宇;;聚類算法研究[J];軟件學報;2008年01期

4 太惠玲;謝光忠;蔣亞東;;基于氣體傳感器陣列的混合氣體定量分析[J];儀器儀表學報;2006年07期

5 馬常霞;基于傳感器陣列與前饋神經(jīng)網(wǎng)絡的氣體辨識系統(tǒng)[J];測控技術;2001年03期

【共引文獻】

相關期刊論文 前10條

1 李鑫;李凌雁;李楠;;基于RFID和WSN的采摘機器人自主定位與導航設計[J];農(nóng)機化研究;2017年09期

2 王浩;孫福明;;基于分類模板的SAR圖像自動配準方法[J];電子科技;2017年08期

3 方天恩;漆晶;張朝陽;蘇開榮;楊靖;;基于SAW傳感器陣列的混合氣體定性分析[J];壓電與聲光;2017年04期

4 牛文靜;申建建;馮仲愷;程春田;郭有安;;基于數(shù)據(jù)挖掘的梯級水電站群指令調(diào)度優(yōu)化方法[J];電力系統(tǒng)自動化;2017年15期

5 程汝峰;劉奕志;梁永全;;基于互近鄰相對距離的最小生成樹聚類算法[J];鄭州大學學報(理學版);2017年03期

6 田鳳亮;孫效玉;張航;;一種露天礦卡車故障的NLP技術挖掘與分析方法[J];金屬礦山;2017年07期

7 張松;張琳;王汝傳;;基于用戶限制聚類的協(xié)同過濾推薦算法[J];南京郵電大學學報(自然科學版);2017年03期

8 姜楠;王揚鈞;王登林;廖帥;;基于Weka平臺的輻射源數(shù)據(jù)挖掘研究[J];航天電子對抗;2017年03期

9 任秀麗;楊建軍;;基于實際離散制造數(shù)據(jù)的單元化制造系統(tǒng)構建[J];機械工程與自動化;2017年04期

10 劉世華;黃德才;;維度概率摘要模型及其層次聚類算法[J];控制與決策;2017年08期

【二級參考文獻】

相關期刊論文 前10條

1 蔣雪梅;俎喜紅;張政;黃海亮;易國斌;;圖案化ZnO納米線陣列制備與應用的研究進展[J];材料導報;2013年15期

2 向碧群;劉亮;;基于J2EE的氣體安全監(jiān)控系統(tǒng)的設計[J];重慶郵電大學學報(自然科學版);2012年03期

3 李琨;杜曉松;胡佳;孫萍;蔣亞東;;雙端諧振型SAW氣體傳感器的優(yōu)化設計[J];傳感器與微系統(tǒng);2010年09期

4 李潔;高新波;焦李成;;基于特征加權的模糊聚類新算法[J];電子學報;2006年01期

5 陳樺,程云艷;BP神經(jīng)網(wǎng)絡算法的改進及在Matlab中的實現(xiàn)[J];陜西科技大學學報;2004年02期

6 潘茂慶;顧占波;王建軍;;基于神經(jīng)網(wǎng)絡的機載導彈電路故障診斷[J];彈箭與制導學報;2003年S2期

7 李儉川,秦國軍,溫熙森,胡蔦慶;神經(jīng)網(wǎng)絡學習算法的過擬合問題及解決方法[J];振動、測試與診斷;2002年04期

8 譚陽紅,何怡剛,陳洪云,吳杰;大規(guī)模電路故障診斷神經(jīng)網(wǎng)絡方法[J];電路與系統(tǒng)學報;2001年04期

9 曲建嶺,王磊,高峰;運用人工神經(jīng)網(wǎng)絡進行混合氣體定量分析的研究[J];西北工業(yè)大學學報;2001年03期

10 李嘯,閆衛(wèi)平,郝應光;氣體傳感器陣列信號處理的混合神經(jīng)網(wǎng)絡[J];傳感器技術;2000年04期

【相似文獻】

相關期刊論文 前3條

1 徐燕清;用光纖傳感器陣列測量動態(tài)變量[J];現(xiàn)代計量測試;1995年03期

2 譚春祿;仲圓昌;何鳴放;;車用LED陣列高效智能驅動技術研究[J];硅谷;2010年08期

3 李平，文玉梅;可任意分布的精密壓電傳感器陣列[J];壓電與聲光;1996年02期

相關重要報紙文章 前1條

1 ;透視技術新進展[N];計算機世界;2003年

本文編號：2545867