發(fā)布時(shí)間：2017-09-25 22:23

  本文關(guān)鍵詞：SVR在紅外瓦斯檢測(cè)技術(shù)中的應(yīng)用研究

  更多相關(guān)文章： 紅外氣體檢測(cè)技術(shù) 差分吸收模型 SVR 螢火蟲算法 步長(zhǎng)因子

【摘要】：瓦斯?jié)舛鹊臏?zhǔn)確檢測(cè)對(duì)人們的生活和工業(yè)生產(chǎn)具有重要意義。相比傳統(tǒng)的檢測(cè)方法,紅外氣體檢測(cè)技術(shù)因其具有靈敏高、測(cè)量范圍寬、響應(yīng)迅速等優(yōu)點(diǎn),成為氣體檢測(cè)領(lǐng)域中的研究熱點(diǎn)。然而該技術(shù)易受環(huán)境因素影響,在實(shí)際中直接使用會(huì)產(chǎn)生較大的測(cè)量誤差。雙波長(zhǎng)單光路差分吸收模型可以一定程度上消除部分誤差,但是這種補(bǔ)償能力是有限的。為了提高測(cè)量精度,本文在差分吸收模型的基礎(chǔ)上,提出了基于SVR(Support Vector Regression, SVR)的測(cè)量誤差預(yù)測(cè)模型。在研究SVR的相關(guān)理論過程中,發(fā)現(xiàn)SVR的回歸性能與參數(shù)值的選取緊密相關(guān)。為提高SVR的擬合效果,又提出了基于螢火蟲算法的參數(shù)選取方法,并且針對(duì)基本螢火蟲算法存在因固定步長(zhǎng)導(dǎo)致收斂速度較慢、求解精度不高的問題,引入步長(zhǎng)因子使步長(zhǎng)大小能夠自適應(yīng)調(diào)整。通過對(duì)標(biāo)準(zhǔn)函數(shù)的測(cè)試和housing數(shù)據(jù)集的回歸實(shí)驗(yàn),驗(yàn)證了改進(jìn)方法的有效性。最后,本文構(gòu)建了紅外瓦斯檢測(cè)系統(tǒng),并在此基礎(chǔ)上應(yīng)用誤差預(yù)測(cè)模型對(duì)瓦斯?jié)舛冗M(jìn)行了檢測(cè),實(shí)驗(yàn)結(jié)果表明基于SVR的誤差預(yù)測(cè)模型可以提高紅外瓦斯檢測(cè)技術(shù)的測(cè)量精度。
【關(guān)鍵詞】：紅外氣體檢測(cè)技術(shù) 差分吸收模型 SVR 螢火蟲算法 步長(zhǎng)因子
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TD712;TP18
【目錄】：

• 致謝7-8
• 摘要8-9
• ABSTRACT9-14
• 第一章 緒論14-21
• 1.1 背景與現(xiàn)實(shí)意義14-15
• 1.2 紅外氣體檢測(cè)技術(shù)在傳感器中的應(yīng)用發(fā)展15-16
• 1.3 建立基于SVR的誤差預(yù)測(cè)模型的必要性16-18
• 1.3.1 統(tǒng)計(jì)學(xué)習(xí)理論概述16
• 1.3.2 支持向量機(jī)的優(yōu)點(diǎn)16-17
• 1.3.3 誤差預(yù)測(cè)模型的必要性17-18
• 1.4 常見的支持向量機(jī)的參數(shù)選取優(yōu)化算法18-19
• 1.5 本文的主要工作19-21
• 第二章 紅外氣體檢測(cè)技術(shù)在瓦斯測(cè)量中的應(yīng)用研究21-28
• 2.1 氣體分子的紅外選擇吸收理論21-22
• 2.2 Lambert-Beer氣體吸收定律22
• 2.3 氣體差分吸收檢測(cè)模型22-25
• 2.3.1 單波長(zhǎng)雙光路23-24
• 2.3.2 雙波長(zhǎng)單光路24-25
• 2.4 紅外瓦斯傳感器的主要部件介紹25-27
• 2.4.1 紅外光源25-26
• 2.4.2 氣室26
• 2.4.3 紅外探測(cè)器26-27
• 2.5 本章小結(jié)27-28
• 第三章 基于SVR的誤差預(yù)測(cè)模型的相關(guān)理論研究28-47
• 3.1 統(tǒng)計(jì)學(xué)習(xí)理論28-31
• 3.1.1 機(jī)器學(xué)習(xí)28-29
• 3.1.2 經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則29-30
• 3.1.3 VC維與推廣性的界30-31
• 3.1.4 結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則31
• 3.2 支持回歸機(jī)向量機(jī)31-39
• 3.2.1 支持向量分類機(jī)32-36
• 3.2.2 ε不敏感損失函數(shù)36-37
• 3.2.3 核技巧37-38
• 3.2.4 支持向量回歸機(jī)38-39
• 3.3 螢火蟲算法及其改進(jìn)39-46
• 3.3.1 群智能優(yōu)化算法39-41
• 3.3.2 基本的螢火蟲算法41-44
• 3.3.3 螢火蟲算法的改進(jìn)44
• 3.3.4 改進(jìn)的螢火蟲算法在函數(shù)優(yōu)化中的實(shí)驗(yàn)44-46
• 3.4 本章小結(jié)46-47
• 第四章 誤差預(yù)測(cè)模型及實(shí)驗(yàn)47-59
• 4.1 支持向量回歸機(jī)的參數(shù)選取研究47-52
• 4.1.1 懲罰系數(shù)C和核參數(shù)g對(duì)SVR性能影響的實(shí)驗(yàn)47-49
• 4.1.2 改進(jìn)的螢火蟲算法在SVR參數(shù)選取中的應(yīng)用49-52
• 4.2 誤差預(yù)測(cè)模型的建立52
• 4.3 實(shí)驗(yàn)系統(tǒng)構(gòu)建52-56
• 4.3.1 系統(tǒng)硬件設(shè)計(jì)53-54
• 4.3.2 系統(tǒng)軟件設(shè)計(jì)54-56
• 4.4 基于SVR誤差預(yù)測(cè)模型的瓦斯?jié)舛葴y(cè)量實(shí)驗(yàn)及結(jié)果分析56-58
• 4.5 本章小結(jié)58-59
• 第五章 總結(jié)與展望59-61
• 5.1 本文主要工作59
• 5.2 進(jìn)一步工作59-61
• 參考文獻(xiàn)61-63
• 攻讀碩士論文期間發(fā)表的論文及參與的科研項(xiàng)目63-64

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 童敏明;恒溫瓦斯檢測(cè)的動(dòng)態(tài)分析[J];中國(guó)礦業(yè)大學(xué)學(xué)報(bào);2000年03期

2 趙廣新,董鳳寶;測(cè)定瓦斯檢測(cè)儀器數(shù)據(jù)誤差的規(guī)律探討[J];水力采煤與管道運(yùn)輸;2005年04期

3 蘇玉娜;向陽(yáng);;井下瓦斯檢測(cè)與人員定位系統(tǒng)一體化研究[J];科技咨詢導(dǎo)報(bào);2007年09期

4 張?jiān)绱?馬以武;王正宏;;恒溫瓦斯檢測(cè)模型動(dòng)態(tài)分析及控制[J];傳感技術(shù)學(xué)報(bào);2007年10期

5 張旭輝;毛清華;陳磊;姜俊英;;智能瓦斯檢測(cè)系統(tǒng)的可視化標(biāo)定[J];煤礦機(jī)械;2009年03期

6 陳慶陸;柳增運(yùn);;便攜式礦用瓦斯檢測(cè)系統(tǒng)設(shè)計(jì)[J];山西電子技術(shù);2011年01期

7 謝建民;再談數(shù)理統(tǒng)計(jì)在瓦斯檢測(cè)中的應(yīng)用[J];煤炭工程師;1990年01期

8 徐瑛;500新型高靈敏瓦斯檢測(cè)系統(tǒng)[J];煤礦自動(dòng)化;1991年01期

9 王如良;;一種智能型瓦斯檢測(cè)系統(tǒng)[J];煉油化工自動(dòng)化;1993年05期

10 赫淑坤;分子篩做瓦斯檢測(cè)儀器選氣裝置的研究[J];河北煤炭;1996年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前2條

1 肖鳴;;智能光干涉瓦斯檢測(cè)儀器的設(shè)計(jì)與研究[A];贛閩皖蘇湘五省煤炭學(xué)會(huì)聯(lián)合學(xué)術(shù)交流會(huì)論文集[C];2004年

2 李雯;陳國(guó)民;;光譜吸收在瓦斯檢測(cè)中的應(yīng)用[A];煤礦機(jī)電一體化新技術(shù)學(xué)術(shù)會(huì)議論文集[C];2010年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 本報(bào)記者 馮淮河 楊曉東;責(zé)任讓我守規(guī)章[N];中國(guó)安全生產(chǎn)報(bào);2006年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 湯世祥;SVR在紅外瓦斯檢測(cè)技術(shù)中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2016年

2 王晶;雙光束嵌入式瓦斯檢測(cè)系統(tǒng)研究[D];西北大學(xué);2009年

3 陳磊;智能瓦斯檢測(cè)系統(tǒng)的研制[D];西安科技大學(xué);2010年

4 陳新軍;基于催化燃燒型瓦斯檢測(cè)的設(shè)計(jì)與實(shí)現(xiàn)[D];北京交通大學(xué);2007年

5 王昕;高性能紅外瓦斯檢測(cè)系統(tǒng)的硬件設(shè)計(jì)[D];西北大學(xué);2008年

6 張秉濤;Duffing混沌系統(tǒng)理論在煤礦瓦斯檢測(cè)中的應(yīng)用研究[D];西安科技大學(xué);2011年

7 畢宜棟;在線式瓦斯檢測(cè)員考勤系統(tǒng)[D];山東科技大學(xué);2008年

8 瞿明;紅外吸收式瓦斯檢測(cè)系統(tǒng)開發(fā)[D];蘭州理工大學(xué);2011年

9 高宗麗;基于自適應(yīng)干擾抑制技術(shù)的紅外瓦斯檢測(cè)系統(tǒng)的研究[D];吉林大學(xué);2015年

10 張憲棟;煤礦瓦斯檢測(cè)作業(yè)跟蹤與智能管理系統(tǒng)[D];山東科技大學(xué);2006年

，

本文編號(hào)：919917