粉塵作為工業(yè)生產(chǎn)的伴生物,對(duì)工業(yè)、人類健康以及生存環(huán)境危害極大,它不僅降低了工業(yè)生產(chǎn)的效率,還大大增加了人們患?jí)m肺的幾率。因此,準(zhǔn)確實(shí)時(shí)檢測(cè)粉塵濃度變得尤為重要。本文采用理論和實(shí)驗(yàn)相結(jié)合的方法,對(duì)基于多傳感器信息融合的粉塵濃度檢測(cè)方法進(jìn)行研究。針對(duì)光電式粉塵濃度傳感器的光學(xué)窗口易受污染,需要經(jīng)常進(jìn)行標(biāo)定,維護(hù)量大的不足,本文采用靜電式傳感器實(shí)現(xiàn)粉塵濃度檢測(cè)。由于單一的傳感器有自身的局限性,不能非常及時(shí)準(zhǔn)確地得到粉塵濃度,且如果傳感器發(fā)生故障,檢測(cè)就會(huì)受到較大的影響。為了解決該問(wèn)題,本文引入多傳感器信息融合進(jìn)行檢測(cè),并在前人的研究基礎(chǔ)上,采用BP（Back-propagation）神經(jīng)網(wǎng)絡(luò)融合算法。針對(duì)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的不足,本文采用附有動(dòng)量項(xiàng)—自適應(yīng)學(xué)習(xí)率的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)。并通過(guò)MATLAB仿真進(jìn)行對(duì)比,得出改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)收斂速度快。又由于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值是隨機(jī)化賦值,且多由專家經(jīng)驗(yàn)獲得,具有主觀因素,因此,本文根據(jù)DS證據(jù)理論的信任函數(shù)和似然函數(shù)來(lái)獲得精確化的初始權(quán)值,并建立DS-BP神經(jīng)網(wǎng)絡(luò)融合模型,這樣加快了收斂速度,減小了誤差,提高了融合精度。在粉塵濃度檢... 

【文章來(lái)源】：山東科技大學(xué)山東省

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．２典型的３層ＢＰ神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)??

分別計(jì)算出該假設(shè)的信任函數(shù)汝／（＜和似然函數(shù)組成不確定區(qū)間??，用以表示對(duì)某個(gè)假設(shè)的確認(rèn)程度ｔ＇?ＤＳ證據(jù)理論對(duì)ｙ的不確??定性如圖２．３所示。??不確定區(qū)間??Ｉ?！?１?１??０?Ｂｅｌ（Ａ）?Ｐ１（Ａ）??、＇?Ｙ?’?＇?、?１??支持證據(jù)區(qū)間?拒絕證據(jù)區(qū)間??Ｖ?Ｖ?）??擬信度區(qū)間??圖２．３?ＤＳ證據(jù)理論的不確定性??Ｆｉｇ．?２．３?Ｕｎｃｅｒｔａｉｎｔｙ?ｏｆ?ＤＳ?ｅｖｉｄｅｎｃｅ?ｔｈｅｏｒｙ??定義４組合規(guī)則［７７］（兩個(gè)信任函數(shù)的組合規(guī)則）??１８??

?理論基礎(chǔ)??兩個(gè)融合模型的融合效果。擬采用方案如圖２．４所示．??傳統(tǒng)ＢＰ神經(jīng)??網(wǎng)絡(luò)??自適應(yīng)學(xué)習(xí)率??［増加動(dòng)量項(xiàng)???ｆ???改進(jìn)的ＢＰ神經(jīng)｜??網(wǎng)絡(luò)??？??ＤＳ證據(jù)理論｜???Ｊ???ＤＳ－ＢＰ神經(jīng)??網(wǎng)絡(luò)???Ｊ???粉塵濃度檢測(cè)??圖２．４擬采用方案??Ｆｉｇ．?２．４?Ｐｌａｎｓ?ｔｏ?ｂｅ?ａｄｏｐｔｅｄ??２．５本章小結(jié)??本章主要闡述了多傳感器信息融合的原理和結(jié)構(gòu)。簡(jiǎn)單介紹了信息融合中??的神經(jīng)網(wǎng)絡(luò)技術(shù)、ＢＰ神經(jīng)網(wǎng)絡(luò)以及ＤＳ證據(jù)理論的基本理論知識(shí)。還介紹了本??文擬采取的方案，為下一章的融合算法的建模奠定了理論基礎(chǔ)。??２０??

【參考文獻(xiàn)】：
期刊論文
[1]濕度修正的光散射法在現(xiàn)場(chǎng)粉塵監(jiān)測(cè)中的應(yīng)用[J]. 姜萬(wàn)錄,雷亞飛,代皓東,楊超,張生.  儀器儀表學(xué)報(bào). 2018(01)
[2]基于多傳感器信息融合的車輛目標(biāo)識(shí)別方法[J]. 孫寧,秦洪懋,張利,葛如海.  汽車工程. 2017(11)
[3]煤礦粉塵職業(yè)危害監(jiān)測(cè)技術(shù)及其發(fā)展趨勢(shì)[J]. 王杰,鄭林江.  煤炭科學(xué)技術(shù). 2017(11)
[4]基于多傳感器信息融合的機(jī)器人障礙物檢測(cè)[J]. 王中立,牛穎.  中國(guó)測(cè)試. 2017(08)
[5]多源信息融合在煤礦瓦斯監(jiān)測(cè)中的應(yīng)用[J]. 張保東.  煤礦安全. 2017(05)
[6]基于多傳感器信息融合的輪履混合移動(dòng)機(jī)器人路況識(shí)別方法[J]. 弓鵬偉,費(fèi)燕瓊,宋立博.  上海交通大學(xué)學(xué)報(bào). 2017(04)
[7]互學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法研究[J]. 劉威,劉尚,白潤(rùn)才,周璇,周定寧.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[8]共軛梯度BP神經(jīng)網(wǎng)絡(luò)在模式分類問(wèn)題中的應(yīng)用[J]. 武世榮,高東旭,鄧君君.  通訊世界. 2017(03)
[9]基于兩級(jí)數(shù)據(jù)融合技術(shù)的煤礦粉塵監(jiān)測(cè)研究[J]. 王毅然,劉邱祖,劉燕萍,趙波慧.  煤礦安全. 2016(11)
[10]多屬性融合技術(shù)在三維地震資料解釋中的應(yīng)用[J]. 程彥.  中國(guó)煤炭地質(zhì). 2016(10)

碩士論文
[1]基于多傳感器的粉塵濃度測(cè)試技術(shù)研究[D]. 李俊祥.西安工業(yè)大學(xué) 2016
[2]基于無(wú)線傳感器網(wǎng)絡(luò)的粉塵濃度檢測(cè)系統(tǒng)研究[D]. 王嬌.西安工業(yè)大學(xué) 2015
[3]多傳感器數(shù)據(jù)融合技術(shù)及其在煙塵顆粒濃度測(cè)量系統(tǒng)中的應(yīng)用研究[D]. 孫東陽(yáng).青島科技大學(xué) 2014



本文編號(hào)：3029915