基于COA-GRU的低成本气体传感器数据修正方法 |
| |
引用本文: | 李炳伟,叶树霞,齐亮,张永韡,冯锦,陈宇霆.基于COA-GRU的低成本气体传感器数据修正方法[J].仪表技术与传感器,2024(3):120-126. |
| |
作者姓名: | 李炳伟 叶树霞 齐亮 张永韡 冯锦 陈宇霆 |
| |
作者单位: | 江苏科技大学自动化学院 |
| |
基金项目: | 国家重点研发计划资助项目(51875270);;江苏省科技项目(BY2020031); |
| |
摘 要: | 针对低成本气体传感器在受到温度、湿度、压力、气体交叉干扰等影响时检测精度低的问题,提出了一种长鼻浣熊-门控循环单元神经网络(COA-GRU)的修正模型,用于提高传感器检测精度。首先,根据低成本传感器的非线性特性构建了GRU修正模型;其次,利用COA算法解决修正模型的多局部极值以及参数组合寻优问题;最后,利用低成本传感器组以及H200D气体检测装置的实测数据对该方法进行了仿真实验。结果表明,使用COA-GRU修正模型后,SO2、CO、NO2、CO2传感器的平均绝对误差分别降低了72.0%、28.4%、29.6%、13.5%,能够有效提高低成本传感器的检测精度。
|
关 键 词: | 气体传感器 长鼻浣熊门控循环单元 修正模型 检测精度 |
|
|