【摘 要】
：
中红外甲烷传感器主要由红外光源、光学气室、红外热释电探测器以及硬件电路组成。工作过程中,红外热释电探测器受到来自红外光源的非恒定强度的红外光照射,产生温度变化导致其表面电极的电荷密度发生改变,从而产生热释电电流,释放微弱的电信号,硬件电路对电信号进行处理,得到浓度信息。红外热释电探测器表面有相应的滤波片,只吸收特定波长的红外光,而温度、湿度的变化会导致甲烷吸收系数发生变化,使得探测器无法正常吸收红
论文部分内容阅读
中红外甲烷传感器主要由红外光源、光学气室、红外热释电探测器以及硬件电路组成。工作过程中,红外热释电探测器受到来自红外光源的非恒定强度的红外光照射,产生温度变化导致其表面电极的电荷密度发生改变,从而产生热释电电流,释放微弱的电信号,硬件电路对电信号进行处理,得到浓度信息。红外热释电探测器表面有相应的滤波片,只吸收特定波长的红外光,而温度、湿度的变化会导致甲烷吸收系数发生变化,使得探测器无法正常吸收红外光,而导致结果产生偏差。综上所述,温湿度的改变会影响中红外甲烷传感器的正常工作。针对本实验室研究设计的中红外甲烷传感器,在实际应用场景中会受到温度、湿度变化的影响以及硬件本身的系统误差影响,为此设计了正常环境下以及可变温变湿的实验平台,可以实现气室内部模拟实际环境中的实验效果。实验结果显示,在温度保持在25℃左右、湿度保持在10%RH以下、气压为标准大气压的条件下,传感器测量得数据有较大的偏差,偏高于标准值;在温度变化（20℃-50℃范围内）、湿度随机变化（0-100%RH范围内）、气压为标准大气压的条件下,传感器测得数据出现了大幅度的波动,产生了较大的偏差,且通过对比大量的实验数据,可以发现:湿度对中红外甲烷传感器的影响效力远大于温度的影响效力。为了保证传感器能够正常使用,设计了神经网络以及交叉的神经网络对实验数据进行训练、建模,使用模型对传感器进行补偿,通过模型间的对比择优选择最佳模型。本课题分别采用传统方法,Adam-BPNN模型及改进型、SGD-BPNN模型、RMSprop-BPNN模型、Momentum-BPNN模型以及MPSOAdam-BPNN模型对中红外甲烷传感器进行补偿,对比分析得出了实验数据非线性、体量大、种类多的特点下,MPSO-Adam-BPNN模型补偿效果更好,且能使传感器达到市场精度的要求。
其他文献
在现在的大数据时代,海量且多样的数据信息具有很高的商业价值,会增加不法人员窃取数据信息进行犯罪的可能性,因此如何实现数据安全共享极其重要。云计算的发展为数据提供了存储功能,用户之间通过云服务器进行数据共享。为实现数据安全共享,大多数采用基于密文策略的属性基加密算法,用户将访问策略写在密文中,只有满足访问策略的用户才可以访问相应的数据。但存在以下三个问题:首先,访问策略以明文的形式存储在云服务器中,
深度神经网络在图像分类应用中存在安全问题。攻击者可以通过在输入图像上添加令人不易觉察的扰动生成对抗样本,令深度神经网络将其分类至错误类别,达到欺骗深度神经网络的目的。因此面向图像分类的对抗样本的攻击与防御技术与深度神经网络的安全使用息息相关,研究对抗样本的攻击和提高对抗样本防御的性能,具有很高的现实价值。这使得面向图像分类的对抗样本技术的研究逐渐成为当下研究的热点之一。所以为了深入探析对抗样本的生
车轮作为烧结机台车运行的主要部件,车轮状态关系到整个烧结机台车的运行安全,车轮踏面特征是衡量车轮是否正常运行的一个依据,车轮在运行过程中如果发生故障通常会导致车轮踏面产生划痕、剥离等缺陷,这些缺陷的存在会对烧结机台车工作效率产生一定的影响,因此对烧结机台车车轮踏面缺陷进行检测非常必要。目前对于烧结机台车车轮踏面缺陷的检测大多是通过人工肉眼观察进行判断,人工检测经常存在误检、漏检以及检测标准不统一等
随着我们国家城市化的不断推进,城市人口的密度快速增加,人员组成也越来越复杂。为了较好的保证人们生命财产的安全,大量的监控摄像头被安装在各种各样的场合。这些摄像头可以拍摄海量的监控视频数据。但是监控摄像头只是一个视频拍摄设备,并不能对视频中人体的异常行为进行分析和识别。如果使用人工对这些视频进行识别和分析就需要大量的人力和物力,这并不现实。近年来随着深度学习技术的发展,为了自动化的实现对监控视频中人
随着移动互联网、物联网、大数据、云计算逐步成为基础设施,网络边界逐渐瓦解,网络世界不断走向熵增,变得不可预知、不可理解、不可控制。网络世界的这种复杂变化,使得网络攻击事件频发,造成了大量数据安全问题。传统访问控制技术的授权机制在当前复杂的网络环境下显得力不从心,其固有的中心化特性、隐式信任性、静态信任性,严重阻碍了网络安全的进步与发展。近几年,区块链作为高可信平台受到广泛关注,其拥有的去中心性、数
区块链作为一种分布式数据库,具有去中心化,数据不可篡改,数据可追溯,节点间相互共识信任的性质。基于以上性质,区块链被广泛应用于当今社会的各个领域中,但区块链技术的安全问题依然十分突出,区块链访问控制的相关研究也日益增多。近年来,多权威中心被广泛研究,因为多权威中心可以很好的解决单一权威中心被攻击的问题。本文分析了现有的区块链访问控制模型的优缺点,运用区块链节点充当权威中心,采用多权威中心与用户属性
随着对深度神经网络的深入研究,以卷积神经网络作为主干的网络模型被广泛地应用于各类实际任务,如图像分类、目标检测、语音识别等。目标检测作为计算机视觉领域至关重要的一部分,为无人驾驶、无人监控、自动化装配等应用提供了强有力的技术支撑,很多工作场景中减少了对于人工干预的需求,也一定程度降低了人为导致出错的概率。然而,基于深度学习的目标检测模型取得巨大成功的同时,其内部的脆弱性也逐渐突显出来。对抗攻击技术
氧化锆陶瓷是基于ZrO2的生物惰性材料,力学性能优异广泛应用于各种商业领域,如热障涂层、气体传感器、催化剂涂层、固体氧化物燃料电池等,甚至时尚首饰也有它的身影。此外,ZrO2晶体从四方相（t-ZrO2）到单斜相（m-ZrO2）的马氏体转变伴有体积膨胀特性,常用于陶瓷材料的增韧,制备出纳米氧化锆（ZrO2）增韧氧化铝（ZTA）复合陶瓷材料。有研究表明,这种纳米复相陶瓷即陶瓷基纳米复合材料,其力学性能
本文针对纳米和亚微米级颗粒冷凝生长问题以及层流型凝聚核粒子计数器（Laminar Condensed Particle Counter,LCPC）中的粒子生长装置（三段式气溶胶冷凝生长装置）进行了研究。LCPC由三部分组成,按照功能描述依次为颗粒分组、颗粒生长和颗粒计数,其中颗粒生长装置是LCPC中重要部分。尺寸分级后的颗粒在生长装置中完成冷凝生长,继而通入光学检测装置进行检出和计数。本文的工作内
槽罐车是我国目前公路运输液化石油气的主要工具,每辆槽罐车在被使用前都需要经过严格检验,但我国有关槽罐车的事故还是频频发生,给周边的环境和人生安全造成的危害远大于普通的交通事故。因此对槽罐车进行定期检查可以有效的减少事故发生的频率,罐体的清洗就是其中重要的一个环节。在罐体清洗之前,需要将罐体内的残余气体排放干净,目前现有的排气方法有蒸汽熏蒸法和高压水清洗法,这两种方法都存在着气体排不尽、效率低、成本