论文部分内容阅读
气体传感器作为传感器技术的重要分支,在万物物联的历史背景下,对气体传感器数据融合研究更加具有重要的现实意义。气体传感器的交叉干扰,导致单一气体传感器对混合气体定量定性检测的失真。利用多气体传感器组成传感器阵列和现代控制理论中模式识别方法,可以消除气体传感器之间的交叉干扰,实现对混合气体的定性定量精准检测。首先,本文利用电化学气体传感器阵列对混合气体进行定量检测。介绍了电化学气体传感器工作原理,从灵敏度,选择性,温湿响应和检测原理上,分析了电化学气体传感器交叉干扰产生原因。以GIS故障诊断中对SF6分解产物混合气体(CO,SO2,H2S,H2)检测为例,通过移植改进线性神经网络算法和设计BP神经网络算法结构,可以达到很好的检测效果。论文依次讲述了气体检测技术的国内外发展现状;通过对多元回归分析理论的优缺点总结,改进线性神经网络后,成功解决多元传感器维数扩展性问题;结合前两种算法在非线性气体传感器数据融合上的不足,利用BP神经网络,设计多维数传感器数据学习算法结构,实现对线性和非线性气体传感器多维数据融合。并根据不同种类的电化学气体传感器,设计三电极、四电极气体传感器的信号调理电路。其次,搭建基于labview的SF6分解产物监测实验系统,利用RA601四合一混合气体检测气室,实现对SF6分解产物CO,H2S,SO2,H2的在线检测实验。该实验系统利用NI公司PCI-6251信号采集卡对传感器信号调理电路信号板电信号采集,上位机利用labview模块化校准显示和matlab算法编程实现模式识别相结合实现上位机软件。上位机软件主要实现数据存储,人机交互,不同模式识别算法选择等功能。最后,通过SF6分解产物监测实验系统,分别利用多元回归分析、改进神经网络算法和BP神经网络算法对CO,H2S,SO2,H2中2种气体组成的混合气体进行检测实验。实验结果表明利用BP神经网络算法可以在上位机上达到很好的数据融合精度,移植改进线性神经网络在嵌入式仪表中测试,在实验结果和算法复杂度上均优于前面两种现存常用数据融合算法。本系统能够实现对多混合气体成分和含量分析。相比传统检测方法,本系统实现了对混合气体快速准确的在线监测。上述研究工作对于GIS故障诊断中对SF6分解产物产品升级具有较好的理论指导和参考意义。