[发明专利]基于多传感器融合技术的四氢噻吩浓度的在线检测方法及系统

权利要求书

1.一种基于多传感器融合技术的四氢噻吩浓度的在线检测方法，其特征在于，该检测方法针对采用四氢噻吩传感器、硫化氢传感器、甲硫醇传感器和甲硫醚传感器对天然气管道检测获得的检测信号通过处理器进行智能诊断，对得到的流量电平信号进行分析，诊断管道内部是否有气体通过，是否存在停气行为导致系统无效检测；该方法采用BP神经网络建立预测模型，用于四氢噻吩浓度的预测；

所述BP神经网络由输入层﹑输出层和隐藏层组成，建立预测模型的方法，包含：

(S100)将训练模式的输入值通过神经网络进行正向传播，以得到传播的输出值，利用训练模式的目标值与输出值的误差通过神经网络进行反向传播，以生成所有输出层和隐含层神经元的误差，从而获得各层单元的误差信号，误差信号作为修正各单元权值的依据；

设输入层神经元数目为m，隐含层神经元数目为l，输出层神经元数目为n，隐藏层的激活函数采用S型传递函数，为：

设一样本对(X,Y)，其中输入值X＝[x₁,x₂,…,x_m]'，表示标定时四氢噻吩实测值浓度、甲硫醇实测值浓度、甲硫醚实测值浓度、硫化氢实测值浓度，真实输出值Y＝[y₁,y₂,…,y_n]'，表示校正后的四氢噻吩浓度；隐含层神经元O＝[O₁,O₂,…O₃]，输入层与隐含层神经元间的网络权值矩阵W¹和隐含层与输出层神经元间的网络权值W²分别为：

隐含层神经元的阈值θ¹和输出层神经元的阈值θ²分别为：

则隐含层神经元的输出为：

其中，f(.)为隐含层的传递函数；

输出层神经元的输出为：

其中，g(.)为输出层的传递函数；

(S200)进行权重更新，输出误差乘以输入权值，得到权重的梯度，使阈值调整沿着误差函数下降最快的方向；

网络输出与期望输出的误差为：

误差E对隐含层与输出层神经元间的权值的偏导数为：

其中，δ_k表示输出层的训练误差；

误差E对输入层与隐含层神经元间的权值的偏导数为：

由式(5)和(6)，可得权值的调整公式为：

其中，η¹和η²分别为隐含层和输出层的学习步长；表示隐含层的训练误差；表示输入层与隐含层神经元间的权值修正误差之后产生新的权值；表示输入层与隐含层神经元间未修正的权值；表示隐含层与输出层神经元间的权值修正误差之后产生新的权值；表示隐含层与输出层神经元间未修正的权值；

误差E对输出层神经元的阈值的偏导数为：

误差E对隐含层神经元的阈值的偏导数为：

由式(8)和(9)，可得阈值的调整公式为：

所述BP神经网络的初始神经元之间的权值和阈值采用人工蜂群算法进行优化。