[发明专利]一种基于神经网络的物联网实验室环境监控方法及系统

说明书

本发明适用于计量设备技术领域，提供了一种基于神经网络的物联网实验室环境监控方法及系统：获取物联网中传感器数据；将所述传感器数据与神经元中预设的连接权重因子和阈值结合，并采用预设的传递函数计算出结果；根据所述结果形成执行量输出给执行机构。在本发明实施例中，通过收集物联网中各传感器的环境参数数据并将该数据经过神网络的处理、计算和内部学习，经调整权系数而得到所期望的结果，该系统具有自我感知、自我学习、自我决策的能力。

技术领域

本发明涉及物联网技术领域，具体是一种基于神经网络的物联网实验室环境监控方法及系统。

背景技术

实验室即进行试验的场所；实验室是科学的摇篮，是科学研究的基地，科技发展的源泉，对科技发展起着非常重要的作用；实验室按归属可分为三类：第一类是从属于大学或者是由大学代管的实验室；第二类实验室属于国家机构，有的甚至是国际机构；第三类实验室直接归属于工业企业部门，为工业技术的开发与研究服务。实验室是科学的摇篮，是科学研究的基地，科技发展的源泉，对科技发展起着非常重要的作用。

目前国内现有实验室环境监控系统，存在人为设置系统参量、控制策略等因素，导致使用者在实验室工作时健康受到影响，同时实验室环境得不到监测，难以保证实验室内环境的健康性，且实验室内需要的空气质量、能耗、废气、废水得不到有效监控。

因此，需要发明一种基于神经网络的物联网实验室环境监控方法及系统来解决上述技术问题。

发明内容

本发明的目的在于提供一种基于神经网络的物联网实验室环境监控方法及系统，以解决上述背景技术中提出的问题。

本发明实施例提供一种基于神经网络的物联网实验室环境监控方法，包括以下步骤：

获取物联网中传感器数据；

将所述传感器数据与神经元中预设的连接权重因子和阈值结合，并采用预设的传递函数计算出结果；

根据所述结果形成执行量输出给执行机构。

进一步的，将所述数据与神经元中预设的连接权重因子和阈值结合，并采用预设的传递算法计算出结果，具体计算公式如下：

其中，Xm(i＝1,2,3,...m)为多个输入参量；Yj为单个输出；θ_i为阈值；W_ij为从神经元i到神经元j的连接权重因子；f()为传递函数,即f(x)＝sigmoid(x)。

进一步的，采用预设的误差反传学习算法,对训练样本(Xk,Yk)的网络训练误差进行计算，具体公式如下：

其中，E_K为网络训练误差，y`lj为实际输出值。

进一步的，采用预设的误差反传学习算法,对训练样本(Xk,Yk)的网络训练总误差进行计算，具体公式如下：

其中，E为总误差。

进一步的，所述预设修正权值算法公式如下：

其中，μ为学习速率，μ的范围0.01至1。

本发明实施例提供一种基于神经网络的物联网实验室环境监控系统，包括物联网感知单元、神经网络服务器、执行单元；

物联网感知单元，用于获取环境参数，将所述环境参数转换成传感器数据并输出；

神经网络服务器，用于获取物联网感知单元的传感器数据，将所述传感器数据与神经元中预设的连接权重因子和阈值结合，再采用预设的传递函数计算出结果；