[发明专利]一种基于神经网络的粉尘浓度检测方法

说明书

本发明提供一种基于神经网络的粉尘浓度检测方法，涉及粉尘浓度检测技术领域，方法包括配置粉尘浓度检测系统；通过粉尘浓度传感器获取粉尘浓度数据；基于小波阈值对粉尘浓度数据进行去噪处理，并提取粉尘浓度数据的特征值；把提取的特征值作为输入量，通过BP神经网络模型对粉尘浓度数据进行融合分析，输出分析结果。方法在粉尘浓度检测中减少了融合误差，提高了融合精度，收敛性能得到有效改善，在粉尘浓度准确检测工程中具有一定的实际意义。

技术领域

本发明涉及粉尘浓度检测技术领域，尤其涉及一种基于神经网络的粉尘浓度检测方法。

背景技术

粉尘是指悬浮在空气中的固体微粒。粉尘具有吸附性，携带病菌，吸入体内会导致各种疾病。人类吸入大量粉尘，会对呼吸道系统造成严重的伤害，堆积在肺部会导致尘肺病，严重的还会引起肺结核等难以治愈的疾病。粉尘具有易燃易爆特性，一旦遇到火源，容易造成爆炸性事故。

目前在粉尘浓度检测领域，按照是否取样分为取样法和非取样法。取样法首先进行沉降再接着进行检测，而非取样法的核心是不必进行沉降操作就可以检测。非取样法相对于取样法的区别是不需要抽取样本，它利用粉尘颗粒的特性对浓度进行检测。取样法是从粉尘环境中取出样本，过滤出粉尘，通过其中粉尘颗粒含量来计算浓度。这个操作过程具有一定的时间间隔，且有一个明显的缺点即无法实现实时检测；非取样法是直接测量的一种检测方法，利用粉尘颗粒的光学、物理性质与浓度的关系建立数学模型从而得到粉尘浓度，这种方法在粉尘浓度实现连续检测方面应用广泛，检测核心器件主要在于传感器。

目前取样法中涉及滤膜称重法。滤膜称重法原理简单，使用的仪器主要包括采样器、天平、滤膜等。适用于极低至中浓度的粉尘测量。

目前取样法中还涉及压电晶体法。压电晶体法的原理是当粉尘降落到压电晶体表面时，通过晶体的振动频率来计算晶体表面的粉尘浓度。这种测量方法使用的仪器结构简单，操作方便，大大节约了时间，一般情况下灵敏度和精度都比较高。特殊情况下例如设备有脏污，则沉积的粉尘会使测量系统很快饱和，因此需要经常对石英晶体进行清洁工作。

取样法中的振荡天平法是在质量传感器内使用一个振荡空心锥形管，在其振荡端安装可更换的滤膜，振荡频率取决于锥形管特征和其质量。当采样气流通过滤膜，其中的颗粒物沉积在滤膜上，滤膜的质量变化导致振荡频率的变化，通过振荡频率变化计算出沉积在滤膜上颗粒物的质量，再根据流量、现场环境温度和气压计算出该时段颗粒物的质量浓度。由于采用FDMS技术，对气溶胶里面的半挥发性质的硝酸盐和有机物的质量浓度进行补偿，具有精度高、不确定影响因素少的优点。

对于非取样法来讲，涉及了黑度法；黑度法是利用人们的视觉观察待测气体黑度的测量方法，这种方法类似于化学方法中测量液体酸碱度的PH试纸法，虽然使用简单但是显然其精确度不够。用林格曼图鉴定烟气的黑度取决于观察者的判断力。

上述方法在粉尘浓度检测中增加了融合误差，降低了融合精度，无法对收敛性能进行有效的改善。

发明内容

本发明提供的一种基于神经网络的粉尘浓度检测方法，检测方法对BP神经网络模型进行了数据融合，实现检测粉尘浓度的准确性，提高了粉尘浓度检测的精度。

本发明提供的基于神经网络的粉尘浓度检测方法包括：

配置粉尘浓度检测系统；

通过粉尘浓度传感器获取粉尘浓度数据；

基于小波阈值对粉尘浓度数据进行去噪处理，并提取粉尘浓度数据的特征值；

把提取的特征值作为输入量，通过BP神经网络模型对粉尘浓度数据进行融合分析，输出分析结果。

本发明的方法还包括：建立BP神经网络模型过程；

S201：根据获取的粉尘浓度数据确定BP神经网络拓扑；