基于物聯(lián)網(wǎng)的傳感器校正方法研究.pdf

1、近年來，空氣污染日益嚴重，提升空氣質(zhì)量是民眾的迫切期盼，因此空氣質(zhì)量監(jiān)測系統(tǒng)的建設也成為各地環(huán)境保護局和眾多環(huán)境保護企業(yè)所關注的焦點領域。建設空氣質(zhì)量監(jiān)測系統(tǒng)首先要在需要進行監(jiān)測的位置布置氣體傳感器，然后將所有氣體傳感器連接組成一個傳感器網(wǎng)絡。由于氣體傳感器的氣敏特性，氣體傳感器在監(jiān)測混合氣體污染物時會受到交叉干擾，導致監(jiān)測不準確。
　　本文主要針對電化學氣體傳感器在工業(yè)園區(qū)周圍監(jiān)測無機氣體污染物時產(chǎn)生交叉干擾的問題進行具體的校正

2、方法研究。目前，主流的校正方法是基于氣體傳感器集群形成的物聯(lián)網(wǎng)，利用神經(jīng)網(wǎng)絡對上傳的數(shù)據(jù)進行訓練學習，構(gòu)建傳感器校正模型。因此，本文對基于誤差反向傳播(BP)神經(jīng)網(wǎng)絡的傳感器校正模型，進行了算法優(yōu)化以及模型改進。
　　論文的主要工作包括:
　　首先對常規(guī)的基于BP神經(jīng)網(wǎng)絡的校正模型使用的BP算法進行分析，指出BP算法由于其理論缺陷，在訓練校正模型階段易于陷入局部最優(yōu)的誤區(qū)，并提出將粒子群(PSO)算法與BP算法結(jié)合的優(yōu)化算法

3、。該優(yōu)化算法從優(yōu)化網(wǎng)絡初始權(quán)重的角度，充分發(fā)揮PSO算法全局尋優(yōu)的優(yōu)勢，結(jié)合BP算法局部最優(yōu)的特點，有效避免了校正模型在訓練過程中陷入局部極小的情況，并加快了校正模型訓練的收斂速度。
　　然后對校正模型的工作方式以及實際氣體傳感器的監(jiān)測數(shù)據(jù)進行分析，從信息利用以及校正模型實際應用所處環(huán)境的角度，指出常規(guī)的基于BP神經(jīng)網(wǎng)絡的校正模型不能充分利用氣體傳感器監(jiān)測濃度的變化信息，以致校正模型的校正精度受限，并提出融合了長短期記憶(LSTM