文献类型：期刊文章

作　　者：汤旭翔[1] 金锦华[2]

TANG Xuxiang;JIN Jinhua(School of Management Engineering and E-Commerce,Zhejiang Gongshang Univesity,Hangzhou Zhejiang 310018,China;Logistics Service Center,Zhejiang Gongshang Univesity,Hangzhou Zhejiang 310018,China)

机构地区：[1]浙江工商大学管理工程与电子商务学院,浙江杭州310018 [2]浙江工商大学后勤服务中心,浙江杭州310018

出　　处：《传感技术学报》

基　　金：浙江省实验室工作研究会重点招标项目(ZB202102);浙江省教育厅数字化改革创新试点项目(2022);浙江工商大学"数字+学科"资助项目(2022);浙江工商大学研究生教育改革项目(YJG2018230)。

年　　份：2023

卷　　号：36

期　　号：4

起止页码：662-666

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：研究了一种基于传感器阵列和卷积神经网络的毒害气体泄漏预测方法,在实验室中布设监测传感器阵列,实验模拟检测氯气、硫化氢和挥发性有机物(VOCs)三类毒害气体泄漏,获取实验室安全监测的扁平化信号。将扁平化信号输入非线性特征计算模型(NFC)得到对应的模型输出信号参数(NFCOP)特征值,根据实时传感器的特征值与阈值下边界之间进行比较,构建传感器响应特征值向量,建立训练集和预测集,并采用卷积神经网络CNN对实验室安全情况进行预测,结果表明基于NFCOP特征分析和卷积神经网络方法,优于BP、PLS等预测方法,预测准确率最高可达93%,表明所探索的方法能够实现毒害气体预测的目标。

关 键 词：传感器阵列 非线性模型 毒害气体泄漏  实验室安全

分 类 号：TP183] TP212.9]