基于SF6分解产物的多传感器数据融合研究

摘要

气体传感器作为传感器技术的重要分支，在万物物联的历史背景下，对气体传感器数据融合研究更加具有重要的现实意义。气体传感器的交叉干扰，导致单一气体传感器对混合气体定量定性检测失真。利用多气体传感器组成传感器阵列和现代控制理论中模式识别方法，可以消除气体传感器之间的交叉干扰，实现对混合气体的定性定量精准检测。
　　首先，本文利用电化学气体传感器阵列对混合气体进行定量检测。介绍了电化学气体传感器工作原理，从灵敏度，选择性，温湿响应和检测原理上，分析了电化学气体传感器交叉干扰产生原因。以GIS故障诊断中对SF6分解产物混合气体(CO，SO2，H2S，H2)检测为例，移植算法实现消除多传感器交叉干扰。论文依次讲述了气体检测技术的国内外发展现状;通过对多元回归分析理论的优缺点总结，改进线性神经网络后，成功解决多元传感器维数扩展性问题;结合前两种算法在非线性气体传感器数据融合上的不足，利用BP神经网络，设计多维数传感器数据学习算法结构，实现对线性和非线性气体传感器多维数据融合。
　　其次，搭建基于labview的SF6分解产物检测实验系统。根据不同种类的电化学气体传感器，设计三电极、四电极气体传感器的信号调理电路。利用RA601四合一混合气体检测气室，实现对SF6分解产物CO，H2S，SO2，H2的在线检测。该实验系统利用NI公司PCI-6251信号采集卡对传感器信号调理电路信号板电压信号采集，上位机利用labview模块化校准显示和matlab算法编程实现模式识别相结合实现上位机软件。上位机软件主要实现数据存储，人机交互，不同模式识别算法选择等功能。
　　最后，通过SF6分解产物监测实验系统，分别利用多元回归分析、改进神经网络算法和BP神经网络算法对CO，H2S，SO2，H2中2种气体组成的混合气体进行检测实验。实验结果表明利用改进线性神经网络可以在嵌入式仪表中具有较好的数据融合精度和较小的算法复杂度，BP神经网络对于线性和非线性气体传感器均具有较好的数据融合效果。本系统能够实现对多混合气体成分和含量分析。相比传统检测方法，本系统实现了对混合气体快速准确的在线检测。
　　上述研究工作对于GIS故障诊断中对SF6分解产物产品升级具有较好的理论指导和参考意义。

目录

声明

摘要

1 绪论

1．1 引言

1．2 课题背景

1．3 气体检测技术国内外研究

1．3．1 电化学气体传感器研究现状

1．3．2 气体传感器数据融合

1．3．3 存在的问题

1．4 本文主要研究内容

2 多传感器数据融合算法比较与设计

2．1 多元回归分析方法

2．1．1 多元回归的数学模型

2．1．2 建立回归方程

2．2 改进线性神经网络数据融合

2．2．1 线性神经网络算法

2．2．2 改进线性神经网络模型设计

2．3 BP神经网络方法

2．3．1 标准BP网络训练过程

2．3．2 附加动量项

2．3．3 学习率自适应

2．3．4 输入输出数据归一化

2．4 本章小结

3 检测系统硬件平台搭建

3．1 电化学气体传感器

3．1．1 两电极气体传感器

3．1．2 三电极气体传感器

3．1．3 四电极气体传感器

3．2 NI数据采集卡介绍

3．3 多传感器交叉干扰实验平台

3．3．1 传感器选型

3．3．2 信号调理电路

3．3．3 配气系统

3．4 本章小结

4 检测系统软件部分设计

4．1 软件部分总体框图

4．2 数据采集

4．3 校准样本获取

4．4 数据融合算法模块

4．5 人机交互界面

4．6 本章小结

5 系统实验

5．1 交叉干扰实验

5．2 多元回归实验

5．3 线性神经网络实验

5．4 BP神经网络实验

5．5 三维气体传感器总体实验

5．6 本章小结

6 总结与展望

6．1 总结

6．2 展望

致谢

参考文献

在研期间研究成果