基于GA⁃BP神经网络的氢气传感器的浓度补偿研究

摘要

为解决环境因素致使氢气浓度传感器测量精度误差较大,导致氢燃料电池车辆因氢气泄漏检测不精确而产生爆炸风险的问题,提出了一种基于遗传算法反向传播(GA⁃BP)神经网络的氢气浓度传感器的浓度补偿方法。首先,利用BP神经网络对氢气浓度进行初步预测;然后,通过GA在寻优方面的优势进行浓度补偿,解决了BP神经网络局部陷入极值的问题。实验结果表明:基于GA⁃BP神经网络的氢气浓度传感器的浓度补偿方法对热导型氢气浓度传感器的预测准确度达到99.98%,最大相对误差值为0.2%,氢气浓度传感器的测量准确度提高了50.8%,为氢燃料汽车行业的发展奠定了基础。