基于传感器阵列解耦合的气体种类识别及浓度检测方法OA北大核心CSTPCD
采用传感器阵列进行气体识别时,某个传感器出现故障将导致整个系统不能使用.受集成学习Bagging方法的启发,提出了传感器阵列解耦合方法.当硫化氢、氨气和丙酮这3种气体在某路传感器数据无法被正常采集的情况下,使用逻辑回归方法作为基分类器仍然能达到100%的气体分类正确率.鉴于良好的分类效果,提出了基于类别先验知识的浓度检测方法.将决策树回归作为基回归模型的传感器阵列解耦合浓度检测方法平均绝对百分比误差为2.28%,结果验证了传感器阵列解耦合方法的可行性.
董典典;黄正兴;李中洲;余隽;冯仕玮;
大连理工大学控制科学与工程学院,辽宁大连116024大连理工大学医学部,辽宁大连116024
计算机与自动化
解耦合气体识别集成学习浓度检测先验知识
《大连理工大学学报》 2024 (003)
P.323-330 / 8
国家自然科学基金资助项目(61874018).
评论