基于神经网络的瓦斯传感器应用分析.doc

1、 - 1 - 基于 神经网络 的 瓦斯传感器 应用分析 第一章 前言 1.1 问题阐述 瓦斯传感器的工作环境十分恶劣，传感器的输出不仅仅取决于目标参量 瓦斯，还与非目标参量（温度、湿度）等有关。鉴于神经网络良好的非线性逼近能力，将神经网络引入瓦斯传感器，建立智能传感器系统可以一定程度上改善瓦斯传感器的非线性。本文采用多个传感器同时监测目标参量和其它非目标参量，其输出数据经 BP 神经网络和 RBF 神经 网络融合处理，从而消除环境因素变化的影响，提高目标传感器的性能， 该方法为煤矿安全监测提供了一种新的思路。 1.2 智能传感器的发展 当今时代是信息化的时代，各个领域常以信息的获取与利用为基础

2、，而检测是获取信息的一般方法。为了提高生产过程检测的能力和效率，对检测过程本身提出了更高的技术要求，如高灵敏度、高精度、高分辨率、高响应性、高可靠性、高稳定性及高度自动化等等。这就需要检测过程具有一定的“智能”，即思维能力及推理并做出决策的能力，这就是智能检测技术发展的需求背景。 人们对智能传感器的认识随着科学技术的不断发展而逐步深化。通常认为带有微处理器兼有检测信息和信息处理功能的传感器就是智能传感器。随着人工智能技术的发展 , 人们更加注重其智能化 功能 , 认为 “一个真正意义上的智能传感器必须具备学习、推理、感知、通信以及管理等功能”。 图 1 给出了用于复合材料损伤检测的智能传感器结

3、构。 在该智能传感器中，首先利用小波变换良好的时域局部性质对传感器的输出信号进行加工处理，达到去除噪声、提高信噪比的效果，同时提取信号的时频域特征值送入 kohone 人工神经网络进行识别，从而能高精度的识别出复合材料的损伤位置。 图 1 基于小波神经网络复合材料损伤检测的智能传感器示意图 传感器是获取信息的工具，它处于自动检 测与控制系统之首，是感知、获取与检测信息传感器 信号预处理 小波变换特征提取 神经网络模式识别 识别分析 - 2 - 的窗口，并且处于研究对象与测控系统的接口位置，一切科学研究和生产过程要获取的信息，都要通过它转换为易传输和易处理的电信号，而且随着信息科技的发展，传感器

4、在汽车制造、工业仪器仪表、农林水产、海洋气象、资源能源等领域得到了广泛的应用，并朝着高精度、小型化、集成化、数字化、智能化的方向发展。因此传感器在智能检测中的地位与作用特别重要。 其中，气体传感器的研究涉及面广、难度大，属于多学科交叉的研究领域。要切实提高传感器各方面的性能指标需要多学科、多领域研究者的协同合作。气敏材 料的开发和根据不同原理进行传感器结构的合理设计一直受到研究人员的关注。在综合气体传感器的国内外的研究未来气体传感器的发展也将围绕这两方面展开工作。主要内容为 ： （ 1） 气敏材料的进一步开发：一方面寻找新的添加剂对已开发的气敏材料的敏感特性进一步提高；另一方面充分利用纳米、薄

5、膜等新材料制备技术使气敏材料各方面的性能均得到大大改善。 （ 2） 新型气体传感器的开发和设计：根据气体与气敏材料可能产生的不同效应设计出新型气体传感器是气体传感器未来发展的重要方向和后劲。 （ 3） 气体传感器传感机理的研究：新的气敏材料和新型传 感器层出不穷，需要在理论上对它们的传感机理进行深入研究。传感机理一旦明确，设计者便可有据可依地针对传感器的不足之处加以改进，也将大大促进气体传感器的产业化进程。 （ 4） 气体传感器的智能化：生产和生活日新月异的发展变化对气体传感器提出了更高的要求，气体传感器智能化是其发展的必由之路。纳米、薄膜技术等新材料制备技术的成功应用为气体传感器集成化和智能

6、化提供了很好的前提条件。气体传感器将在充分利用微机械与微电子技术、计算机技术、信号处理技术、电路与系统、传感技术、神经网络技术、模糊理论等多学科综合技术的基础上得到发 展。研制能够同时监测多种气体的全自动数字化的智能气体传感器将是以后该领域的重要研究方向。 1.3 瓦斯传感器的发展现状 1.3.1 瓦斯传感器的必要性 自 2000 年以来，随着国家对煤矿企业安全生产要求的不断提高和企业自身发展的需要，我国各煤矿己经陆续装备了矿井监测监控系统。系统的装备大大提高了矿井安全生产水平和安全生产管理效率，同时也为该技术的正确选择、使用、维护提出了更高的要求。表 1 列出了 2013 年中国 4 5 月

7、 份 发生的部分煤矿事故。 可以看出，矿井的安全问题关系重大，这- 3 - 对煤矿的检测监控系统提出了更高的要求 。 表 1 我 国 2013 年 4 5 月发生的部分煤矿事故 时间 煤矿单位 事故原因 事故后果 4 月 1 号 吉林通化矿业集团八宝煤矿 瓦斯 爆炸 17 人遇难 4 月 12 号 贵州毕节市金沙县石板坡煤矿 瓦斯爆炸 7 人遇难 4 月 14 号 湖南郴州市永兴县高堰煤矿 煤与瓦斯突出 7 人遇难 4 月 16 号 重庆市青华龙叫煤业 煤与瓦斯突出 3 人遇难 5 月 10 号 四川泸州市泸县桃子沟煤矿 瓦斯爆炸 28 人遇难 5 月 11 号 安顺市平坝县大山煤矿 煤与瓦斯

8、突出 12 人遇难 传感器的稳定性和可靠性在煤矿监测监控系统的作用非常重 要，因为它是煤矿监测监控系统能正确反映被测环境和设备参数的关键技术和产品。目前国内生产和用于煤矿监测监控系统的传感器主要有瓦斯、一氧化碳、风速、负压、温度、煤仓煤位、水仓水位、电流、电压和有功功率等模拟量传感器，以及机电设备开停、机电设备馈电状态、风门开关状态等开关量传感器。以上传感器的开发和应用基本满足了煤矿安全生产监测监控的需要，但国产传感器在使用寿命、调校周期、稳定性和可靠性方面与国外同类产品相比还有很大差距，某些传感器 (如瓦斯传感器 )的稳定性还不能满足用户的需要。 其中，与监测监控系统配接的瓦斯传感 器已成为

9、矿井瓦斯综合治理和灾害预测的关键技术装备，并越来越受到使用单位和研究人员的普遍重视。表 2 显示了不同瓦斯浓度对环境和人体造成的不同影响。 瓦斯传感器作为检测瓦斯浓度的工具，其在矿井监测系统中的作用不言而喻。 表 2 不同瓦斯 浓度对环境和人体造成的 影响 空气中瓦斯浓度 小于 5 5 16 大于 16 大于 55 等于 9.5 造成的后果 遇火不爆炸，在火焰外围形成燃烧层 易爆炸 失去爆炸性， 空气中遇火燃烧 使人迅速中毒 爆炸威力最大 1.3.2 瓦斯传感器的现状及存在的问题 据统计，国产安全检测用瓦斯 传感器几乎全部采用载体催化元件 5,6。然而，长期以来我国载体催化元件一直存在使用寿命

10、短、工作稳定性差和调校期频繁的缺点，对传感器来说导致的最终结果就是输出误差较大、测量结果不精确，严重制约着矿井瓦斯的正常检测，对煤矿安全生产和矿工的人身安全构成了潜在的威胁。 目前克服传感器上述缺陷通常采用的方法主要是从硬件和软件两个方面入手，从硬件补偿来说，主要是在传感器的测量电路中采用一些特定的电子线路进行非线性补偿。多年来，- 4 - 许多学者和研究人员已经在传感器本身设计、电路环节设计以及非线性校正器设计等硬件方面进行了长期 的工作，基本达到了技术极限，但传感器仍然存在严重不足的方面，而且硬件电路容易受到外界环境的影响，再加上电子元器件本身的漂移等很难达到要求的效果，并且成本比较高，实

11、现起来不如软件方便。 目前在实际应用中常用的传统软件改善传感器漂移和非线性特性的方法主要有最小二乘法、查表法、曲线拟合法等，这些方法在一定程度上可以解决传感器测量的非线性度问题，但效果有限。为了进一步提高传感器的测量精度，国内外已有文献利用神经网络进行传感器非线校正，对传感器自身输出的数据进行研究，或者考虑传感器周围环境因素，用软件的方法来克服掉周 围环境 (如温度、湿度等 )因素对传感器输出结果的影响，将神经网络算法用于瓦斯传感器系统中， 用神经网络来改善传感器的输出数据，利用其良好的非线性拟合能力、自适应性、泛化能力和高度并行处理的特点，可以显著提高传感器检测的智能化水平。 - 5 - 第

12、二章 人工神经网络的基础知识 2.1 人工神经网络的发展 人们很早就已经对生物神经网络有了一个基本的认识。若不考虑其速度的话，可以说每个神经元都是一个复杂的微处理器。我们把那些类似神经元的微处理器根据特定的关系连接起来，于是就构成了一个可以完成一个或一系列特定工作的人工神经网络 (故 Artificial Neural Network，简写 ANN)，简称神经网络。 神经网络领域的研究背景工作开始于 19 世纪末、 20 世纪初。它源于物理学、心理学和神经生理学的跨学科研究。这些早期研究主要还是着重于有关学习、视觉和条件反射等一般理论，并没有包含有关神经元工作的数学模型。 现代对神经网络的研究

13、可以追溯到 20 世纪 40年代 Warren McCulloch 和 Walter Pitts的工作。他们从原理上证明了人工神经网络可以计算任何算术和逻辑函数，通常认为他们的工作是神经网络领域研究工作的开始 。 曾 经人们在早期的研究中表明神经网络只能解决有限的几类问题，而且存在很多固有的局限性。在 60 年代由于缺乏新思想和用于实验的高性能计算机，曾一度动摇了人们对神经网络的研究兴趣，从而导致许多研究者纷纷离开这一研究领域。神经网络的研究就这样停滞了十多年。 到了 80 年代，随着个人计算机和工作站计算能力的急剧增强和广泛应用，以及不断引入新的概念，克服了摆在神经网络研究面前的障碍，人们对

14、神经网络的研究空前高涨。有两个新概念对神经网络的复兴具有极其重大的意义。其一是用统计机理解释某些类似的递归网络的操作，这类网络可作为联想存 储器 ;其二是在 20 世纪 80 年代，几个不同的研究者分别开发出了用于训练多层感知器的反传算法。其中最具影响力的反传算法是 David Rumelhart 和 James McClelland 提出的。该算法有力地回答了人们对神经网络发展的质疑，大大推动了神经网络的发展。这些新进展对神经网络研究领域重新注入了活力。在过去的 10 多年中，人们发表了众多的神经网络研究论文，神经网络也有了很多应用。 2.2 生物神经网络 人工神经网络是受生物神经网络的启发

15、构造而成的。科学研究发现，人的大脑中大约有1011 个生物神经元，它们通 过 1015 个联接被连成一个系统。每个神经元具有独立的接受、处理和传递电化学信号的能力。这种传递经由大脑通信系统的神经通道所完成。 - 6 - 图 2 所示的是生物神经元及其相互联接的典型结构。如图所示，枝蔓从胞体伸向其他神经元，这些神经元在被称为突触的联结点接受信号。在突触的接受侧，信号被送入胞体，这些信号在胞体里被综合。其中有的输入信号起刺激作用，有的起抑制作用。当胞体中接受的累加刺激超过一个阈值时，胞体就被激发，此时它沿轴突通过枝蔓向其他神经元发出信号。 在这个系统中，每一个神经元都通过突触与系统中很多其他的神经

16、元相联 系，形成整个生物神经网络，如图 3 所示。 它由一个个神经元相互连接而成，神经元是整个网络的基本单元。即由多个生物神经元以确定方式和拓扑结构相互连接即形成生物神经网络。 同一个神经元通过由其伸出的枝蔓发出的信号是相同的，而这个信号可能对接受它的不同神经元有不同的效果，这一效果主要由相应的突触决定：突触的“联接强度”越大，接受的信号就越强，反之接受的信号越弱。突触的“联接强度”可以随着系统受到的训练而被改变。 图 2 生物神经元的结构示意图 图 3 生物神经网络的示意图 总结起来，生物神经系统有如下 六 个基本特征： (1) 神经元及其联接； (2) 神经元之间的连接强度决定信号传递的强

17、弱； (3) 神经元之间的联接强度是可以随训练而改变的； (4) 信号可以是起刺激作用的，也可以是起抑制作用的； (5) 一个神经元接受的信号的累积效果决定该神经元的状态； (6) 每个神经元可以有一个“阈值” 。 2.3 人工神经 元 用数学和物理方法从信息处理的角度对人脑生物神经网络进行 抽象，并建立某种简化模型，就称为人工神经网络。神经网络系统理论就是以人脑的智能功能为研究对象且以人体神经细胞的信息处理方法为背景的智能计算理论。它以模拟人体神经系统为自己的研究目标，- 7 - 并具有人体神经系统的基本特征人工神经网络远不是人脑生物神经网络的真实写照，而只是对它的简化、抽象与模拟。 2.3

18、.1 神经元模型 对每一个人工神经元来说，它可以接受一组来自系统中其他神经元的输入信号，每个输入对应一个权，所有输入的加权和决定该神经元的激活状态。这里每个权就相当于突触的“联接强度”。基本模型如图 4 所示： 设 n 个输入分别用 1x , 2x , nx 表示，它们对应的联接权值分别为 1 , 2 , , n ，所有的输入及对应的联接权值分别构成输入向量 X 和联接权向量 W ： nxxxx , 21 TnW , 21 用 net 表示该神经元所获得的输入信号的累加效果，称之为该神经元的网络输入： iixnet （ 1） 写成向量形式，则有： XWnet （ 2） 2.3.2 神经元的激活

19、 函数 神经元在获得网络输入后，应该给出合适的输出。按照生物神经元的特性，每个神经元有一个阈值，当该神经元所获得的输入信号的累积效果超过阈值时，它就处于激发态；否则，应该处于抑制态。为了使系统有更宽的适用面， 一般用一个更一般的变换函数，用来执行对该神经元所获得的网络输入的变换，这就是激活函数，也称为激励函数、活化函数。用 f 表示： - 8 - netfo （ 3） 神经元的主要用途是用来构造神经网络。在构造神经网络时，对神经元进行选择主要考虑的是其功能模拟的效果应尽量适应所求问题，并且实现连接控制要尽量简便。因此，在工程应用时，实际使用的神经元类型因具体用户的要求不同而不同， 利用激活函数

20、 执行对该神经元所获得的网络输入的变换。实际应用时， 典型的 激活 函数的类型主要有线性函数、非线性斜面函数、阶跃函数和 s 型函 数四种 ，如图 5 所示。 图 5 四种常用的激活函数 2.3.3 M-P 神经元 模型 将人工神经元的基本模型和激活函数合在一起构成人工神经元，这就是著名的 McCulloch Pirts 模型，简称为 M-P 模型，也可以称之为处理单元（ PE）。这也是人们最早提出的也是现在经常使用的神经元模型，如图 6 所示 ，或者变换为图 7 所示。 MP 模型是一种最基本的生物神经元简化数学模型。 图 6 M-P 人工神经模型 x1 x2 x3 1 3 2 XWnet

21、netfo - 9 - 图 7 M-P 神经元模型 用一个数学式子来表示一个 MP 模型神经元的状态。令 tXij 表示 t 时刻神经元 i 接受的神经元 j 的信息输入， tYI 表示 t 时刻神经元 i 的信息输出，则神经元 i 的状 态可表示为： ini iijijijitWXfty 1 （ 4） 其中 : 为输入输出时间的固定时滞 (突触时延 )； i 为神经元的阂值； ijW 为神经元到神经元的突触藕合系数 (连接权值 )； f 为神经元输出特性函数。 2.4 人工神经网络的拓扑结构 2.4.1 BP 神经网络结构 在人工神经网络的实际使用中 ， 绝大部分的神经网络模型使 用的是 B

22、P 网络或其变化形式 ， 它也是前馈型神经网络的核心部分。从结构上讲， BP 网络是典型的多层网络，分为输入层、隐层和输出层，层与层之间多采用全互连方式，同一层单元之间不存在相互连接。图 8给出了一个三层多输入单输出 BP 神经网络模型，每一层的连接权值都可以通过学习来调节。 图 8 BP 神经网络模型 BP 模型实现了多层神经网络学习的设想，当给定网络的一个输入模式时，它由输入层单元传到隐层单元，经隐层单元逐层处理后再送到输出层单元，由输出层单元处理后产生一个输出模式，这是一个逐层状态更新过程，称为前向传播。如 果输出响应与期望输出模式有误差，不满足要求，那么就转入误差后向传播，将误差值沿连

23、接通路逐层传送并修正各层连接x1 x2 x3 1 3 2 i y 输出 - 10 - 权值。对于给定的一组训练模式，不断用一个个训练模式训练网络，重复前向传播和误差后向传播过程，当各个训练模式都满足要求时，就可以说 BP 网络己经学习好了。从网络学习的角度来看，网络前向更新及误差信号后向传播过程中，信息的传播是双向，但是这并不意味着网络层与层之间的结构连接也是双向的， BP 网络是一种前向网络。 在 BP 神经网络模型中，输入节点与输出节点是由问题的本身决定的，关键在于隐层的层数和隐层节点的数目。 BP 神经网络只要隐含层中有足够数量的神经元，它就可以用来逼近几乎任何一个函数。事实上，研究已表

24、明，两层网络在其隐含层中使用 S 形传输函数，在输出层中使用线性传输函数，就几乎可以以任意精度逼近任何函数。 2.4.2 RBF 神经网络结构 由于传统常用的 BP 神经网络自身的一些缺陷，可采用 RBF 神经网络 (径向基函数神经网络 )来代替 BP 神经网络。 RBF 神经网络在结构上比 BP 神经网络简单，是一种局部神经网络 ;在功能上和 BP 网络一样，都可以用来进行函数逼近。并且训练 RBF 网络要比训练 BP网络所花费的时间要少得多，这是该 网络最突出的优点。其模型结构如图 9 所示。 图 9 RBF 神经网络模型 2.5 人工神经网络的基本功能 神经网络具有分布式存储、并行处理、高容错能力以及良好的自学习、自适应、联想等特点。具体来说，有以下集中基本功能： （ 1） 生物神经网络的功能不是单个神经元信息处理功能的简单叠加。 （ 2） 神经元之间的突触连接方式和连接强度不同并且具有可塑性，这使神经网络在宏观呈现出千变万化的复杂的信息处理能力。 （ 3） 结构特征：并行式处理、分布式存储、容错性。 （ 4） 能力特征：自学习、自组织、自适应性。