一种基于ISSA-BP神经网络的红外SF6气体传感器的温度补偿方法

本发明涉及红外气体传感器，尤其涉及一种改进麻雀搜索算法的sf6红外气体传感器的温度补偿方法。

背景技术：

1、非色散型红外气体传感器，具有高精度、长寿命、抗干扰能力强等显著优点，在传感器中广泛使用，也是目前发展前景比较好一种传感器。sf6气体作为主要用在电力行业的一种人造气体，此气体有着良好的电气绝缘性能及优异的灭弧性能，主要用于高压设备电力附近sf6气体浓度实时监测，对保障电力系统安全起着十分重要的现实意义。随着时间的推移，sf6气体可能会发生气体泄漏，而sf6传感器能够有效检测气体泄漏。但传感器由于硬件老化或者其他因素的影响会产生漂移，因此消除其他因素影响提升传感器的精度和对传感器进行温度补偿十分重要。

2、目前常用的补偿方法主要有硬件和软件补偿，硬件补偿过程既复杂又困难，同时，可靠性较差、精度低等限制了硬件补偿，软件补偿可以获得高精度和可靠的补偿结果。公开号为cn114088890a发明专利，公开了一种基于深度bp神经网络的自适应no2电阻式传感器的温湿度补偿方法及系统，其能达到精准监测的目的，但其只监测0-10ppm浓度段，对于高浓度未提及，且计算过程比较繁琐，难以在单片机中实现。公开号为cn114964571a发明专利，公开一种基于改进灰狼算法的压力传感器温度补偿方法，其采用改进灰狼算法优化最小二乘支持向量机模型，该算法较为复杂，需要大量计算。公开号为cn110441374a发明专利，公开一种基于sa-bp神经网络的溶氧传感器温度补偿方法，其利用模拟退火算法优化bp神经网络的初始权值和阈值，该算法需要进行多次重复迭代。因此，迫切需要一种计算过程简单且无需大量计算的、迭代次数少的算法对传感器进行温度补偿。

技术实现思路

1、本发明所解决的技术问题是提供一种基于bp神经网络改进麻雀算法的sf6气体传感器温度补偿方法，使其具有较高的补偿精度。

2、为了解决上述技术问题，本发明的技术方案是：

3、建立一种基于bp神经网络的改进麻雀搜索算法的sf6气体传感器补偿方法，主要包括：构建数据集；sf6气体传感器通气测试，获得实验数据，每组数据包括测量通道信号值(sigad)、参考通道信号值(refad)和温度信号值(tempad)；所获的数据集归一化处理；构建bp神经网络算法模型，在优化bp神经网络的权值和阈值时加入正余弦法融合levy飞行策略的麻雀搜索算法；使用获得的数据集对上述issa-bp神经网络模型进行训练，从而得到预测浓度值。本发明所提出的方法在温度范围为-10℃-45℃，量程为0-5000ppm的测量中相对误差小于1％，有效降低了外部温度或者其他因素对传感器输出的影响。

4、本发明所采用的技术方案是按照以下步骤进行：

5、步骤1：数据集采集、处理

6、本发明通过采集不同温度、不同浓度条件下sf6气体传感器的sigad、refad和tempad作为样本数据；将样本数据进行标准化；然后将样本数据划分为训练集和预测集，用于预测sf6气体的浓度值。

7、步骤2：构建bp神经网络

8、确定bp神经网络的表达式及输入层、隐藏层和输出层节点数。

9、步骤3：利用麻雀搜索算法优化bp神经网络的权值和阈值

10、建立麻雀搜索算法模型，按照麻雀搜索算法，分为发现者、加入者和警戒者。

11、(1)初始化参数，并利用sin混沌映射初始化麻雀种群；

12、(2)计算麻雀适应度，找到最优适应度值和最差适应度值及对应位置；

13、(3)在每次迭代过程中，选择较好适应度的麻雀作为发现者，对于发现者按照对应公式更新其位置；

14、(4)剩余麻雀作为加入者；加入者按照对应公式更新位置；

15、(5)整个种群中部分麻雀担任侦察预警的功能，警戒者按照对应公式更新位置。

16、步骤4：加入正余弦因子与levy飞行策略优化麻雀搜索算法

17、权重改进：初始化权重对模型的收敛速度和性能十分重要，因此本发明选择加入正余弦因子初始化权重；

18、个体改进：本发明使用levy飞行策略和加入正余弦因子进行个体改进。

19、本发明根据在不同温度条件下采集sf6传感器的三列信号值，三列值包括sigad、refad和tempad，将三列值作为样本数据；将样本划分为预测集和训练集；再将采集到的三列信号值归一化并输入至bp神经网络；通过改进麻雀搜索算法优化bp神经网络的权值和阈值，最后得到预测的sf6气体的浓度值。

20、本发明与现有技术相比具有如下优点：

21、本发明提供一种基于bp神经网络的正余弦法融合levy飞行的混合策略改进麻雀算法的sf6气体传感器温度补偿方法，该方法预测精度高、拥有较高的自学能力，可以有效消除局部最优解，在温度范围为-10℃-45℃，量程为0-5000ppm的测量中相对误差小于1％，有效降低了外部温度或者其他因素对传感器输出的影响。

技术特征：

1.一种基于issa-bp神经网络的红外sf6气体传感器的温度补偿方法，其特征在于，包括：

2.如权利要求1所述的温度补偿方法，其特征在于，步骤二中所述改进麻雀搜索算法具体步骤包括：

3.如权利要求1所述的温度补偿方法，其特征在于，所述数据采集和处理方法中，在不同浓度不同温度条件下采集的sf6气体传感器的sigad、refad和tempad作为样本数据，再将样本数据划分为训练集和预测集，将标准化处理后的样本数据按照issa_bp神经网络模型进行训练，进而得到sf6气体浓度检测模型。

技术总结
一种基于ISSA_BP神经网络的非色散红外SF<subgt;6</subgt;气体传感器的温度补偿方法，包括：采集SF<subgt;6</subgt;红外气体传感器的Sig<subgt;AD</subgt;、Ref<subgt;AD</subgt;和Temp<subgt;AD</subgt;；将Sig<subgt;AD</subgt;、Ref<subgt;AD</subgt;和Temp<subgt;AD</subgt;作为BP神经网络的输入，以SF<subgt;6</subgt;红外气体传感器标准浓度作为神经网络的输出；采用基于正余弦法融合Levy飞行的混合策略改进麻雀算法对BP神经网络的权重和阈值进行优化，对该模型进行训练得到温度补偿模型，将预测集数据输入到该温度补偿模型中，以确定当前阶段的SF<subgt;6</subgt;气体浓度值。本发明使SF<subgt;6</subgt;红外气体传感器精度得到提升，在量程为0‑5000ppm的测量中相对误差小于1%，有效降低了外部温度或者其他因素对传感器输出的影响。

技术研发人员：梁晋涛,王莉汝,吴亮,周治德
受保护的技术使用者：桂林电子科技大学
技术研发日：
技术公布日：2024/1/15