基于神经网络的气体预警穿戴系统的温度补偿

气体预警穿戴系统采用电化学气体传感器检测作业现场的危害气体浓度,通常采用一元非线性回归模型对单一浓度下气体检测进行补偿来减少温度对浓度检测的影响,但此方法在特定浓度范围内工作就会有失其检测的准确性。该文采用BP神经网络模型对气体和温度传感器进行有效的数据融合,在特定浓度范围内消除温度对气体传感器交叉敏感的影响,从而改善气体预警系统的检测精度。通过MATLAB构建BP神经网络并仿真,发现数据融合后气体浓度线性度得到提升,温度稳定性有明显改善,使得气体预警穿戴系统的危害气体浓度的检测值比常规的一元非线性回归模型更加准确。