本发明专利技术提供一种纳米颗粒浓度和粒径估算方法及装置，该方法包括：根据目标纳米颗粒的温度和在多种波长下的消光系数确定神经网络模型的第一输入信息；将第一输入信息输入神经网络模型，输出目标纳米颗粒的浓度和粒径；其中，神经网络模型通过根据样本纳米颗粒的温度和在多种波长下的消光系数确定的第二输入信息，以及样本纳米颗粒的实际浓度和实际粒径进行训练获取。本发明专利技术实现通过联合目标纳米颗粒的温度和在多种波长下的消光系数确定神经网络模型的输入信息，神经网络模型可以通过学习到的温度、消光系数、浓度和粒径之间的非线性关系，同时对浓度和粒径进行估算，不仅估算效率高，还可以准确和便捷地获取目标纳米颗粒的浓度和粒径。浓度和粒径。浓度和粒径。
【技术实现步骤摘要】
纳米颗粒浓度和粒径估算方法及装置
[0001]本专利技术涉及粉尘颗粒测量
，尤其涉及一种纳米颗粒浓度和粒径估算方法及装置。
技术介绍
[0002]随着现代化工业社会的迅猛发展，纳米颗粒技术得到了广泛应用。但是随着纳米颗粒中的粉末产物日益增多，使得粉尘爆炸的潜在危险极大增加。如何降低和预防粉尘爆炸事故是全球关注的热点问题。其中，对粉尘浓度和粒径进行实时监控是降低和预防粉尘爆炸事故最直接和最有效的方法，并可以根据粉尘浓度和粒径给出响应防治措施。因此，对粉尘颗粒浓度和粒径做出迅速而又准确的定量分析是降低和预防粉尘爆炸事故的重点。
[0003]目前，计算粉尘颗粒浓度和粒径主要采用Fredholm方程这类机理性模型，这类机理性模型需要通过系统结构数据模拟得出模型，需要考虑物理、化学和生物等外界环境对粉尘颗粒作用的影响，很难建立准确的预测模型。因此，通常采用非机理性对粉尘颗粒浓度和粒径进行估算。
[0004]现有技术中，对粉尘颗粒浓度和粒径进行估算的非机理性主要包括多次函数最小二乘法拟合，通过多次函数最小二乘法拟合获取粉尘颗粒浓度、粒径和消光系数之间的关系。但是，通常粉尘颗粒浓度、粒径和消光系数之间为非线性关系，而多次函数最小二乘法拟合仅能拟合出粉尘颗粒浓度、粒径和消光系数之间的线性关系，导致获取的粉尘颗粒浓度和粒径不准确。
技术实现思路
[0005]本专利技术提供一种纳米颗粒浓度和粒径估算方法及装置，用以解决现有技术中采用多次函数最小二乘法拟合仅能拟合出粉尘颗粒浓度、粒径和消光系数之间的线性关系，导致计算精度低的缺陷，实现准确估算纳米颗粒浓度和粒径。
[0006]本专利技术提供一种纳米颗粒浓度和粒径估算方法，包括：
[0007]根据目标纳米颗粒的温度和所述目标纳米颗粒在多种波长下的消光系数确定神经网络模型的第一输入信息；
[0008]将所述第一输入信息输入所述神经网络模型，输出所述目标纳米颗粒的浓度和粒径；
[0009]其中，所述神经网络模型通过根据样本纳米颗粒的温度和所述样本纳米颗粒在多种波长下的消光系数确定的第二输入信息，以及所述样本纳米颗粒的实际浓度和实际粒径进行训练获取。
[0010]根据本专利技术提供的一种纳米颗粒浓度和粒径估算方法，所述神经网络模型包括第一神经网络模型和第二神经网络模型；
[0011]相应地，所述将所述第一输入信息输入所述神经网络模型，输出所述目标纳米颗粒的浓度和粒径，包括：
[0012]将所述第一输入信息输入所述第一神经网络模型，输出所述目标纳米颗粒的粒径；
[0013]将所述目标纳米颗粒的粒径、温度和消光系数输入所述第二神经网络模型，输出所述目标纳米颗粒的浓度。
[0014]根据本专利技术提供的一种纳米颗粒浓度和粒径估算方法，在所述将所述第一输入信息输入所述神经网络模型，输出所述目标纳米颗粒的浓度和粒径之前，还包括：
[0015]将所述第二输入信息输入所述第一神经网络模型，输出所述样本纳米颗粒的粒径；
[0016]将所述第一神经网络模型输出的所述样本纳米颗粒的粒径、所述样本纳米颗粒的温度和消光系数输入所述第二神经网络模型，输出所述样本纳米颗粒的浓度；
[0017]根据所述第一神经网络模型输出的所述样本纳米颗粒的粒径和所述实际粒径，获取所述第一神经网络模型的损失函数；
[0018]根据所述第二神经网络模型输出的所述样本纳米颗粒的浓度和所述实际浓度，获取所述第二神经网络模型的损失函数；
[0019]根据所述第一神经网络模型的损失函数和第二神经网络模型的损失函数对所述神经网络模型的参数进行优化。
[0020]根据本专利技术提供的一种纳米颗粒浓度和粒径估算方法，所述将所述第二输入信息输入所述第一神经网络模型，输出所述样本纳米颗粒的粒径，包括：
[0021]对所述第二输入信息进行归一化处理；
[0022]将归一化处理后的第二输入信息输入所述第一神经网络模型，输出所述样本纳米颗粒的粒径。
[0023]根据本专利技术提供的一种纳米颗粒浓度和粒径估算方法，所述根据目标纳米颗粒的温度和所述目标纳米颗粒在多种波长下的消光系数确定神经网络模型的第一输入信息，包括：
[0024]计算所述目标纳米颗粒在任意两种波长下的消光系数的比值；
[0025]将所述目标纳米颗粒的温度和消光系数的比值作为所述第一输入信息。
[0026]根据本专利技术提供的一种纳米颗粒浓度和粒径估算方法，所述神经网络模型中隐含层的节点数量根据所述神经网络模型的输入层的节点数量和输出层的节点数量计算获取；
[0027]所述隐含层和输出层的传递函数为正切双弯曲转移函数。
[0028]本专利技术还提供一种纳米颗粒浓度和粒径估算装置，包括：
[0029]确定模块，用于根据目标纳米颗粒的温度和所述目标纳米颗粒在多种波长下的消光系数确定神经网络模型的第一输入信息；
[0030]估算模块，用于将所述第一输入信息输入所述神经网络模型，输出所述目标纳米颗粒的浓度和粒径；
[0031]其中，所述神经网络模型通过根据样本纳米颗粒的温度和所述样本纳米颗粒在多种波长下的消光系数确定的第二输入信息，以及所述样本纳米颗粒的实际浓度和实际粒径进行训练获取。
[0032]根据本专利技术提供的一种纳米颗粒浓度和粒径估算装置，所述神经网络模型包括第一神经网络模型和第二神经网络模型；
[0033]相应地，所述估算模块，具体用于：
[0034]将所述第一输入信息输入所述第一神经网络模型，输出所述目标纳米颗粒的粒径；
[0035]将所述目标纳米颗粒的粒径、温度和消光系数输入所述第二神经网络模型，输出所述目标纳米颗粒的浓度。
[0036]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述纳米颗粒浓度和粒径估算方法的步骤。
[0037]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述纳米颗粒浓度和粒径估算方法的步骤。
[0038]本专利技术提供的纳米颗粒浓度和粒径估算方法及装置，通过联合目标纳米颗粒的温度和在多种波长下的消光系数确定神经网络模型的输入信息，神经网络模型可以通过学习到的温度、消光系数、浓度和粒径之间的非线性关系，同时对浓度和粒径进行估算，不仅估算效率高，还可以准确和便捷地获取目标纳米颗粒的浓度和粒径。
附图说明
[0039]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0040]图1是本专利技术提供的纳米颗粒浓度和粒径估算方法的流程示意图之一；
[0041]图2是本专利技术提供的纳米颗粒浓度和本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种纳米颗粒浓度和粒径估算方法，其特征在于，包括：根据目标纳米颗粒的温度和所述目标纳米颗粒在多种波长下的消光系数确定神经网络模型的第一输入信息；将所述第一输入信息输入所述神经网络模型，输出所述目标纳米颗粒的浓度和粒径；其中，所述神经网络模型通过根据样本纳米颗粒的温度和所述样本纳米颗粒在多种波长下的消光系数确定的第二输入信息，以及所述样本纳米颗粒的实际浓度和实际粒径进行训练获取。2.根据权利要求1所述的纳米颗粒浓度和粒径估算方法，其特征在于，所述神经网络模型包括第一神经网络模型和第二神经网络模型；相应地，所述将所述第一输入信息输入所述神经网络模型，输出所述目标纳米颗粒的浓度和粒径，包括：将所述第一输入信息输入所述第一神经网络模型，输出所述目标纳米颗粒的粒径；将所述目标纳米颗粒的粒径、温度和消光系数输入所述第二神经网络模型，输出所述目标纳米颗粒的浓度。3.根据权利要求2所述的纳米颗粒浓度和粒径估算方法，其特征在于，在所述将所述第一输入信息输入所述神经网络模型，输出所述目标纳米颗粒的浓度和粒径之前，还包括：将所述第二输入信息输入所述第一神经网络模型，输出所述样本纳米颗粒的粒径；将所述第一神经网络模型输出的所述样本纳米颗粒的粒径、所述样本纳米颗粒的温度和消光系数输入所述第二神经网络模型，输出所述样本纳米颗粒的浓度；根据所述第一神经网络模型输出的所述样本纳米颗粒的粒径和所述实际粒径，获取所述第一神经网络模型的损失函数；根据所述第二神经网络模型输出的所述样本纳米颗粒的浓度和所述实际浓度，获取所述第二神经网络模型的损失函数；根据所述第一神经网络模型的损失函数和第二神经网络模型的损失函数对所述神经网络模型的参数进行优化。4.根据权利要求3所述的纳米颗粒浓度和粒径估算方法，其特征在于，所述将所述第二输入信息输入所述第一神经网络模型，输出所述样本纳米颗粒的粒径，包括：对所述第二输入信息进行归一化处理；将归一化处理后的第二输入信息输入所述第一神经网络模型，输出所述样本纳米颗粒的...
【专利技术属性】
技术研发人员：谢鹏，曹喆，张新平，
申请(专利权)人：北京市劳动保护科学研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。