【技术实现步骤摘要】
本专利技术涉及气体检测，尤其涉及的是多传感器融合的智能气体检测方法、终端及可读存储介质。
技术介绍
1、气体检测主要应用于有毒、有害气体监测，食品质量和新鲜度检验，疾病呼气检测等领域。其中，对于多气体组成的混合气体，例如挥发性有机化合物 (volatile organiccompounds, vocs)混合气体，挥发性有机化合物是沸点在50℃到250℃之间，且在常温下易挥发的一类有机化合物。由于其挥发性强且部分气体具有毒性，对生态环境和人体健康造成了潜在危害，近年来，其监测和治理问题一直受到高度重视。
2、vocs主要来源于工业排放（如印刷、涂装、表面处理等）、溶剂使用（如油漆、清洁剂、印刷油墨等）、化学品生产（如塑料、橡胶、化肥等）、日常用品（如家具、地毯、清洁剂等），以及汽车尾气、建筑材料等。除了来源广泛之外，vocs的组成也复杂多样，其中常见的有醇类物质：甲醇、乙醇、丙醇；醛类物质：甲醛、乙醛；酮类物质：丙酮；烃类物质：甲烷、乙烷、乙烯、丙烯、苯、甲苯等。vocs过量的危害主要有以下几个方面：
3、其一是危害人体健康，由于vocs多数具有刺激性，高浓度的vocs对眼睛、鼻子和喉咙的刺激性强，可能引起眼睛发红、流泪、咳嗽等反应，如果长时间暴露在vocs中，可能导致头晕、头痛和乏力等症状。vocs对人的内脏器官也有一定的危害，如长期暴露在甲苯、二甲苯中会对神经系统、肝脏和肾脏造成影响，长期暴露在四氯化碳还可能对心脏产生损害。更严重的是，一些vocs已经被证实对人体具有致癌性，如苯、甲醛、二氯二乙硫醚、氯
4、其二是污染大气环境，vocs对空气质量产生多种危害，主要包括以下几个方面：其一，vocs是形成臭氧 (o3) 和细颗粒物 (pm2.5) 等物质的重要前体物质，其中，臭氧是一种强氧化剂，浓度过高会影响空气质量，而细颗粒物是降低空气能见度的罪魁祸首。其二，vocs在大气中可以发生复杂的化学反应，生成一些有毒物质，如致癌物质、有机酸和醛类化合物等。其三，vocs与氮氧化物的发生光化学反应还会产生光化学烟雾，从而导致环境空气污染。
5、其三是危害生产安全，部分vocs具有易燃易爆等特性，如甲烷、乙烯、乙醇、甲苯、丙酮等，当其在空气中浓度达一定极限时，遇到火源或高温容易发生爆炸并引起火灾。另外，还有一些vocs具有腐蚀性，可能对生产设备和设施造成损坏，从而给人们的生产制造带来安全风险。
6、总的来说，vocs的来源多样，种类丰富，其在环境中的浓度和种类会随着时间和地点的变化而波动，这使得vocs的检测面临着极大的复杂性。现有技术的气体检测方法没有考虑到vocs复杂的时空特性，导致对于vocs检测的效果较差。
技术实现思路
1、本专利技术的目的是提供多传感器融合的智能气体检测方法、终端及可读存储介质，旨在解决现有技术对混合气体检测效果较差的问题。
2、本专利技术解决技术问题所采用的技术方案如下：
3、本专利技术提供一种多传感器融合的智能气体检测方法，所述多传感器融合的智能气体检测方法包括：
4、获取多传感器阵列信号数据，对所述传感器阵列信号数据进行处理，得到模型输入数据；
5、将所述模型输入数据输入分析模型，所述分析模型提取所述模型输入数据的信号特征；
6、所述分析模型根据所述信号特征识别气体类型和浓度。
7、进一步地，所述获取多传感器阵列信号数据，对所述传感器阵列信号数据进行处理，得到模型输入数据，具体包括：
8、获取多个传感器单元的信号，并对多个所述传感器单元的信号进行信号预处理，对齐各个传感器单元的信号得到所述多传感器阵列信号数据；
9、对所述多传感器阵列信号数据进行去噪处理和标准化处理得到所述模型输入数据。
10、进一步地，所述分析模型包括特征提取网络，所述特征提取网络包括空间提取分支、时间提取分支和门控单元；
11、所述分析模型提取所述模型输入数据的信号特征，具体包括：
12、所述空间提取分支提取所述模型输入数据的传感器维度特征；
13、所述时间提取分支提取所述模型输入数据的时间维度特征；
14、所述门控单元融合所述传感器维度特征和所述时间维度特征得到所述信号特征。
15、进一步地，所述空间提取分支依次包括空间编码网络和一个或多个空间编码器模块，所述空间编码器模块均包括多头注意力层和空间前馈网络层，其中，所述空间编码网络包括空间线性嵌入层；
16、所述空间提取分支提取所述模型输入数据的传感器维度特征，具体包括：
17、所述空间线性嵌入层将所述模型输入数据投射到一个高维空间，得到空间数据，将所述空间数据输入到所述空间编码器模块；
18、所述多头注意力层提取输入的特征；
19、所述空间前馈网络增强在所述空间编码器模块的所述多头注意力层提取的特征；
20、将最后一个空间编码器模块的输出作为所述传感器维度特征。
21、进一步地，所述空间编码器模块还包括多头注意力层之后的残差连接和归一化层以及空间前馈网络层之后的残差连接和归一化层；
22、所述残差连接和归一化层用于对多头注意力层提取的特征或空间前馈网络增强的特征进行残差连接和正则化处理。
23、进一步地，所述时间提取分支依次包括时间编码网络和一个或多个时间编码器模块，所述时间编码器模块均包括带掩码多头注意力层和时间前馈网络层，其中，所述时间编码网络包括时间线性嵌入层和位置嵌入层；
24、所述时间提取分支提取所述模型输入数据的传感器维度特征，具体包括：
25、所述时间线性嵌入层将所述模型输入数据投射到一个高维空间，得到时间中间数据；
26、所述位置嵌入层对所述时间中间数据进行时间步编码，得到时间数据，将所述时间数据输入到所述时间编码器模块；
27、所述带掩码多头注意力层提取输入的特征；
28、所述时间前馈网络增强在所述时间编码器模块的带掩码多头注意力层提取的特征；
29、将最后一个时间编码器模块的输出作为所述传感器维度特征。
30、进一步地，所述时间编码器模块还包括带掩码多头注意力层之后的残差连接和归一化层以及时间前馈网络层之后的残差连接和归一化层；
31、所述残差连接和归一化层用于对带掩码多头注意力层提取的特征或时间前馈网络增强的特征进行残差连接和正则化处理。
32、进一步地，所述分析模型包括分类网络，所述分类网络包括线性层和输出层；
33、所述分析模型根据所述信号特征识别气体类型和浓度，具体包括：
34、所述线性层对所述信号特征进行线性变换，得到线性变换数据；
35、所述输出层将所述线性变换数据转换成气体类型和浓度，并输出。
36、此外，为实现上述目的，本专利技术本文档来自技高网...
【技术保护点】
1.一种多传感器融合的智能气体检测方法，其特征在于，所述多传感器融合的智能气体检测方法包括：
2.根据权利要求1所述的一种多传感器融合的智能气体检测方法，其特征在于，所述获取多传感器阵列信号数据，对所述传感器阵列信号数据进行处理，得到模型输入数据，具体包括：
3.根据权利要求1所述的一种多传感器融合的智能气体检测方法，其特征在于，所述分析模型包括特征提取网络，所述特征提取网络包括空间提取分支、时间提取分支和门控单元；
4.根据权利要求3所述的一种多传感器融合的智能气体检测方法，其特征在于，所述空间提取分支依次包括空间编码网络和一个或多个空间编码器模块，所述空间编码器模块均包括多头注意力层和空间前馈网络层，其中，所述空间编码网络包括空间线性嵌入层；
5.根据权利要求4所述的一种多传感器融合的智能气体检测方法，其特征在于，所述空间编码器模块还包括多头注意力层之后的残差连接和归一化层以及空间前馈网络层之后的残差连接和归一化层；
6.根据权利要求3所述的一种多传感器融合的智能气体检测方法，其特征在于，所述时间提取分支依次包括时间
7.根据权利要求6所述的一种多传感器融合的智能气体检测方法，其特征在于，所述时间编码器模块还包括带掩码多头注意力层之后的残差连接和归一化层以及时间前馈网络层之后的残差连接和归一化层；
8.根据权利要求1所述的一种多传感器融合的智能气体检测方法，其特征在于，所述分析模型包括分类网络，所述分类网络包括线性层和输出层；
9.一种终端，其特征在于，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的多传感器融合的智能气体检测程序，所述多传感器融合的智能气体检测程序被所述处理器执行时控制终端实现如权利要求1-8任一项所述的多传感器融合的智能气体检测方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质存储有多传感器融合的智能气体检测程序，所述多传感器融合的智能气体检测程序被处理器执行时实现如权利要求1-8任一项所述的多传感器融合的智能气体检测方法的步骤。
...【技术特征摘要】
1.一种多传感器融合的智能气体检测方法，其特征在于，所述多传感器融合的智能气体检测方法包括：
2.根据权利要求1所述的一种多传感器融合的智能气体检测方法，其特征在于，所述获取多传感器阵列信号数据，对所述传感器阵列信号数据进行处理，得到模型输入数据，具体包括：
3.根据权利要求1所述的一种多传感器融合的智能气体检测方法，其特征在于，所述分析模型包括特征提取网络，所述特征提取网络包括空间提取分支、时间提取分支和门控单元；
4.根据权利要求3所述的一种多传感器融合的智能气体检测方法，其特征在于，所述空间提取分支依次包括空间编码网络和一个或多个空间编码器模块，所述空间编码器模块均包括多头注意力层和空间前馈网络层，其中，所述空间编码网络包括空间线性嵌入层；
5.根据权利要求4所述的一种多传感器融合的智能气体检测方法，其特征在于，所述空间编码器模块还包括多头注意力层之后的残差连接和归一化层以及空间前馈网络层之后的残差连接和归一化层；
6.根据权利要求3所述的一种多传感器融合的智能气体检测方法，其特征在于，所述时间提取分支依次包括...
【专利技术属性】
技术研发人员：姜婧妍，吴武建，叶初阳，韦东延，陈燕君，廖家荣，林德东，
申请(专利权)人：深圳技术大学，
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。