【技术实现步骤摘要】
本申请涉及气体检测，尤其涉及一种气体浓度检测方法、装置、设备及存储介质。
技术介绍
1、基于光谱吸收原理的气体检测技术是气体检测领域的一个重要技术分支，其主要利用气体分子对特定波长光的吸收特性来检测气体的种类和浓度。对于应用光谱吸收原理的气体传感器来说，响应速度和检测精度是衡量其性能的两个重要指标。
2、当前市场上存在的基于光谱吸收原理的气体检测仪表大多采用单一气体传感器进行检测，理论上单一气体传感器也可以同时具有较快的响应速度和较高的检测精度。然而实际应用中，根据具体应用场景和优化目标的不同，在传感器的设计和优化环节，对于响应速度和检测精度，通常需要进行权衡并针对性地取舍。由此，使用单一传感器检测往往会出现：响应速度快的一般检测精度较低，而检测精度较高的一般响应速度又比较慢的情况。这使得现有的基于光谱吸收原理的气体检测仪表难以同时满足快速响应和高检测精度的要求，限制了其应用范围和性能提升。
技术实现思路
1、本专利技术实施例提供一种气体浓度检测装置及方法，以解决现有基于光谱吸收原理的气体检测仪表难以同时满足快速响应和高检测精度的要求的问题。
2、第一方面，本专利技术实施例提供了一种气体浓度检测方法，该方法包括：
3、当第一传感器和第二传感器同时开始检测待测气体中所含目标气体的浓度且两者至少之一生成传感数据点时，实时获取所述传感数据点；
4、利用预训练的逆向传播bp神经网络，结合朗伯比尔定律，将每个所述传感数据点转化为浓度数据点，每个
5、根据各个所述时间戳，从所有所述浓度数据点中确定预设卡尔曼滤波器在当前时间步的可用测量数据；
6、利用所述预设卡尔曼滤波器获取所述目标气体在所述当前时间步的浓度预测值，并根据所述可用测量数据和所述当前浓度预测值对所述预设卡尔曼滤波器进行状态更新，得到所述目标气体在所述当前时间步的浓度估计值；
7、其中，所述第一传感器和所述第二传感器均为基于光谱吸收原理的气体传感器，所述第一传感器的检测精度高于所述第二传感器的检测精度，所述第一传感器的响应速度低于所述第二传感器的响应速度。
8、第二方面，本专利技术实施例还提供了一种气体浓度检测装置，该装置包括：
9、数据获取模块，用于当第一传感器和第二传感器同时开始检测待测气体中所含目标气体的浓度且两者至少之一生成传感数据点时，实时获取所述传感数据点；
10、数据处理模块，用于利用预训练的逆向传播bp神经网络，结合朗伯比尔定律，将每个所述传感数据点转化为浓度数据点，每个所述浓度数据点的特征项包括时间戳；
11、数据确定模块，用于根据各个所述时间戳，从所有所述浓度数据点中确定预设卡尔曼滤波器在当前时间步的可用测量数据；
12、浓度估计模块，用于利用所述预设卡尔曼滤波器获取所述目标气体在所述当前时间步的浓度预测值，并根据所述可用测量数据和所述当前浓度预测值对所述预设卡尔曼滤波器进行状态更新，得到所述目标气体在所述当前时间步的浓度估计值；
13、其中，所述第一传感器和所述第二传感器均为基于光谱吸收原理的气体传感器，所述第一传感器的检测精度高于所述第二传感器的检测精度，所述第一传感器的响应速度低于所述第二传感器的响应速度。
14、第三方面，本专利技术实施例还提供了一种气体浓度检测设备，该设备包括：
15、第一传感器、第二传感器、存储器以及一个或多个处理器；
16、其中，所述一个或多个处理器分别与所述第一传感器、所述第二传感器及所述存储器连接；
17、所述第一传感器和所述第二传感器，用于同时开始检测待测气体中所含目标气体的浓度，并生成传感数据点；
18、所述存储器，用于存储一个或多个程序；
19、所述一个或多个程序被所述一个或多个处理器执行，实现如本专利技术实施例第一方面所述的气体浓度检测方法。
20、第四方面，本专利技术实施例还提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如本专利技术实施例第一方面所述的气体浓度检测方法。
21、本专利技术实施例首先通过实时获取同为基于光谱吸收原理，但一个检测精度更高而另一个响应速度更快的第一传感器和第二传感器，同时对待测气体中所含目标气体的浓度进行检测而生成的传感数据点；然后利用预训练的bp神经网络结合朗伯比尔定律，将每个传感数据点转化为特征项包括时间戳的浓度数据点；继而根据各个时间戳，从所有浓度数据点中确定预设卡尔曼滤波器在当前时间步的可用测量数据；最后利用预设卡尔曼滤波器获取目标气体在当前时间步的浓度预测值，并根据可用测量数据和当前浓度预测值对预设卡尔曼滤波器进行状态更新，从而得到目标气体在当前时间步的浓度估计值。由此，本专利技术实施例实现了对第一传感器和第二传感器的数据融合处理，使得在检测目标气体浓度时，所达到的检测精度高于第二传感器的检测精度，且所达到的响应速度快于第一传感器的响应速度。相比于单一使用第一传感器和单一使用第二传感器的气体浓度检测方案，本专利技术实施例实现了高检测精度和快响应速度的兼顾。
本文档来自技高网...【技术保护点】
1.一种气体浓度检测方法，其特征在于，包括：
2.根据权利要求1所述的气体浓度检测方法，其特征在于，所述利用预训练的逆向传播BP神经网络，结合朗伯比尔定律，将每个所述传感数据点转化为浓度数据点，包括：
3.根据权利要求2所述的气体浓度检测方法，其特征在于，所述根据所述第一特征数据点，结合朗伯比尔定律，得到第一浓度数据点，包括：
4.根据权利要求2所述的气体浓度检测方法，其特征在于，所述根据所述第二特征数据点，结合朗伯比尔定律，得到第二浓度数据点，包括：
5.根据权利要求4所述的气体浓度检测方法，其特征在于，在将所述第二归一化数据点转化为所述第二浓度数据点之后，还包括：
6.根据权利要求1所述的气体浓度检测方法，其特征在于，所述根据各个所述时间戳，从所有所述浓度数据点中确定预设卡尔曼滤波器在当前时间步的可用测量数据，包括：
7.根据权利要求1-6任一项所述的气体浓度检测方法，其特征在于，所述第一传感器包括第一气室，所述第一传感器通过所述第一气室采集所述待测气体；
8.一种气体浓度检测装置，其特征在于
9.一种气体浓度检测设备，其特征在于，包括：第一传感器、第二传感器、存储器以及一个或多个处理器；
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的气体浓度检测方法。
...【技术特征摘要】
1.一种气体浓度检测方法，其特征在于，包括：
2.根据权利要求1所述的气体浓度检测方法，其特征在于，所述利用预训练的逆向传播bp神经网络，结合朗伯比尔定律，将每个所述传感数据点转化为浓度数据点，包括：
3.根据权利要求2所述的气体浓度检测方法，其特征在于，所述根据所述第一特征数据点，结合朗伯比尔定律，得到第一浓度数据点，包括：
4.根据权利要求2所述的气体浓度检测方法，其特征在于，所述根据所述第二特征数据点，结合朗伯比尔定律，得到第二浓度数据点，包括：
5.根据权利要求4所述的气体浓度检测方法，其特征在于，在将所述第二归一化数据点转化为所述第二浓度数据点之后，还包括：
【专利技术属性】
技术研发人员：赫树开，李博，李京伟，曾晓哲，原伟，
申请(专利权)人：河南省日立信股份有限公司，
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。