基于神经网络的卡尔曼滤波甲醛检测方法

摘要

本发明公开了一种基于神经网络的卡尔曼滤波甲醛检测方法，包括1）初始化检测环境，确定环境参数；2）模拟检测过程数据，得出神经网络训练数据；3）建立两输入一输出结构的神经网络，采用BP神经网络，附加动量学规则，训练神经网络；4）进行第一次检测估计；5)判断是否停止检测；6）如果停止则休眠等待，如果不停止，则使用卡尔曼滤波估计甲醛含量。本发明通过离线训练神经网络的方法，建立了检测量与状态转移量之间的关系，进而解决了传统卡尔曼滤波在甲醛检测时，状态方程特别是状态转移量难以确定的问题，极大的提高了甲醛检测的速度、精度与可靠性。

主权项

1.一种基于神经网络的卡尔曼滤波甲醛检测方法，其特征在于，包括以下步骤：1）初始化检测环境，确定环境参数：使用传感器对环境中的甲醛含量进行多次取样，得出一组取样数据；将取样数据最大检测值记为Zmax，最小检测值记为Zmin，求此组数据均方差并除以2得到检测误差的近似方差G；2）设检测误差为G，令零时刻状态值X(0)分别为Zmin和Zmax，对不同的状态转移量Φ，使用公式X(t+1)=Φ(t)X(t)和Z(t)=X(t)+v(t)模拟检测过程，v(t)为数值模拟出的服从均值为零，方差为G的检测误差，得出不同的状态转移量Φ对应的一组检测数据Z；3）建立两输入一输出结构的神经网络，两输入为模拟检测数据每组中相邻两时刻的检测值，输出为对应的Φ值，采用BP神经网络，附加动量学习规则，训练神经网络；4）开始检测过程：设定初始甲醛检测值Z(0)为(Zmax+Zmin)/2，将此时传感器取得的甲醛检测值记为Z(1)，将Z(0)、Z(1)输入神经网络，得出神经网络预测估计的Φ(1)值，确定此时刻的状态方程，迭代卡尔曼滤波估计方程，得出此时的甲醛估计值输出显示结果；5)判断是否停止检测，如果不停止，则转步骤6）；如果停止检测，则进入休眠状态；6）记上一次传感器取得的甲醛检测量为Z(t-1)，当前时刻传感器取得的甲醛检测量为Z(t)，将Z(t-1)与Z(t)输入神经网络，得出当前时刻的状态转移量Φ(t)的值，确定当前时刻的状态方程，记上一次的甲醛估计值为迭代卡尔曼滤波估计方程，得出当前时刻的甲醛估计值输出显示结构；7）判断是否要初始化环境，若是，转步骤1），若否，则转步骤6)。