典型文献
基于IPSO-BP模型的火灾气体传感器气压补偿算法
文献摘要：
为完善飞机火灾检测系统,设计一套方案,模拟试验不同气压下CO、CO2气体传感器采集气体的体积分数值,并与理论值比较,进而提出一种根据粒子适应度值动态调整学习因子的粒子群算法.采用改进的粒子群(IPSO)算法寻找反向传播(BP)神经网络的最优初始权值阈值,再利用寻优后的BP神经网络修正CO、CO2气体传感器的检测结果,消除气压对于传感器采集数据的影响.结果表明:经过IPSO-BP算法补偿后,选取的27个气压点下气体体积分数值都接近拟合真实值,其中,CO2气体传感器经过气压补偿后,测量最大误差从542×10-4％下降到0.1×10-4％,CO气体传感器测量最大误差从15.7×10-4％下降到0.01×10-4％.与BP神经网络气压补偿模型相比,IPSO-BP神经网络气压补偿模型的精度有明显的提高.
文献关键词：
改进的粒子群算法(IPSO);反向传播(BP)神经网络;气体传感器;气压补偿;飞机货舱火灾
中图分类号：
作者姓名：
何永勃;曹祝兵
作者机构：
中国民航大学电子信息与自动化学院,天津300300
文献出处：
引用格式：
[1]何永勃;曹祝兵-.基于IPSO-BP模型的火灾气体传感器气压补偿算法)[J].中国安全科学学报,2022(02):107-114
A类：
气压补偿,飞机货舱火灾
B类：
IPSO,气体传感器,补偿算法,飞机火灾,火灾检测,模拟试验,不同气压,集气,理论值,适应度值,学习因子,反向传播,权值阈值,除气,采集数据,下气,气体体积分数,真实值,过气,最大误差,传感器测量,网络气压,补偿模型,改进的粒子群算法
AB值：
0.239064
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
