公开(公告)号：CN118937407A

公开(公告)日：2024-11-12

申请号：CN202410982719.3

申请日：2024-07-22

Applicant: 哈尔滨理工大学

Inventor： 陈寅生 ,  陈雨虹 ,  石金龙 ,  王名扬 ,  陈紫妍

IPC: G01N27/00 ,  G01R31/00 ,  G01R31/52 ,  G06F18/24 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了一种面向电子鼻的MOS气体传感器阵列故障诊断方法，所述方法包括如下步骤：一、构建STW故障检测数据集；二、将经STW分割处理后的多维响应信号输入GTN故障检测模型，得到故障检测结果，若该检测结果为检测到故障发生，则执行三；三、构建GADF‑MTF故障识别数据集；四、构建基于IResnet的故障识别网络；五、将GADF‑MTF故障识别数据集输入到基于IResnet的故障识别网络，依据热度图特征利用基于IResnet的故障识别网络对每个传感器的响应信号类型进行识别，确定故障传感器的位置和故障类型，得到故障识别结果。该方法能有效降低故障检测的误报率，具有很好的故障识别性能，适合长远的推广及应用。

公开(公告)号：CN117972546A

公开(公告)日：2024-05-03

申请号：CN202410214364.3

申请日：2024-02-27

Applicant: 哈尔滨理工大学

Inventor： 陈寅生 ,  王名扬 ,  田新春 ,  夏皖豫 ,  张辰洋

IPC: G06F18/2411 ,  G06F18/27 ,  G16C20/30 ,  G16C20/70 ,  G06N3/006 ,  G06N3/126

Abstract: 一种混合气体识别与浓度检测方法，属于气体检测技术领域。解决了现有混合气体识别与浓度检测方法存在计算过程繁杂的问题。本发明对待识别混合气体样本集预处理后特征提取，获取测试样本集，建立第一训练样本集并进行特征提取，建立ISHO‑SVM分类器，通过提取的第一训练样本集特征对ISHO‑SVM分类器进行训练，再利用测试样本集进行种类的预测，获取待识别混合气体的种类；根据测得待识别混合气体的种类，获取第二训练样本集，建立GA‑ADASYN‑SVR回归模型，利用第二训练集对GA‑ADASYN‑SVR训练回归模型，利用GA‑ADASYN‑SVR回归模型对测试样本集中气体度进行预测，完成气体浓度的检测。本发明适用于混合气体识别与浓度检测。