基于RBF神经网络气压补偿的非色散红外SF_6气体传感器

作     者：裴昱 陈远鸣 卞晓阳 赵勇毅 赵正杰 常建华 Pei Yu;Chen Yuanming;Bian Xiaoyang;Zhao Yongyi;Zhao Zhengjie;Chang Jianhua

作者机构：南京信息工程大学江苏省大气环境与装备技术协同创新中心江苏南京210044 南京信息工程大学江苏省气象探测与信息处理重点实验室江苏南京210044 

出 版 物：《应用光学》 (Journal of Applied Optics)

年 卷 期：2018年第39卷第3期

页      面：366-372页

核心收录：

学科分类：080901[工学-物理电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 0803[工学-光学工程] 

基　　金：国家自然科学基金(11374161) 江苏省重点研发计划(BE2016756) 江苏高校优势学科Ⅱ期建设工程 江苏省高校品牌专业建设工程资助项目 国家级大学生实践创新训练计划项目(201610300030 201710300015Z) 

主　　题：非色散红外 气体传感器 RBF神经网络 气压补偿 

摘      要：非色散红外SF_6气体传感器具有测量范围广、灵敏度高、抗干扰能力强等优点,在电力系统中具有广泛的应用。在实际检测过程中,环境气压的变化对气体传感器的检测精度有较大的影响,提出利用RBF神经网络建立气体传感器气压补偿模型,运用其泛化和非线性映射能力对环境气压波动引起的测量误差进行补偿。实验结果表明:采用气压补偿模型后的气体传感器在气体浓度3 260mg/m3~9 781mg/m3,气压100kPa^120kPa范围内,最大测量误差由±646mg/m3降为±52mg/m3,测量精度为±0.53%FS。该方法相比于拟合法和硬件电路补偿法具有更高的测量精度和稳定性,降低了传感器的体积和成本。