基于BP神经网络的氢气传感器数据拟合与研究

摘要：

随着氢能源的推广,对高精度的氢气传感器需求日趋强烈.为建立氢气传感器测量模型,简化传统传感器测量电路,文中从传感器的基本检测电路入手,推导传感器等效电阻、功耗和灵敏度系数的表达式.首先拟合得到氢气浓度与灵敏度系数的回归方程,但测试样本的拟合优度欠佳;为获得更为精确的模型,引入BP神经网络训练算法,建立传感器输出响应与气体浓度的网络模型.仿真中预测样本的平均误差降至9.74％,决定系数R2高达0.99962.相较于拟合样本,测试样本的相对误差减小了19.54％,R2提升了2.14％,表明BP神经网络对氢气浓度具有更好的预测效果.同时,文中的研究为氢气传感器的数据分析提供了一种更优的方法.

关键词：数据拟合;氢气传感器;BP神经网络;测量模型;氢能源检测;相对误差

所属期刊栏目：44

分类号：TN245-34;TP212.9(光电子技术、激光技术)

资助基金：天津市科技计划项目18ZXZNGX00130

在线出版日期：2021-12-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：97-101