作者:王伟峰,邓军,侯媛彬,耿瑞林 单位:沈阳仪表科学研究院有限公司 出版:《仪表技术与传感器》2017年第09期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFYBJS2017090020 DOC编号:DOCYBJS2017090029 下载格式:PDF + Word/doc 文字可复制、可编辑
《采用TGS5042传感器的CO报警器对国家计量标准JJG915的适应性》PDF+DOC2009年第S1期 庞炳海,徐洁,王连驰 《一种抗氢气干扰的CO传感器》PDF+DOC2008年第08期 任先武,徐凌,周卫宏,王元委,王振强 《SnO_2基CO传感器敏感膜的电阻变化机理》PDF+DOC2016年第09期 何磊,殷晨波,张子立,杨柳 《抵偿型CO传感器的制备及性能研究》PDF+DOC2015年第06期 洪磊,金涵,孙寿通,简家文 《室内空气质量监测仪中电化学传感器的应用》PDF+DOC2017年第19期 高雅娟 《车载便携式一氧化碳检测仪的设计》PDF+DOC 曹灿云 《La_(0.7)Sr_(0.3)Co_(0.3)Fe_(0.7)O_3纳米纤维的合成及其NO气敏特性研究》PDF+DOC2011年第10期 周见红,王金兴,王丹,徐德超,张克金,安宇鹏,魏晓川,张喆 《声表面波CO气体传感器高精度频率测量研究》PDF+DOC2009年第06期 黄国刚,陈明,张朋 《燃料电池型变压器在线监测系统的开发》PDF+DOC2009年第06期 杨启平,牟雪云,王军 《车载有毒气体CO痕量检测报警系统研究》PDF+DOC2014年第06期 卢翌,陈兴,马渊明
  • 随着矿井环境信息感知、危险源辨识等技术的发展,对气体传感器检测精度和可靠性的要求显著提高。为改善矿用气体传感器的性能,针对气体传感器补偿方法存在的技术难题,提出一种微粒群优化支持向量机(PSO-SVM)的非线性补偿方法。以CO传感器为例,采用Matlab软件进行数值仿真,BP神经网络方法将误差从18.48%降到8.51%,而采用微粒群优化支持向量机方法将误差降到5.28%。实验结果表明:PSO-SVM补偿方法能有效消除非目标参量对传感器输出结果的影响从而完成非线性补偿,提高了矿用CO传感器的可靠性与检测精度。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。