Preview

Известия Юго-Западного государственного университета

Расширенный поиск

Двухмодульный нейросетевой способ обработки информации в газоаналитических системах

https://doi.org/10.21869/2223-1560-2023-27-1-153-171

Аннотация

Цель работы. Снижение дополнительных погрешностей измерения концентраций газов в газоаналитических системах (ГС), вызванных чувствительностью полупроводниковых сенсоров к нецелевым компонентам газовых смесей, температуре и влажности окружающей среды. Разработать и апробировать двухмодульный нейросетевой способ обработки информации в ГС, позволяющий автоматизировать процессы генерации обучающих данных и поиска оптимальной структуры искусственных нейронных сетей (ИНС), снизить погрешности воспроизведения характеристик сенсоров, за счет замены их математических моделей нейросетевыми.
Методы: теория искусственных нейронных сетей, численные методы, методы имитационного моделирования. Для оценки эффективности предложенного решения рассчитывались относительная погрешность (d), среднеквадратическое отклонение (СКО), осуществлялось сравнение с аналогами.
Результаты. Исследован двухмодульный нейросетевой способ обработки информации в ГС. Методом численного моделирования проведены экспериментальные исследования по выбору оптимальных структур ИНС, объема и состава обучающих данных. В ходе экспериментальных исследований рассчитаны погрешности генерации обучающих данных с помощью ИНС (менее 5%) и определения концентраций детектируемых газов в условиях колебания параметров воздушной среды и состава газовой смеси (менее 4%).
Заключение. Предложен двухмодульный нейросетевой способ обработки информации, отличающийся применением двух последовательных модулей многослойных нейронных сетей для генерации обучающих данных и обработки информации, поступающей от сенсорного блока ГС. Применение вспомогательного модуля позволяет сжать исходные данные, унифицировать и автоматизировать процесс их генерации, а также повысить точность воспроизведения многопараметрических функций преобразования сенсоров, в сравнении с альтернативными способами. Представлены результаты экспериментальных исследований эффективности применения способа обработки информации для снижения дополнительных погрешностей количественного определения состава воздушной среды в условиях колебания параметров.

Об авторах

О. Г. Бондарь
Юго-Западный государственный университет
Россия

Бондарь Олег Григорьевич, кандидат технических наук, доцент кафедры Космического приборостроения и систем связи

 ул. 50 лет Октября, д. 94, г. Курск 305040, Российская Федерация 



Е. О. Брежнева
Юго-Западный государственный университет
Россия

Брежнева Екатерина Олеговна, кандидат технических наук, доцент кафедры Космического приборостроения и систем связи 

 ул. 50 лет Октября, д. 94, г. Курск 305040, Российская Федерация 



К. А. Ботиков
Юго-Западный государственный университет
Россия

Ботиков Константин Алексеевич, студент кафедры Космического приборостроения и систем связи

 ул. 50 лет Октября, д. 94, г. Курск 305040, Российская Федерация 



Н. В. Поляков
Юго-Западный государственный университет
Россия

Поляков Николай Владимирович, студент кафедры Космического приборостроения и систем связи

 ул. 50 лет Октября, д. 94, г. Курск 305040, Российская Федерация 



Список литературы

1. Ayodele B.V., Khan M.R., Nooruddin S.S. et al. Modelling and optimization of syngas production by methane dry reforming over samarium oxide supported cobalt catalyst: response surface methodology and artificial neural networks approach // Clean Techn Environ Policy. 2017. Vol. 19. P. 1181–1193.

2. Газовые сенсоры для измерений концентрации вредных веществ: особенности применения / В. М. Тележко, М. В. Тютчев, М. В. Аверьянова, А. Д. Паранин, Е. В. Хойна // Измерительная техника. 2021. №10. С. 65–71.

3. Tin dioxide nanoparticles with high sensitivity and selectivity for gas sensors at subppm level of hydrogen gas detection / XT. Yin, WD. Zhou, J. Li et al. // J Mater Sci: Mater Electron. 2019. Vol. 30. P. 14687–14694.

4. Light enhanced room temperature resistive NO2 sensor based on a gold-loaded organic–inorganic hybrid perovskite incorporating tin dioxide / Y. Chen, X. Zhang, Z. Liu et al. // Microchim Acta. 2019. Vol. 47.

5. Cerium-doped SnO2 nanomaterials with enhanced gas-sensitive properties for adsorption semiconductor sensors intended to detect low H2 concentrations / G. Fedorenko, L. Oleksenko, N. Maksymovych et al. // J Mater Sci. 2020. Vol. 55. P. 16612–16624.

6. Oleksenko L.P., Maksymovych N.P. Sensors for CO Based on Semiconductor Nanomaterials Pd/SnO2 // Theor Exp Chem. 2019. Vol. 55. P. 201–206.

7. Bondar O. G., Brezhneva E. O., Pozdnyakov V. V. Methods and Algorithms for Control of a Thermocatalytic Hydrogen Sensor // Measurement Techniques, 2018. Vol. 61. № 5. P. 514-519.

8. Анисимов О.В. Исследование отклика тонкопленочного сенсора на основе оксида олова в импульсном режиме для различных газов // Известия вузов. Физика. 2006. №3. С. 186-187.

9. Khaldi S., Dibi Z. Neural Network Technique for Electronic Nose Based on High Sensitivity Sensors Array // Sens Imaging. 2019. Vol. 15.

10. Анищенко Ю.В., Гусельников М.Э. Контроль аварийных выбросов в атмосферу // Известия Самарского научного центра Российской академии наук. Специальный выпуск «Безопасность. Технологии. Управление». 2009. С.9-14.

11. Гусельников М.Э., Кротова Ю.В. Разработка полупроводникового газоанализатора // Безопасность жизнедеятельности. 2008. №1. C. 50-52.

12. Кавалеров Б.В., Бахирев И.В., Килин Г.А. Использование нейронных сетей для управления газотурбинными установками малой и средней мощности // Российская электротехника. 2019. №90. С. 737–740.

13. Cao X., Suganthan P.N. Video shot motion characterization based on hierarchical overlapped growing neural gas networks // Multimedia Systems. 2003. Vol. 9. P. 378–385.

14. Three-day forecasting of greenhouse gas CH4 in the atmosphere of the Arctic Belyy Island using discrete wavelet transform and artificial neural networks / A. Rakhmatova, A. Sergeev, A. Shichkin et al. // Neural Comput & Applic. 2021. Vol. 33. P. 10311–10322.

15. Cretu AM., Chagnon-Forget M., Payeur P. Selectively densified 3D object modeling based on regions of interest detection using neural gas networks // Soft Comput. 2017. Vol. 21. P. 5443–5455.

16. Марковников Н. М., Кипяткова И. С. Аналитический обзор интегральных систем распознавания речи // Тр. СПИИРАН. 2018. № 58. С. 77–110.

17. Воевода А.А., Романников Д.О. Синтез нейронной сети для решения логико-арифметических задач // Тр. СПИИРАН. 2018. № 58. С. 77–110.

18. Winkler D.A. Neural networks as robust tools in drug lead discovery and development //Mol Biotechnol. 2004. Vol. 27. P. 139–167.

19. Wang X., Cao W. Non-iterative approaches in training feed-forward neural networks and their applications // Soft Comput. 2018. Vol. 22. P. 3473–3476.

20. Wójcik P.I., Kurdziel M. Training neural networks on high-dimensional data using random projection // Pattern Anal Applic. 2019. Vol. 22. P. 1221–1231.

21. Брежнева Е.О. Многофакторное моделирование функции преобразования металлооксидных датчиков СО // Датчики и Системы. 2012. №4. С.64-69.

22. Swingler K. Applying neural networks: A practical guide. London: Academic Press, 1996. 345 р.

23. Drägerwerk AG & Co. KGaA: официальный сайт. URL: https://www.draeger.com/ru_ru/Safety/Portable-Gas-Detectors (дата обращения: 20.12.2021)


Рецензия

Для цитирования:


Бондарь О.Г., Брежнева Е.О., Ботиков К.А., Поляков Н.В. Двухмодульный нейросетевой способ обработки информации в газоаналитических системах. Известия Юго-Западного государственного университета. 2023;27(1):153-171. https://doi.org/10.21869/2223-1560-2023-27-1-153-171

For citation:


Bondar O.G., Brezhneva E.O., Botikov K.A., Polyakov N.V. Two-Module Neural Network Method of Information Processing in Gas Analysis Systems. Proceedings of the Southwest State University. 2023;27(1):153-171. (In Russ.) https://doi.org/10.21869/2223-1560-2023-27-1-153-171

Просмотров: 178


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2223-1560 (Print)
ISSN 2686-6757 (Online)