Разработка нейронной модели полупроводникового датчика газа

Цель исследования. Разработка нейронной модели полупроводникового датчика газа с целью генерации данных для обучения устройства обработки информации газоанализаторов на основе искусственных нейронных сетей (ИНС). Поиск и оптимизация состава и объема обчищающих данных. Нейронная модель датчика должна учитывать влияние на сигнал тех факторов, колебания которых вносят максимальный вклад в погрешности измерений. Апробация модели на полупроводниковых датчиках угарного газа и водорода.
Методы. Методы компьютерного моделирования, численные методы, теория нейронных сетей. Для сопоставления результатов моделирования и откликов реальных датчиков определялись относительная погрешность и среднеквадратическое отклонение.
Результаты. Проведены исследования различных структур нейронной модели полупроводникового датчика, осуществлен выбор структуры многослойной нейронной сети прямого распространения для двух полупроводниковых датчиков угарного газа и водорода, произведена оценка погрешностей моделирования, даны рекомендации по выбору оптимальной структуры и объему обучающих данных.
Заключение. Получены нейронные модели полупроводниковых датчиков угарного газа и водорода, сделаны выводы о возможности применения данной структуры ИНС при решении типовых задач. На основании анализа полученных погрешностей показана эффективность применения нейронных моделей датчиков для генерации обучающих данных. Максимальная относительная погрешность моделирования полупроводникового датчика монооксида углерода TGS2442 не превысила 5% по основной характеристике и 2% по дополнительным. Максимальная относительная погрешность моделирования полупроводникового датчика водорода TGS2442 не превысила 3% по основной характеристике и 1% по дополнительным.

1. Томакова Р.А., Филист С.А., Яа З.До. Универсальные сетевые модели для задач классификации биомедицинских данных // Известия Юго-Западного государственного университета. 2012. № 4-2 (43). С. 44-50.

2. Дашковский А.А., Примиский В.Ф. Математическое моделирование многокомпонентных газоаналитических измерений и анализ погрешностей // ВосточноЕвропейский журнал передовых технологий. 2005. № 6/2 (18). С. 108-111.

3. Сазонов С.Ю., Титенко Е.А., Ханис Н.А. Подход к прогнозированию возникновения пожароопасной ситуации в дата-центре на основе нейронных сетей // Известия Юго-Западного государственного университета. 2015. № 4 (17). С. 8-14.

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

5. Foresee F.D., Hagan M.T. Gaus-Newton approximation to Bayesian regularization // Proceedings of the 1997 International Joint Conference on Neural Networks. 1997. Р. 1930- 1935.

6. Дрейзин В.Э., Гримов А.А. Измерительный блок для нейтронного спектрометра реального времени с вычислительным восстановлением энергетических спектров с помощью нейронных сетей // Известия Юго-Западного государственного университета. 2012. № 2-3. С. 223-228.

7. Применение нейронных сетей в задаче получения карты глубины из двумерного изображения/ Д.И. Михальченко, А.Г. Ивин, О.Ю. Сивченко, Е.А. Аксаментов // Известия Юго-Западного государственного университета. 2019; 23(3): 113-134. https://doi.org/10.21869/2223-1560-2019-23-3-113-134.

8. Дрейзин В. Э., Брежнева Е. О., Бондарь О. Г. Устройство обработки сигналов многокомпонентного газоанализатора // Приборы и Системы. Управление, контроль, диагностика. 2011. № 12. С. 43-48.

9. Бондарь О.Г., Брежнева Е.О., Чернышов Р.Е. Применение нейронных сетей в задаче количественного анализа состава воздушной среды // Известия Юго-Западного государственного университета. 2020; 24(1): 159-174. https://doi.org/10.21869/2223-1560-2019-24-1-159-174.

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

11. Metal Oxide Semi-Conductor Gas Sensors in Environmental Monitoring / F. George., L. M. Cavanagh, A. Afonja, R. Binions // Sensors. 2010. Р. 5469-5502.

12. Дрейзин В. Э., Брежнева Е. О. Моделирование газочувствительных датчиков // Информационно-измерительные диагностические и управляющие системы. Диагностика 2011: материалы 2-ой Международной науч.-техн. конф. Курск, 2011. С. 53-59.

13. Дрейзин В.Э., Брежнева Е. О. Сравнительный анализ характеристик промышленных газочувствительных датчиков // Датчики и системы. 2011. № 3. С. 68-78.

14. Дьяконов В. П., Круглов В. В. MatLab 6.5 SP1/7/7 SP1/7 SP2. М: Солон – Пресс, 2006. 456 с.

15. Латыпова Рамиля Нейронные сети. М.: LAP LambertAcademicPublishing, 2012. 572 c.

16. Основы нейрокибернетики. М.: Высшая школа, 2015. 372 c.

17. Редько В.Г. Подходы к моделированию мышления. М/: ИЛ, 2016. 392 c.

18. Редько В.Г. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики. М.: Высшая школа, 2017. 224 c.

19. Тадеусевич Рышард [и др.]. Элементарное введение в технологию нейронных сетей с примерами программ. Москва: СПб.: Питер, 2011. 408 c.

20. Брежнева Е. О., Дрейзин В. Э. Выбор сенсоров для разработки многосенсорного газоанализатора газовых смесей // Безопасность жизнедеятельности. 2011. № 4. С. 5-11.