基于LSTM循环神经网络的矿用甲烷传感器自校准研究 张海庆.pdf

文档介绍：第 卷第 期 煤 矿 机 械
43 06 al compensation, and used the long short term memory （LSTM） recurrent neural network
algorithm for sensor self-calibration technology. It includs neural network modeling, the data sampling
of the sensor test and the sample data segment. Got the recurrent neural network structure and
parameter model through training, and the sensor stability comparison test and environmental impacting
test were performed. The test results show that the LSTM recurrent neural network self -calibration
algorithm effectively improves the stability of the methane sensor.
Key words: LSTM； sensor； self-calibration
引言 处理器数据处理能力的发展 循环神经网络具有了
0 ，
随着国家对煤矿安全生产的重视 对传感器的 一定的记忆功能 每一时刻的神经网络可传递信息
， ，
需求量逐年增多 而且在煤矿行业标准中明确规定 给下一时刻 循环神经网络的这种能力对具有序列
， ，
了对煤矿安全监控系统中矿用传感器的日常标校 特性的数据非常有效 在不同领域都有着广泛的应
，
和强制性检定工作 由于煤矿井下传感器使用量 用 本文在环境补偿的基础上 提出了基于