气体监测系统及其监测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115963229A(43)申请公布日2023.04.14(21)申请号202310028948.7(22)申请日2023.01.09(71)申请人吉安创成环保科技有限责任公司地址343100江西省吉安市吉安县井冈山经济技术开发区南塘路319号(72)发明人罗倩吴蓬九赵姣王杰(74)专利代理机构北京恒泰铭睿知识产权代理有限公司11642专利代理师郭红燕(51)Int.Cl.G01N33/00(2006.01)权利要求书3页说明书13页附图4页(54)发明名称气体监测系统及其监测方法(57)摘要本申请涉及气体监测的领域，其具体地公开了一种气体监测系统及其监测方法，其通过基于上下文的编码器模型对每个传感器在各个时间点的响应值进行高维关联特征提取，并采用卷积神经网络来对传感器的拓扑特征进行隐含特征提取，进一步将所述响应特征矩阵与所述拓扑特征矩阵一起输入图神经网络中以提取出数据样本由于特征信息和不规则的拓扑结构信息而存在的关联信息，这样再基于传感器的温漂对所述响应拓扑特征向量进行修正，以保证解码回归的准确性。通过这样的方式，可以对封闭蛋鸡舍环境中三种气体浓度的浓度值进行准确地测量，进而确保蛋鸡的健康和生产性能。CN115963229ACN115963229A权利要求书1/3页1.一种气体监测系统，其特征在于，包括：传感器数据获取单元，用于获取阵列传感器中每个传感器在各个时间点的响应值；响应值编码单元，用于将每个所述传感器在各个时间点的响应值通过包含嵌入层的基于上下文的编码器模型以获得多个特征向量，并将所述多个特征向量进行级联以获得每个所述传感器的响应特征向量；矩阵拼接单元，用于将每个所述传感器的响应特征向量进行二维拼接以获得响应特征矩阵；拓扑数据单元，用于获得所述阵列传感器的拓扑矩阵，其中，所述拓扑矩阵中非对角线位置上各个位置的值为相应两个传感器之间的距离，所述拓扑矩阵中对角线位置上各个位置的特征值为0；拓扑编码单元，用于将所述拓扑矩阵通过卷积神经网络以获得拓扑特征矩阵；融合单元，用于将所述拓扑特征矩阵和所述响应特征矩阵通过图神经网络以获得响应拓扑特征矩阵，其中，所述图神经网络通过可学习的神经网络参数来生成包含响应特征信息与不规则的拓扑结构信息的所述拓扑特征矩阵，所述拓扑特征矩阵中每个行向量对应于一个传感器的响应拓扑特征向量；温漂值获取单元，用于获取所述阵列传感器中每个传感器在各个时间点的温漂值；温漂编码单元，用于将每个所述传感器在各个时间点的温漂值通过所述包含嵌入层的基于上下文的编码器模型以获得每个时间点的温漂特征向量，并将每个时间点的温漂特征向量进行级联以获得每个所述传感器的全局温漂特征向量；修正单元，用于基于每个所述传感器的全局温漂特征向量并使用周期混沌映射来对每个所述传感器的响应拓扑特征向量进行修正以获得每个所述传感器的修正后响应拓扑特征向量，其中，所述周期混沌映射表示将全局温漂特征向量结合到周期函数中；拼接单元，用于将每个所述传感器的修正后响应拓扑特征向量二维拼接为回归矩阵；以及解码单元，用于对所述回归矩阵进行解码回归以生成封闭蛋鸡舍环境中三种气体浓度的浓度值。2.根据权利要求1所述的气体监测系统，其中，所述响应值编码单元，进一步用于：将每个所述传感器在各个时间点的响应值通过所述编码器模型的嵌入层以将所述响应值转化为响应嵌入向量以获得响应嵌入向量的序列；将所述响应嵌入向量的序列输入所述编码器模型的转换器以获得所述多个特征向量；以及所述多个特征向量进行级联以获得每个所述传感器的响应特征向量。3.根据权利要求2所述的气体监测系统，其中，所述卷积神经网络的各层在层的正向传递过程中对输入数据进行卷积处理、沿通道维度的池化处理和激活处理以由所述卷积神经网络的最后一层输出所述拓扑特征矩阵，其中，所述卷积神经网络的第一层的输入为所述拓扑矩阵。4.根据权利要求3所述的气体监测系统，其中，所述修正单元，进一步用于基于每个所述传感器的全局温漂特征向量并使用周期混沌映射以如下公式来对每个所述传感器的响应拓扑特征向量进行修正以获得每个所述传感器的修正后响应拓扑特征向量；2CN115963229A权利要求书2/3页其中，所述公式为：其中f1i和f2i分别为修正前后的响应拓扑特征向量的第i个位置的特征值，f3i为全局温漂特征向量的第i个位置的特征值，表示全局温漂特征向量的所有位置的特征值的均值，且[·]为取整函数，a为超参数。5.根据权利要求4所述的气体监测系统，其中，所述解码单元，进一步用于以如下公式对所述回归矩阵进行解码回归以生成封闭蛋鸡舍环境中三种气体浓度的浓度值；其中，所述公式为：其中X是输入矩阵，Y是输出向量，W是权重向量，B是偏置向量。6.根据权利要求5所述的气体监测系统，其中