本发明涉及一种基于神经网络的矿用催化类传感器失效数据过滤方法,属于传感器数据过滤领域,包括以下步骤:S1:获取矿用催化类传感器的响应曲线;S2:将响应曲线作为样本素材进行间隔采样,从中获取多个点作为一组样本数据,采样多组样本数据;S3:将样本数据输入神经网络,构建并训练失效数据识别模型;S4:对失效数据识别模型进行仿真;S5:将训练好的失效数据识别模型应用于传感器系统中,过滤失效数据。本发明利用神经网络应用于传感器系统中,判定失效数据并进行过滤,极大提高了传感器的检测精度。
声明:
“基于神经网络的矿用催化类传感器失效数据过滤方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)