買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜上海和璞電子技術有限公司申請的專利一種基于深度學習的氫氣傳感器離線標定方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116720421B 。

龍圖騰網通過國家知識產權局官網在2025-04-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211336977.1，技術領域涉及：G06F30/27；該發明授權一種基于深度學習的氫氣傳感器離線標定方法是由王磊;胡書豪;王遠西設計研發完成，并于2022-10-28向國家知識產權局提交的專利申請。

本一種基于深度學習的氫氣傳感器離線標定方法在說明書摘要公布了：本發明提供一種基于深度學習的氫氣傳感器離線標定方法，包括以下步驟：采集雙模氫氣傳感器輸出數據；對采集的數據進行歸一化；將歸一化后的數據輸入到極限學習機ELM中進行神經網絡訓練；達到一定的精度和迭代次數后，保存網絡，以得到標定氫氣傳感器的輸出函數；根據獲得的輸出函數預測氫氣濃度并輸出結果t。本發明的目的在于克服平均斜率法不適用于復雜變化趨勢的缺點，以及最小二乘法計算繁復、效率較低、難以保證精度的缺點，提供一種利用神經網絡的模式識別方法的氫氣傳感器離線標定方法，用以檢測氫氣濃度。

本發明授權一種基于深度學習的氫氣傳感器離線標定方法在權利要求書中公布了：1.一種基于深度學習的氫氣傳感器離線標定方法，其特征在于，包括以下步驟：S1采集雙模氫氣傳感器輸出數據；S2對采集的數據進行歸一化；S3將歸一化后的數據輸入到極限學習機ELM中進行神經網絡訓練，達到一定的精度和迭代次數后，保存網絡，以得到標定氫氣傳感器的輸出函數；S4根據獲得的輸出函數預測氫氣濃度并輸出結果t；所述S3具體為，以標定氫氣氣體濃度為標簽值，單個標簽值用向量表示為yi＝yi1；設隱含層神經元個數為L，個數小于輸入信號的數據量，則單個節點的隱含層輸出如下式： N個輸入數據，L個隱含節點得出的隱含層矩陣H見下式： ωi:隱含層矩陣中第i個權重因子bi:隱含層矩陣中第i個偏置因子βi:第i個隱含層節點對輸出的權重值Gi:隱含層中第i項計算式，Gi＝ωi*xi+biXi:一組數據矩陣X中第i個數值設隱含層到輸出層的權值矩陣為β，預測目標向量為T，則輸出矩陣如下式：Hβ＝TELM算法策略是固定輸入層到隱含層的權值ω和閾值b，求出隱含層到輸出層的權值矩陣β的最小范數的最小二乘解，如下式： ti:實際的目標值引入正則化變量ξi以降低結構化風險，得出最終的損失函數Loss，見下式： C為結構風險最小化設置系數，也稱為懲罰因子，C≥0對上式使用拉格朗日乘子法求解最值問題，如下式： αi:第i個樣本的拉格朗日算子N:樣本數量m:隱含層節點的數量j:第j個隱含節點整理可得： 所需求得β由下式得出： 最終完成算法框架，輸出函數如下： 所述S3中的達到一定的精度和迭代次數，具體方法為，把歸一化的數據輸入到極限學習機神經網絡中，網絡最終輸出一個單值，也就是預測的氫氣濃度值yi’，與實際的氫氣濃度值yi做均方誤差損失函數，公式如下： 通過梯度下降的方法不斷訓練調整模型中的參數，然后致使Loss值越小越好，直至訓練到一個最小值時認定此時的預測模型性能較好；此時輸出的預測值作為傳感器氫氣濃度探測的輔助，保留此時的模型參數狀態，若傳感器的輸出值和模型預測值的差距較大，把模型的預測值作為傳感器的實際輸出值，用以補償傳感器的原有的數據失真問題；得出最佳預測性能的網絡與輸出預測值；所述S4具體的為： i:隱含層第i個節點xn:輸入數據的第n個節點m:輸入數據的節點數L:隱含層的節點數βi:隱含層第i個節點對應的權值ωi:對應隱含層第i個節點的權值bi:隱含層第i個節點對應的偏置值。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人上海和璞電子技術有限公司，其通訊地址為：201100 上海市閔行區元江路5500號第一幢；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。