基于RBF神经网络温度补偿的非色散红外SF6气体传感器
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 气体检测的常用方法 | 第9-13页 |
| 1.3 非色散红外气体传感器的研究现状 | 第13-15页 |
| 1.3.1 国外研究现状 | 第13-14页 |
| 1.3.2 国内研究现状 | 第14-15页 |
| 1.4 温度补偿的研究现状 | 第15-16页 |
| 1.5 本论文的研究内容 | 第16-18页 |
| 第二章 非色散红外气体检测的基本原理 | 第18-27页 |
| 2.1 红外光谱吸收原理 | 第18-19页 |
| 2.2 SF6气体分子的特征光谱 | 第19-21页 |
| 2.3 朗伯-比尔定律 | 第21-22页 |
| 2.4 非色散红外气体检测的光路结构 | 第22-25页 |
| 2.4.1 单波长单气室结构 | 第23页 |
| 2.4.2 单波长双气室结构 | 第23-24页 |
| 2.4.3 双波长单气室结构 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 红外SF_6气体传感器的结构设计 | 第27-40页 |
| 3.1 系统总体设计 | 第27-28页 |
| 3.2 检测模型 | 第28-30页 |
| 3.3 红外宽谱光源 | 第30-31页 |
| 3.4 窄带滤波片 | 第31-33页 |
| 3.5 双通道热释电探测器 | 第33-34页 |
| 3.6 温度传感器 | 第34-35页 |
| 3.7 气室 | 第35-39页 |
| 3.8 本章小结 | 第39-40页 |
| 第四章 基于径向基函数神经网络的温度补偿 | 第40-53页 |
| 4.1 人工神经网络理论 | 第40-42页 |
| 4.2 径向基函数神经网络 | 第42-47页 |
| 4.2.1 径向基函数神经网络理论 | 第42-44页 |
| 4.2.2 正则化型RBF神经网络 | 第44-45页 |
| 4.2.3 广义型RBF神经网络 | 第45-47页 |
| 4.3 温度影响因素分析 | 第47-48页 |
| 4.4 温度补偿模型设计 | 第48-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 系统测试与数据处理 | 第53-68页 |
| 5.1 实验系统 | 第53-54页 |
| 5.2 红外SF_6气体传感器标定 | 第54-58页 |
| 5.2.1 零点标定 | 第55页 |
| 5.2.2 多浓度点标定 | 第55-58页 |
| 5.3 温度补偿 | 第58-65页 |
| 5.3.1 温度实验 | 第58-59页 |
| 5.3.2 补偿方法对比 | 第59-65页 |
| 5.4 重复性实验 | 第65-66页 |
| 5.5 稳定性实验 | 第66-67页 |
| 5.6 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 作者简介 | 第76页 |
