Changchun Institute of Optics,Fine Mechanics and Physics,CAS
| 基于深度学习的嵌入式CO2浓度反演算法实现 | |
王彪 ; 杨子腾; 卞广雨; 王冠懿; 赵奕飞; 薛金波; 程林祥
| |
| 2023-05-25 | |
| 发表期刊 | 激光杂志
 |
| 卷号 | 44期号:05页码:42-46 |
| 摘要 | 以CO_2为主的温室气体排放使得全球变暖，严重影响生态环境，2021年习近平主席在二十国集团领导人峰会上提出“中国将力争2030年前实现碳达峰、2060年前实现碳中和”,因此精确检测CO_2气体浓度具有重要研究意义。由于CO_2气体吸收谱线的展宽受到气体压力、温度等因素影响，导致TDLAS气体检测系统测量结果误差增大，因此本文结合HITRAN数据库仿真，提出了基于BP神经网络深度学习的CO_2浓度反演算法和嵌入式实现方法，实现了对气体浓度的补偿，为嵌入式浓度反演算法设计提供理论依据。该算法可以移植到STM32F407中，经过测试，气体浓度的检测误差小，有效提升了气体检测精度，此方法同样适用于TDLAS型的其他气体检测应用场景中。 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.ciomp.ac.cn/handle/181722/68433 |
| 专题 | 中国科学院长春光学精密机械与物理研究所 |
| 作者单位 | 1.中国科学院长春光学精密机械与物理研究所 2.吉林大学 3.吉林农业大学 4.中国科学院大学 |
| 推荐引用方式 GB/T 7714 | 王彪,杨子腾,卞广雨,等. 基于深度学习的嵌入式CO2浓度反演算法实现[J]. 激光杂志,2023,44(05):42-46. |
| APA | 王彪.,杨子腾.,卞广雨.,王冠懿.,赵奕飞.,...&程林祥.(2023).基于深度学习的嵌入式CO2浓度反演算法实现.激光杂志,44(05),42-46. |
| MLA | 王彪,et al."基于深度学习的嵌入式CO2浓度反演算法实现".激光杂志 44.05(2023):42-46. |
| 条目包含的文件 | ||||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| 基于深度学习的嵌入式CO2浓度反演算法实（1611KB） | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 请求全文 | |
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [王彪]的文章 |
| [杨子腾]的文章 |
| [卞广雨]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [王彪]的文章 |
| [杨子腾]的文章 |
| [卞广雨]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [王彪]的文章 |
| [杨子腾]的文章 |
| [卞广雨]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论