论文部分内容阅读
针对本实验室设计的红外甲烷传感器,在实验过程中易受到传感器内部干扰信号影响的问题,使得传感器产生较大的测量误差,为此提出了一种基于TensorFlow架构的Adam-BPNN进行传感器系统误差修正的方法。实验与数据处理结果表明:通过该算法的误差修正,能有效地减小传感器内部干扰信号对测量结果的影响,相对误差减小到0.0226%,提高了红外甲烷传感器的稳定性与精度,且重复性好。