用于气体混合物识别与浓度估计的自适应GViT
信号处理
2023-03-13 v1 计算机视觉与模式识别
摘要
估算环境气体的组成与浓度对工业气体安全至关重要。尽管其他研究者已提出一些气体识别与浓度估计算法，这些算法仍存在严重缺陷，尤其难以满足工业需求。例如，工业环境中采集的数据长度往往多变。然而传统算法无法有效分析变长数据。截断数据将仅保留稳态值，不可避免地导致重要信息丢失。本文提出称为GCN-ViT（GViT）的气体识别与浓度估计模型；我们将传感器数据视为仅经过下采样的单向链，以保留大部分原始信息。GViT模型可直接将传感器阵列的变长实时信号数据作为输入。我们在CO-乙烯和甲烷-乙烯两种随机变化气体混合物连续12小时不间断监测的数据集上验证了上述模型。气体识别准确率可达97.61%，纯气体浓度估计的R2平均在99.5%以上，混合气体浓度估计的R2平均在95%以上。
引用
@article{arxiv.2303.05685,
title = {An Adaptive GViT for Gas Mixture Identification and Concentration Estimation},
author = {Ding Wang and Wenwen Zhang},
journal= {arXiv preprint arXiv:2303.05685},
year = {2023}
}