階層型ニューラルネットワークを用いたガス種判別方法の検討 Examination of a Gas Kinds Distinction Method by the Hierarchy Neural Network

この論文にアクセスする

この論文をさがす

著者

抄録

本論文では,半導体ガスセンサのガス種判別の信頼性を高めるため,階層型ニューラルネットワークを用いたガス種判別方法について検討した。最初にエタノールとメタンガス,エタノールとプロパンガスにおけるガスセンサの出力応答を回帰分析法により回帰係数を求めた。次に入力要素を(1)回帰係数とした場合,(2)センサの定格ヒータ電圧における出力電圧を基準とした出力電圧の変化分とした場合,(3)センサの出力電圧とした場合の判別結果を示し,これらの判別結果を併用することで正答率の高いガス種判別結果が得られることを示す。<br>これまで,ガスセンサのヒータ電圧をのこぎり波状に変化させ,センサの出力応答パターンの違いからガス種判別を行うことを検討している。判別処理は出力応答パターンを14(横)×20(縦)のマス目に分割し,どのマス目を通過するか否かを流れ図を用いた条件判断(論理式)からガス種を決定する方法で行ってきた。しかし,条件判断(論理式)の閾値を固定にすると個々のセンサによるガス感度のばらつきや経年変化によるガス感度の低下が生じた場合,で力応答パターンは類似していても決められたマス目を通過しないため,誤った判別結果を生じる可能性があった。<br>(オンラインのみ掲載)

This paper proves that the hierarchy neural network application is effective in simplifying the distinction process and accommodating dispersion of the gas sensitivity by each sensor and the deterioration of gas sensitivity by the aged degradation. I first transform the gas sensor's heater voltage to sawtooth waveforms and replace the sensor's output response for ethanol and methane mixed gases and ethanol and propane mixed gases with a quadratic experimental equation using regression analysis. I show the gas kinds distinction results obtained from three types of input elements—the regression coefficients, difference voltage, and output voltage. I then show how to obtain a reliable distinction result by using jointly distinction results obtained from the three different input elements.

収録刊行物

  • 日本火災学会論文集

    日本火災学会論文集 54(1), 1-8, 2004-02-25

    日本火災学会

参考文献:  11件中 1-11件 を表示

各種コード

  • NII論文ID(NAID)
    10012124742
  • NII書誌ID(NCID)
    AN0018688X
  • 本文言語コード
    JPN
  • 資料種別
    ART
  • ISSN
    05460794
  • NDL 記事登録ID
    6874152
  • NDL 雑誌分類
    ZN1(科学技術--建設工学・建設業)
  • NDL 請求記号
    Z16-105
  • データ提供元
    CJP書誌  NDL  J-STAGE 
ページトップへ