买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉吉林大学申请的专利一种气体传感器阵列自适应前融合检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116340882B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310311009.3，技术领域涉及：G06F18/25；该发明授权一种气体传感器阵列自适应前融合检测方法是由卢革宇;岳文强;胡小龙;马忠嘉;郭帅设计研发完成，并于2023-03-28向国家知识产权局提交的专利申请。

本一种气体传感器阵列自适应前融合检测方法在说明书摘要公布了：本发明公开了一种气体传感器阵列自适应前融合检测方法，属于传感器智能检测技术领域，包括：数据集准备及预处理；基于深度学习和MASK算子的神经网络模型的构建；基于深度学习和MASK算子的神经网络模型的训练；采用上述训练好的神经网络模型检测出实际浓度值与阵列传感器件状态。本发明将阵列传感器和干扰气体传感器完整的纳入计算，输入数据为从各传感器采集到的原始数据，经算法融合分析后得到的输出数据为气体浓度值和各传感器件的工作状态，实现真正意义上的端到端信息提取；该算法的成功构建，有助于推进气体传感系统通用性算法框架的构建和自动化的算法优化。

本发明授权一种气体传感器阵列自适应前融合检测方法在权利要求书中公布了：1.一种气体传感器阵列自适应前融合检测方法，其特征在于，具体包括如下步骤： 步骤一：数据集准备及预处理； 收集在干扰气体下，待测气体经过同型号阵列传感器检测的已有标准校正数据；将干扰气体浓度、环境参数和待测气体标准浓度组成数据集，并对数据集进行预处理，所述预处理包括清理、去噪及标准化，经预处理后得到带有时间维度的气体浓度序列数据集； 步骤二：基于深度学习和MASK算子的神经网络模型的构建； 数据处理模块中，对数据集采用MASK算子运算实现数据增强，并使用十次十折交叉验证切分数据集；序列处理模块中，调节序列神经网络模型中编码器和解码器模块超参数，参考均方误差、平均绝对误差指标使用网格搜索优化函数评估出最优的超参数组合，以估算出各个传感器序列对应的气体浓度值、环境参数值；其中，所述气体浓度值包括干扰气体浓度值；融合处理模块中，采用卷积神经网络自动的从序列处理后的数据中提取特征，从而实现对传感器的检测和诊断； 步骤三：基于深度学习和MASK算子的神经网络模型的训练； 步骤四：采用上述训练好的神经网络模型检测出实际浓度值与阵列传感器件状态； 步骤二中，所述序列处理模块中，采用Transformer神经网络的Encoder-Decoder模型及嵌入层对数据进行时序处理；其中，所述嵌入层用于将传感器采集到的数据转换为神经网络可以处理的向量形式；所述Encoder模块用于将输入序列转换为一组隐藏表示；所述Decoder模块用于根据Encoder模块提供的隐藏表示和之前生成的输出，生成当前时间步的输出； 所述嵌入层由位置编码器及输入嵌入组成，位置编码器用于为每个时间点的输入数据添加位置信息，以便于模型学习时间序列的顺序；输入嵌入用于将每个时间点的输入数据转换为固定维度的向量表示，以便于后续的注意力机制、编码器和解码器进行处理。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人吉林大学，其通讯地址为：130012 吉林省长春市长春高新技术产业开发区前进大街2699号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。