摘 要: | 常规的浊度计示值误差校正方法多采用比值校正法进行设计,应用过程中,无法深入挖掘浊度计示值的各项误差,存在校正精度较低的问题,导致浊度计测量的浊度示值与待测液的实际浊度值之间偏差较大。针对这一问题,笔者引入深度学习原理,以便携式浊度计为例,提出一种全新的示值误差校正方法。先采集便携式浊度计示值,获取浊度计示值的动态变化,然后利用深度学习算法原理,构建神经网络模型结构,通过神经网络模型的示值误差激励、校正量化、迭代训练、最优保存等步骤,得出最优化的示值误差校正结果。实验分析可知,新的方法应用后,测得标准浊度液的浊度示值与其实际浊度非常接近,示值误差较小,校正效果优势显著。
|