共查询到10条相似文献,搜索用时 15 毫秒
1.
基于单传感器动态检测和神经网络的气体监测 总被引:1,自引:0,他引:1
研究了气体传感器动态检测结合神经网络识别空气中有机气体的新方法.这种方法利用单个SnO2气体传感器而非阵列在方波温度调制的状态下,可实现多种有机气体的定性分析.在0.02Hz的调制频率、250~300℃的温度调制范围,测得传感器对不同体积分数异丙醇、乙酰丙酮和乙醇气体的动态响应.通过小波变换对单个周期测试信号进行特征提取,并将提取的特征值输入神经网络进行定性识别和体积分数估计,仿真识别的成功率高达100%,同时,较准确地实现待测有机气体的体积分数估计. 相似文献
2.
3.
智能气体识别系统主要包括硬件电路、用户界面、信号处理和深度神经网络模型各模块。其采用 ESP32-S作为主控芯片,设计硬件电路对金属氧化物半导体气体传感器加热端电压动态调制,实验选择调制传感器温度范围为150~250 ℃,对应调制电压范围2.5~3.8 V。以20 Hz的频率采集热调制下的传感器特性变化曲线,通过信号传输功能传递至上位机,将所得热调制响应信号经信号处理特征提取后喂入自行搭建的I-5×5-2×2-200-200-P结构卷积神经网络训练构建模型,使用训练后深度神经网络模型前向传播实现对目标气体的快速识别检测。在静态气敏测试平台中的测试结果显示,该系统能有效实现对多种类VOC气体的识别功能,对乙醇、丙酮和异丙醇的42种测试气氛的识别准确率达到100%。 相似文献
4.
5.
利用单个商品化SnO2传感器,对CO和H2及其混合气体进行分类识别和定量分析.对传感器进行温度调制,获得传感器在不同浓度CO、H2和CO/H2混合气体中的动态响应.对动态响应信号进行离散小波变换(DWT),选取小波系数作为特征,输入到支持向量机(SVM),实现了对CO、H2及其混合气体的识别(其中CO浓度100×10-6,H2浓度1 000×10-6),正确识别率超过96%.从动态响应曲线提取特征,利用SVM模型对CO/H2混合气体进行定量分析,准确地估计出CO的浓度.另外,采用相同样本集,对比SVM和BP算法, 结果显示SVM具有更优的泛化性能.可用的数据处理算法可移植到单片机实现,在气体传感器智能化的研究中具有潜在的应用价值. 相似文献
6.
7.
温度调制技术已被证明能够改善气体传感器的选择性。为了有效提取传感器对被测气体的响应特征,提出应用Hil-bert-Huang变换对温度调制下的气体传感器的动态信号进行分析,可获得传感器动态响应信号中的瞬时频谱和边际谱等有效的气体响应特征。通过对一个微热板式气体传感器在矩形波调制下对三种易燃易爆气体响应的动态信号进行测试和分析,说明提取的瞬时频谱和边际谱能较好的体现被测气体信息。进一步研究了调制周期对动态响应信号的影响和该方法在正弦波、三角波等温度调制模式下的传感器对三种易燃易爆气体的响应,结果说明使用瞬时频谱能够有效提取信号中的气体信息。 相似文献
8.
9.