基于传感器动态检测和神经网络的气体识别

提出将气体传感器阵列动态检测与人工神经网络相结合的方法实现气体的识别。设计了用该方法进行气体检测识别的实验系统。该方法具有实验次数少、识别准确度高的优点。实验以4个金属氧化物半导体气体传感器组成的阵列为例,详细讨论了该方法的实验过程及识别结果。通过实验对甲烷、乙醇、丙酮3种气体及其混合气体进行识别,结果表明:该方法的正确识别率达到100%,具有很高的实用价值。     

基于气体传感器阵列的易挥发化学品判别系统

利用气体传感器阵列结合判别软件,可用于气体的定性识别。本系统采用气体传感器MQ211组成阵列,结合气室和必要的电路,设计了实时数据采集判别系统,介绍了判别系统的构成与实验过程,实验结果表明:本系统能准确判别多种易挥发化学品。     

基于最近邻域法的气体传感器模式识别技术研究

提出将气体传感器阵列检测与最近邻域法相结合的方法实现气体的模式识别。设计了用该方法进行气体识别的实验系统。该方法具有实验次数少,且识别准确度高的优点。实验以3只金属氧化物半导体气体传感器组成的阵列为例,详细讨论了该方法的实验过程与识别结果。通过对CH4,H,CO 3种气体进行识别实验,结果表明:该方法的正确识别率达到100%,具有很高的实用价值。     

基于神经网络的人工嗅觉系统设计

利用半导体气体传感器的交叉敏特性，将气体传感器阵列与自适应共振理论神经网络相结合，构建了一个用于临场感机器人的人工嗅觉系统，用于对气体的定性识别。实验结果表明，该设计方案是可行的。     

基于气体传感器阵列的动态检测系统

描述了一个基于传感器阵列的气体检测系统,其阵列由6只气体传感器组成。系统采用较以往静态加热所不同的动态加热方式,重点介绍了该系统的硬件结构。通过分析系统的气体响应特性实验得出:该系统具有静态测试所不具备的许多优点,如,信号特征多、容易识别等。     

基于卟啉传感器阵列系统的肺癌标志物识别算法

卟啉传感器阵列系统可以检测肺癌呼出气体中特定的标志性气体,不同标志性气体检测输出的差值图谱不一样.介绍了一种结合反向传播(BP)神经网络和主成分分析(PCA)的肺癌标志性气体种类识别算法,并将其应用在卟啉传感器阵列系统中.通过计算卟啉传感器阵列中各点的主成分得分选出敏感点,保留各气体敏感点的值,并组成识别模板作为BP神经网络的输入层,达到去除冗余数据的目的.通过实验对比聚类分析结果、未降维数据的BP神经网络识别结果及已经PCA降维后的数据作为输入的BP神经网络识别结果,证明提出的算法可以更加精确地识别不同的肺癌标志性气体.     

基于气体传感器阵列和非线性信号分析技术的龙井茶品质检测方法研究

本文研究了一种基于传感器阵列信号分析的龙井茶品质检测技术,采用多气体传感器阵列构建检测平台,实验检测不同储存时间的龙井茶样品,并对传感器阵列信号开展信号分析。为了进一步优化传感器阵列检测龙井茶品质的准确性,对传感器阵列参数优化,得到优化之后的阵列,优化后的传感器阵列具有更高的准确性。采用载荷分析（Loadings）、归一化处理进行数据的预处理。实验采用模糊c均值聚类（FCM）、k近邻函数（KNN）和概率神经网络（PNN）三种方法对传感器阵列检测信息进行了模式识别,以评估所构建系统的检测精度。结果表明三种方法的识别正确率分别为90.83%,90%和93.3%。结果表明KNN和PNN针对气体传感器阵列检测龙井茶品质领域均呈现了较好的模式识别结果。以上结果证明该系统具有较好的检测精度,随机共振系统输出相关系数曲线可以较好的区分不同茶叶样品,并且依托互相关系数特征峰值构建了其品质分析模型。     

基于随机共振的气敏传感器阵列信号的识别研究

6只不同的碳纳米管气敏传感器用来识别甲醛、苯、甲苯、二甲苯4种挥发性有机物(VOC),传感器的响应输出在外加噪声的情况下通过单个阈值检测器,出现了阈上随机共振,使得传感器阵列采集的气体信号得到了增强.对不同种类的气体,最大互相关系数不同,而且对每类气体这个最大互相关系数是恒定的,因此能准确地用来代表不同种类的气体.实验结果表明基于随机共振的最大互相关系数法可以作为传感器阵列信号识别的一种新的算法,且准确度高.该方法在利用随机共振提高系统性能方面有很大的应用前景.     

基于传感器阵列与神经网络的气体检测系统

在分析研究电子鼻理论和系统组成的基础上,设计构建了一套传感器阵列与人工神经网络相结合的混合气体检测系统.并采用该系统对三种气体传感器(一氧化碳CO、二氧化硫SO2和二氧化氮NO2)进行了实验,对实验数据用神经网络(BP和 RBF)进行了分析、识别和气体体积分数的计算.结果显示该检测系统识别准确,不仅能够解决气体传感器交叉敏感问题,提高器件的选择性,而且具有智能化和多功能化等优点.     

基于集成气体传感器阵列的电子鼻系统

介绍一种基于集成气体传感器阵列的电子鼻系统硬件实现方法。描述了系统的一般组成,重点介绍了所采用的集成气体传感器及其信号拾取方法。该系统可实现对检测气体的自动数据采集、微机传送,具有高的灵敏性和可靠性。另外,对采用的集成气体传感器系列,该电子鼻系统具有一定的通用性。利用该系统对五种葡萄酒进行了检测,结果表明:该电子鼻系统可有效地用于葡萄酒的定性识别,识别准确率达到100%。     

基于自组织特征映射网络的气体识别方法研究

针对气体传感器的交叉敏特性,提出将气体传感器阵列与模式识别上结合形成人工嗅觉系统,用于气体的定性识别和定量检测。利用６个半导体传感器组成阵列,并结合自组织特征映射网络模式识别技术准确地识别了ＣＯ、Ｈ２、ＣＨ４等三种气体,说明人工嗅觉系统能够提高气体伟感器的选择性,自组织牧映射网络应用于气体识别是可行的。     

基于传感器阵列与前馈神经网络的气体辨识系统

将气体传感器阵列与前馈神经网络模式识别技术相结合形成气体辨识技术相结合形成气体辨识系统,通过实验比较了不同的传感器信号预处理方法、前馈神经网络的结构和参数对气体辨识系统性能的影响,研究结果具有一定的工程应用价值。     

融合传感器阵列与SSA-BP神经网络的气体监测系统设计

为了有效监测化工厂等场所的危险气体和解决金属氧化物传感器普遍存在交叉敏感性的问题，首先使用不同的MEMS气体传感器组成传感器阵列。然后配制不同的实验气样进行测试，得到实验测试数据，并整理成训练集和测试集样本。最后，采用麻雀搜索算法优化的BP神经网络（SSA-BP）完成气体的定性、定量分析。实验测试结果表明：SSA可以有效提高预测模型的预测精度和稳定性，对乙醇、甲烷、氨气的定性识别的正确率达到100%，气体定量预测的最大相对误差不超过5.50%，预测效果得到明显改善。该系统可以满足混合气体的定性和定量分析要求，在危险化学气体监测方面具有良好的应用前景。     

混沌遗传神经网络（CGANN）用于压电TSM晶体传感器阵列数据的模式识别

人工神经网络已被广泛应用于气体传感器阵列的模式识别研究中。该文利用混沌遗传人工神经网络算法(CGANN)对压电TSM晶体传感器阵列数据进行模式识别。数据处理结果表明，该方法能准确的对压电TSM传感器阵列数据中对应不同气体物质如乙醇，氯仿及丙酮等样本进行分类识别。     

基于碳纳米管微传感器阵列和随机共振的气体检测方法研究

提出了一种基于多壁碳纳米管微传感器阵列和非线性随机共振算法的新型气体检测方法。微传感器阵列包括碳纳米管阳极传感器和碳纳米管阴极传感器以减小检测系统的交叉灵敏度。实验检测了乙醇、丙酮和氨气三种气体,传感器阵列响应输入随机共振系统进行处理,结果表明,信噪比曲线参数能够标定气体浓度和种类,且随机共振处理方法可以有效的降低系统的交叉灵敏度,检测系统具有较好的灵敏度和重复性,具有较好的实用价值。     

基于卟啉传感器的气体检测系统的设计

针对传统气体检测方法的不足,设计了一种基于卟啉传感器的快速气体检测系统.反应室的流体仿真表明该系统检测结果具有可比性.该系统采集存储卟啉传感器与气体反应前后的图像,通过图像处理技术获得传感器阵列的颜色变化信息,将其与数据库中的记录进行匹配,得到检测结果.实验表明:该系统响应快速,能准确检测识别多种有害气体.     

基于人工神经元网络的汽油定性分析

通过气体传感器阵列组成的气体信号采样系统，可获得汽油样本信号。在此基础上，利用人工神经网络对之进行定性分析，可鉴别汽油型号。文章介绍了汽油识别原理和定性分析算法的实现，实验结果表明该方法是正确的。     

可视嗅觉传感器阵列研究及图像分析

针对目前电子鼻系统普遍存在的检测范围窄、受环境湿度影响较大等缺点,本文依据金属卟啉配合物与有机气体反应会产生颜色变化的原理,研制了一种新型的气体敏感膜,设计了可视嗅觉传感器阵列的实验系统.系统通过分析敏感膜与不同的气体反应所呈现的颜色变化识别气体,具有完全不受外界水蒸气影响和检测精度高等特点.用该传感器敏感膜分别对环己胺、乙腈和四氢呋喃进行了试验,试验结果表明该传感器阵列能够正确地识别这三种有机物.     

混沌遗传神经网络(CGANN)用于压电TSM晶体传感器陈列数据的模式识别

人工神经网络已被广泛应用于气体传感器阵列的模式识别研究中.该文利用混沌遗传人工神经网络算法(CGANN)对压电TSM晶体传感器阵列数据进行模式识别.数据处理结果表明,该方法能准确的对压电TSM传感器阵列数据中对应不同气体物质如乙醇,氯仿及丙酮等样本进行分类识别.     

厚膜SnO2气体传感器的嗅觉特征提取与处理

用一组厚膜SnO2气体传感器阵列模拟人的嗅觉形成过程,对5种不同体积分数乙醇溶液进行分析。详细叙述了实验过程,分别从每个气体传感器与气体反应的曲线中提取4个特征,用BP神经网络对样本特征值的处理,对不同体积分数乙醇溶液进行识别。神经网络对训练集的回判正确率为100％,对测试集测试正确率为90％。