基于人工神经网络的气体定性分析方法

提出将气体传感器阵列与交馈神经模式识别技术相结合,解决气体传感器的“交叉敏”问题,从而完成气体的定性、定量分析;针对常规ＢＰ算法的缺点,构造了基于自适应调整步长和加动量因子的改进ＢＰ算法用于前馈神经网络的训练;通过实验对Ｈ２、ＣＨ４、ＣＯ等三种气体进行了识别,结果表明利用气体传感器阵列和前馈神经网络进行气体定性分析是可行的。     

运用人工神经网络进行混合气体定量分析的研究

优选了分析CO、H2和CH4混保气体的传感器阵列,构造了传感器信号预处理和神经网络训练算法,从而建立了用于混合气体定量分析的人工嗅觉系统。实验结果证明,系统能够以较高的精度分辨出3种气体的浓度。     

纳米ZnO传感阵列对多组份气体的智能识别

采用物理热蒸发法制备纯ZnO纳米线及Al,Ag,Ni掺杂的ZnO纳米线.以纯ZnO纳米线及Al,Ag,Ni掺杂的ZnO纳米线为基料分别制成气敏传感器;利用气体敏感的差异性,构建纳米ZnO基气敏传感器阵列,结合BP人工神经网络来实现纳米ZnO基气敏元件对目标混合气体组分和相对浓度的识别.结果表明:将传感器阵列输出灵敏度值进行处理后,输入BP神经网络完成训练,能够准确识别混合气体(CO,H2,CH4)的组分与相对浓度。     

基于卷积神经网络的电子鼻分类识别

在混合气体识别的研究中,针对目前电子鼻应用于化工污染物种类监测时难以达到理想精度的问题,提出了一个基于卷积神经网络的气体分类识别算法。首先利用卷积神经网络的自适应特征提取能力,有效降低原始数据对后续操作的影响;其次进行多次实验训练,对卷积神经网络进行参数优化,提高网络模型性能;最后将提出的卷积神经网络算法与BP神经网络算法分别应用于加州大学公开数据集中的一氧化碳和乙烯混合气体的实验数据中。实验结果表明,卷积神经网络算法对此数据集的气体种类检测准确率达到93%,比BP神经网络算法应用于气体识别时精度更高,误差更小,为电子鼻系统气体种类检测提供了一种新的方法。     

结合N-W方法的L-M算法在变压器故障诊断中的应用

在分析Levenberg-Marquardt(L-M)算法和Nguyen-Widrow(N-W)方法原理的基础上,提出了一种多层前馈神经网络训练算法,该算法在使用N—W方法初始化神经网络可变参数的基础上使用L-M算法训练多层前馈神经网络。构造了适合于变压器油中溶解气体分析故障诊断的神经网络,使用了标准BP算法、加动量项BP算法和结合N-W方法的L-M算法训练该网络,结果表明算法收敛速度快、不容易陷入局部极小点。将训练所得网络用于变压器油中溶解气体分析故障诊断,诊断结果验证了该方法的有效性。     

基于气体传感器阵列的静态检测系统

由于社会安全的需要,实际生活中需要对易燃易爆物、易制毒化学品等进行检测报警,以保证人民生命财产的安全,尽可能减少损失。本文是用半导体气体传感器阵列静态测试的方法,对一些易挥发性有毒气体进行检测,给出系统硬件和软件设计,通过实验获得被测气体的特征曲线,并对结果进行分析,从而判定气体的种类,识别准确率达到85%以上。     

糖尿病呼气检测分析仪设计

丙酮可以作为糖尿病呼气检测的一种标志物。从呼气检测角度出发,基于电子鼻原理设计了糖尿病呼气检测分析仪。研究中基于金属氧化物半导体(Metal Oxide Semiconductor,MOS)气体传感器设计了传感器阵列,基于末潮呼气缓冲原理(Buffered end-tidal,BET)设计了呼气进样器,基于Matlab通过主成分分析法(Principal Component Analysis,PCA)和BP (Back-propagation)神经网络对呼气进行了模式识别。在模拟试验中,利用100份健康的呼气样本和100份模拟病患的呼气样本对系统的功能进行了验证。PCA图谱显示气体传感器阵列对两类不同的呼气样本的响应有着明显的区别,呼气进样器可实现系统的在线式进样,模式识别算法对两种样本的最终识别精度为91.67%。呼气分析仪的设计对于糖尿病的无入侵式检测有积极的意义。     

基于分布式传感器阵列的静态气体源定位方法

基于气体湍流扩散模型提出了适用于稳定风场的静态气体源定位方法, 采用分布式传感器阵列对空间内的目标气体浓度进行检测, 依靠多点观测结果计算气体源位置. 定位算法预先设定气味源的潜在范围, 采用遍历计算的方法将气味源定位问题转变为根据最小二乘法则在预设范围内求取气体源坐标最优解的问题. 通过仿真实验对新算法进行验证, 建立金属氧化物气敏传感器阵列及信号采样系统, 以乙醇蒸汽为目标气体在实验室环境下进行了实际气体源定位实验.     

分立传感器电子鼻

利用不同的分立传感器组成传感器阵列。通过试验测试组成阵列的分立传感器,以确定性能更好的传感器阵列组成方式。使用北京京宫酒业技术发展公司生产的京宫二锅头酒作为试验样品,分别按照1∶3、1∶2、1∶1的比例加入蒸馏水,与不加水的原装酒进行比较,检验传感器阵列的性能。采集数据后使用神经网络判断阵列的可用性。研究结果证明调换传感器可以提高系统性能。     

基于神经网络的气体目标识别方法

研究神经网络在战场气体特征目标识别应用中的有效算法.通过建立战场目标气体特性探测与分析系统,针对战场上不确定背景条件下气体目标的自动识别问题,在总结目标特性规律,分析BP算法的基础上,采用BP算法对分类器进行训练,改善系统对信号的探测能力.典型战场目标信号样本检验表明:利用基于神经网络的分类器来实现对战场气体目标的识别分类是可行的.