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。     

电子鼻在气体检测中的应用研究

优选对甲烷、丙烷及氢气交叉敏感的5只半导体传感器组成气体传感器阵列,建立实时数据采集系统,结合特征提取和模式识别算法,研制出了一种对3种可燃性气体进行实时检测的电子鼻系统。提出了双重神经网络定量分析多种未知气体的方法,即先利用第一重网络对气体进行定性识别,再应用第二重网络对识别出的气体进行定量分析。通过BP神经网络分析表明:该系统对3种气体的识别率达到了100%,定量分析的最大相对误差不超过9.4%。     

基于曲面拟合理论CO_2传感器数据融合研究

针对CO2气体传感器在实际应用中,由于环境因素干扰而导致检测精度下降这一问题,提出了采用曲面拟合理论的数据融合方法来消除环境温度对传感器输出的干扰。实验是在气体和温度的二维标定系统中进行,实验温度为0~50℃,CO2气体体积分数为(0~2000)×10-6,标定点取36个。通过数据融合,有效地降低了温度变化对CO2气体传感器输出的干扰,提高了气体传感器和温度传感器的测量准确度。     

气体传感器的建模及特性分析

建立了适合多种气体传感器流量静态数学模型和实验分析的测试系统,并对二氧化氮气体传感器(7NDH)的输入-输出、温度、交叉敏感特性进行了实验测试,用Matlab对实验数据进行了分析与研究.研究结果表明:所建立的气体传感器流量静态数学模型正确,气体传感器分析测试系统具有通用性.     

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。     

气体传感器阵列测试算法研究

采用人工神经网络中的BP神经网络处理阵列式气体传感器信号,气体传感器阵列与前馈神经网络模式识别技术结合而成的人工嗅觉系统被用来进行混合气体的定量分析.利用计算机模拟方法对非线性气体传感器阵列进行模拟,并运用MATLAB神经网络工具箱设计了BP网络,最后,对模拟数据进行了比较.结果表明:神经网络法具有非线性逼近能力强、识别率较高等特点.     

基于多传感器信息融合的分布式气体检测系统

现有的气体检测仪在技术上无法准确检测现场发生的有毒或可燃气体的泄漏；为了保证安全生产和科学管理，开发并应用适合有毒或可燃气体泄漏的检测系统，具有重要意义；提出了一种分布式多传感器气体检测系统的通用结构，研究了可用于该检测系统的自适应加权数据融合算法；最后介绍了一个应用实例，实验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，而且具有智能化和多功能化等优点。     

应用于卟啉阵列气体检测系统的识别算法

差值图谱是卟啉化学传感器(PSA)芯片识别气体的根据,但同种气体的差值图谱之间会出现颜色或显色位置的差异,存在实验数据发散的问题。结合BP神经网络和粗糙集,提出了一种新的气体种类识别算法,并将之用于PSA气体检测系统中。该方法利用粗糙集的数据约简功能找到差值图谱数据中颜色变化明显的点的数据,以这些数据为输入,进行BP神经网络的训练和识别。通过实验可以证明,相对于欧氏距离聚类结果、BP神经网络识别结果,本文提出的算法对于发散的实验数据具有更高的识别精度。     

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。     

人工神经网络在混合气体定量检测中的应用

介绍了一种基于气体传感器阵列的采用人工神经网络BP算法的混合气体定量检测装置的设计方法，讨论了采用这种方法进行混合气体定量检测的可行性，并基于对误差原因的分析提出几种减小误差的方法。     

自确认金属氧化物半导体气体传感器阵列及其应用研究

金属氧化物半导体(MOS)气体传感器阵列是机器嗅觉系统中获取目标气体信息的重要装置.由于气敏元件的材料特性,MOS气体传感器阵列在工作过程中不可避免地会发生突发故障及外界干扰,导致机器嗅觉系统的检测与分析性能下降.为了提升机器嗅觉系统的可靠性,在总结以往研究成果的基础上,提出了自确认MOS气体传感器阵列.该气体传感器阵列结合自确认传感器技术,能够实现自身的多故障检测与隔离、故障识别、故障恢复及测量质量评估等自确认功能.本文分别探讨了自确认MOS传感器阵列的硬件架构、功能模型及其关键技术.最后,介绍了一种面向大气环境污染气体监测的自确认MOS传感器阵列,实现了其异常状态监测与测量质量评估并对其有效性进行了验证.     

Chemical sensing by analysing dynamics of plasma polymer film-coated sensors

A chemical sensing system that incorporates unique sensor films and uses pattern recgonition of their dynamic responses is presented. This system consists of a sensor array of quartz-crystal microbalances coated with plasma polymer films. The films, synthesized by radio-frequency sputtering, are useful because of their high density of radical sites and unsaturated bonds. When this sensor array is exposed to a gas, the adsorption and desorption of the target gas causes a dynamic frequency response in each piezoelectric sensor. The sensor response is analysed by an autoregressive model typically to estimate the parameters of dynamic systems. This model's coefficients reflect the sensor dynamics, providing pattern vectors that characterize the target gas. Based on this model, classification maps for single gases can be created with these pattern vectors. Thesse maps show that the dynamic sensor response provides useful information for gas classification. This model also confirms that our sensing system can identify the components of a gas mixture.     

基于声表面波传感器阵列的气体鉴别算法研究

声表面波(SAW)传感器阵列具有体积小、功耗低、反应灵敏等优点,在食品检测、环境治理、气体鉴别等领域有广泛的应用前景。结合声表面波传感器阵列的原理及特点,建立和优化了声表面波传感器阵列的数学模型,并对数据进行预处理、主成分分析（PCA）以及BP神经网络分析处理,实现了对气体的鉴别分类,取得了好的实验结果。     

灰色Elman神经网络的矿井瓦斯涌出量预测

为了准确预测矿井瓦斯涌出量,将灰色理论与Elman神经网络模型结合,建立矿井瓦斯涌出量预测模型。灰色系统能较好地预测变化的趋势,而Elman神经网络具有动态特性好、逼近速度快、精度高等特点。对于煤矿生产中瓦斯涌出量的预测,两者结合能够发挥各自的优势,以某煤矿矿井为例,影响瓦斯涌出量的因素为预测因子建立灰色理论与Elman神经网络融合的预测模型。结果表明,灰色Elman神经网络模型优于传统灰色预测模型,提高了预测精度,达到了很好的预测效果。     

灰预测与时间序列模型在航天器故障预测中的应用

灰预测是灰色系统理论的重要组成部分,已成功应用于若干领域的预测;时间序列分析是定量预测方法之一;研究了利用以灰预测模型为基础,建立的残差灰预测模型和AR时间序列模型对航天器故障状态进行预测的方法;首先分析了灰预测模型以及残差灰色预测模型的建立过程,之后分析了AR时间序列模型的建立过程;然后利用所建立的模型进行航天器故障状态的预测,给出预测结果;研究表明,残差灰预测模型预测误差比基本灰模型降低,在特定的数据特征条件下也要优于AR时间序列模型.     

Adaboost集成BP神经网络在传感器阵列检测系统中的应用

针对目前常见的多元有害气体检测问题,设计并搭建了一种基于传感器阵列和集成 BP神经网络相结合的传感器阵列检测系统。在该系统中采用集成BP神经网络对传感器阵列的三种混合有害气体的响应信号进行回归分析。为了提高集成BP神经网络的预测准确性,又利用Adaboost算法对集成BP神经网络进行了优化。结果显示：该系统能够准确地检测气体组分,通过Adaboost算法对集成BP神经网络优化后,预测的平均相对误差小于2%,能够有效解决气体传感器的交叉敏感问题,提高传感器的选择性。     

PSO-BP神经网络在多元有害气体检测中的应用

针对目前常见的多元有害气体检测问题,搭建了一种基于传感器阵列和GP神经网络相结合的多元有害气体检测系统。该检测系统中采用了GP神经网络算法对传感器阵列的4种混合有害气体的响应信号进行回归分析。为了提高GP神经网络的预测准确性,又利用了粒子群优化（ PSO）算法对GP神经网络的权值与阈值进行了优化。结果显示：通过PSO 优化的GP（ PSO-GP）神经网络预测的平均相对误差小于2%,能够有效解决气体传感器交叉敏感问题。