无线电子鼻测量系统设计与实现

介绍一种用于远程实时环境气体浓度精确监控的无线电子鼻网络节点设备,讨论了用于环境测量的电子鼻的节点设备组成和原理。同时考虑到气体传感器噪声及环境噪声对测量精度影响,建立了气体浓度测量的卡尔曼滤波模型,重点讨论卡尔曼滤波技术应用到气体浓度测量过程中,通过实验数据的结果确定了滤波器参数,提高了噪声影响下气体浓度的测量精度。     

基于ICA的气体模式识别方法研究

文中提出一种基于独立成分分析的非监督气体模式识别方法,用多元统计理论中的独立成分分析(independent component analysis-ICA)来分析金属氧化物半导体气体传感器阵列响应数据,进而实现对不同种类气体的分类.对所设计的电子鼻实验系统测量得到的气体传感器阵列稳态响应数据进行了白化和快速定点独立成分分析(FastICA)处理.实验结果表明该方法对区分一氧化碳(CO)、甲烷(CH_4)和氢气(H_2)3种气体有很高的识别率.     

基于单传感器温度调制的无线电子鼻系统设计

针对无线电子鼻系统应用多个气体传感器组成传感器阵列功耗过大的问题,本文研究了基于温度调制技术的单传感器动态检测方法,并设计了相应的无线电子鼻系统,实现了单一传感器对混合气体的定量分析.根据半导体气体传感器在不同工作温度下具有不同响应灵敏度的特点,用高压5 V、低压1.5 V、周期为150 s的矩形脉冲加热电压控制传感器工作在高温和低温两种状态,通过选取一个加热周期内传感器动态响应在4个时刻的采样点,构成4个虚拟传感器响应.利用支持向量机回归算法建立混合气体分析模型,提高小样本情况下的泛化性能.对氢气和甲烷两种气体混合样本进行实验,结果表明该系统可有效地分析混合气体成分,具有较高的精度,较低的功耗,并可通过无线传感器网络对目标气体进行实时监控.     

流速对半导体气体传感器响应的影响分析

半导体气体传感器被广泛应用在电子鼻系统中用于检测可燃性气体。然而,半导体气体传感器对环境变化非常敏感,从而影响电子鼻识别目标气体浓度的精度。文章通过实验研究了气体流速对传感器响应曲线及特征参数的影响,研究结果表明,流过传感器的流速对传感器的动态响应和稳态响应都有影响。流速越大,传感器的响应时间和恢复时间越短,灵敏度越高,基线电压越小,不同传感器的稳态响应电压受流速的影响趋势不同。流量小于200 sccm时,传感器受流速变化的影响较大,当流量大于500 sccm以后,传感器受流速变化的影响已越来越小。     

基于KPCA和RBF网络的电子鼻气体识别

提出了将KPCA特征提取和RBF网络识别相结合的气体检测方法,设计了一种用于气体实时检测的电子鼻系统,探讨了核主成分分析(KPCA)和RBF神经网络相结合进行气体识别的可行性.将传感器阵列的动态检测方法应用到电子鼻系统中,对甲苯、乙酸酐、乙醚、丙酮4种气体进行检测,针对响应信息的非线性变化利用KPCA进行特征提取,并作为RBF网络的输入,检测系统重复性和稳定性好,识别率可达87.5%.     

高精度电子鼻采样电路设计与检测系统开发北大核心CSCD

电子鼻融合了气体传感器阵列、数据采集电路和模式识别算法,可实现对不同气体的识别与分类。在电子鼻的研发过程和实际应用中,气体传感器阵列的响应、数据采集的精度直接影响着对目标气体的识别准确率。文中以高精度、宽量程采样为目标,设计半导体气体传感器电阻信号的采样电路,结合自动化配气系统提高信号采样稳定性。进一步通过上位机软件设计,研制出可测试多种气体的电子鼻检测系统。对乙醇、甲苯和甲醛3种气体的测试研究表明:该系统能够稳定地实现传感器电阻值信号采样,阻值范围在10 kΩ~100 MΩ,采样误差低于0.31%。结合良好的气体分类效果,展现出电子鼻应用于多组分气体检测的潜力。     

基于特征提取与选择的气体识别研究

在电子鼻系统中,特征提取和选择以及分类模型都是其性能改进的关键。针对从传感器阵列中提取单一特征时会忽略传感器特异性的问题,提出基于相关性分析来选择每一个传感器最优的特征提取方法,组成最优特征向量进行气体识别,实验表明：通过该方式提取的特征向量在分类模型中表现更好,在各模型的平均识别准确率提升了0.027,其中支持向量机和人工神经网络提升效果最明显,分别提升了0.031和0.054。并根据模型特性和实际需求,提出逻辑回归与支持向量机结合的二次分类模型,实验表明该模型能够进一步提高分类准确率,降低具体气体检测场景中辨别气体错误的风险。     

气体传感器信号提取关键技术研究

气体传感器与普通传感器特性存在很大差别,比较突出的是具有严重的滞后。由于滞后的存在,在线检测时,传感器响应大多数无法达到稳态值。这些滞后包括线性与非线性两种。针对线性滞后,建立了一种一阶线性滞后模型,利用瞬态过程的中间数据进行回归,实现了稳态值的最佳估计,并通过实验证实了该模型具有较高的准确度。针对非线性滞后,提出了一种基于移位回归的算法,该算法可以有效地消除非线性滞后,并且具有高度自适应能力。此外,对移位回归算法进行了优化。该方法不仅适用于电子鼻系统,也适用于各种气体传感器信号检测的应用场合。     

二元混合气体识别中传感器阵列优化方法研究

用于混合气体识别的电子鼻系统中,气体传感器阵列直接决定了识别效果、算法复杂性和硬件成本。为了研究阵列优化方法,以甲烷和乙烯二元混合气体为识别对象,将方差分析法和主成分分析法相结合用于气体传感器阵列的筛选优化,对比了优化前和优化后的传感器阵列对二元混合气体的识别效果。该阵列优化方法能够最大限度地简化传感器阵列,优化后的传感器阵列在保持识别精度的同时,传感器数量更少、软硬件成本降低、网络收敛速度更快。     

基于非周期随机共振的粮食早期霉变识别研究

随机共振向人们展示了噪声在非线性系统中的积极作用,在深入分析非周期随机共振FHN模型的基础上,提出了一种基于最大互相关系数的方法来进行电子鼻信号的分类识别.实验中8只传感器构成的电子鼻阵列采集了燕麦不同程度的早期霉变数据,对这些数据利用主成分分析法降维处理后,通过非周期随机共振系统,发现不同霉变程度的燕麦,其最大互相关系数不同,而且对每个类别该系数几乎是常数,因此能准确地用来代表不同的类别.实验结果表明基于非周期随机共振的最大互相关系数法准确可行,为电子鼻信号的分类识别提供了一种新的思路和方法.