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%。     

电子鼻在棉织物异味检测中的应用研究

基于电子鼻传感器检测技术,对棉织物中5种异味整体性质的人工智能评价进行探究,根据传感器检测数据曲线和数据主成分分析(PCA)分析,结果表明:各传感器对不同异味成分的响应性不同,PCA分析法处理数据能够有效区分布样中不同的异味组分,为纺织品异味的快速、有效、客观检测评定奠定了一定的基础.     

电子鼻在食品工业中的应用研究进展

电子鼻是一种新颖的模拟人的嗅觉来分析、识别和检测复杂嗅味和挥发性成分的仪器。电子鼻由气体传感器、信号处理和模式识别系统等组成。介绍了电子鼻的组成和工作原理,综述了电子鼻在食品原料、加工、质量监测、成份检验以及农产品贮藏中的应用研究进展,并指出了电子鼻目前存在的主要问题。     

电子鼻技术应用研究进展

综述了电子鼻技术在烟草行业、食品工业、精细化工、医疗诊断、环境监测等领域中的应用研究进展.表明,电子鼻技术具有广阔的应用前景,体积小、价格低的便携式电子鼻系统的研究开发应该受到重视.     

电子鼻在危险爆炸物检测中的应用研究

利用由18个纳米氧化锌厚膜气敏传感器组成的阵列对硝铵、矿山炸药、苦味酸、2,4二硝基甲苯(DNT)这4种典型爆炸物样品进行了测量.采用动、静态相结合的采样方法考察了传感器阵列的检测能力,在动态实验中通过提取不同的特征值并利用主元分析(PCA)和聚类分析(CA)方法对数据进行了分析和识别.静态实验结果表明传感器阵列在不同浓度上对4种典型爆炸物均有不同程度的响应,该方法能检测到硝铵、矿山炸药、苦味酸的浓度低至3.34 μg/L,DNT为83.3 μg/L;动态实验结果表明提取极值为特征值对阵列进行PCA、CA分析,可使4种典型爆炸物在毫克级上能完全区分.以上结果说明电子鼻技术在危险爆炸物检测中是一种很有发展前途的实用技术.     

一种车站危险品检测中的三维图像重建方法

图像重建是车站危险品检测过程中的重要环节,其结果直接关系到后续危险品的识别。为此提出了一种基于FDK算法的三维图像重建方法。该方法首先将X射线探测器得到的物体投影值,利用正弦函数对投影数据进行加权;然后对不同投影角度的投影数据进行水平方向的一维滤波,去除噪声和伪迹;最后沿X射线方向进行三维反投影。实验结果表明,该方法能更清晰地重建出物体。     

电子鼻的应用综述

电子鼻是一种由一个以传感器阵列形式存在的化学传感系统和一个神经网络形式(典型模式)的模式识别系统组成的高级传感器系统.它可以在几小时、几天甚至数月的时间内连续地、实时地监测特定位置的气味状况.现在,食品和饮料等行业的许多企业已经开始在生产中采用电子鼻产品,但其应用领域还不够广泛,主要原因还在于它的尺寸和价格.体积小、价格低的手持式电子鼻虽然有一些不足之处,是未来电子鼻技术能够广泛应用的关键.本文就电子鼻在各行业中的应用现状与其可推广使用领域进行介绍.     

电子鼻技术及应用研究进展

本文介绍了电子鼻的基本原理和结构组成;综述了近年来电子鼻技术在食品、医药、农业、环境监控、公共安全等领域的应用进展;总结了电子鼻研究中存在的问题,并展望了其未来的发展方向.     

仿生气体测量系统——电子鼻

电子鼻是仿照生物的嗅觉系统所设计出来的一个用于测量气体中的化学成分的系统。同以往由单个气体传感器所构成的气体测量系统相比,它从结构上、信号处理的方法上以及使用上都有许多不同的特点。主要介绍了电子鼻的应用、结构以及同传统的气体测量系统的不同点。     

基于加速度传感器的在途危险品行为姿态检测方法

危险品如易燃易爆和放射性物品等在运输途中可能由于倾倒、碰撞等异常行为造成泄漏、自燃、爆炸等危险事故。针对危险品在运输途中的监控问题,本文提出一种基于六轴加速度传感器的在途危险品行为姿态检测方法。首先利用附着在危险品包装上的六轴加速度传感器模块获取危险品三轴加速度及两轴姿态角数据,然后对运动数据流进行滤波和时间窗口切分,精简数据处理量,最后基于运动数据的统计特征,分析并设计特征向量和决策分类器,实现在途危险品的行为姿态分类。实验证明本方法具有较高的识别精度,具有一定的实际应用价值。     

运输物联网在危险品运输监测中的应用

简述了运输物联网的相关概念、应用框架及危险品道路运输监管领域应用背景,并系统地梳理了智能运输在该领域应用的研究进展,最后对危险品运输行业中运输物联网的应用前景进行了展望。     

危险品运输风险监测和控制系统

以公路液化天然气( LNG)运输为例,设计了一个危险品运输风险监测和控制系统,在传统的风险监测系统的基础上,提出了一种应急预案生成方法。该方法结合基于遗传算法( GA)的聚类和基于案例的推理( CBR)模型,解决了传统监测系统无法给出应急措施的问题。在聚类时,为各参数增加了权值,实验表明,使得应用本算法查找到的相似案例更具有可参考性和实用性。该系统能够大大缩短发现异常到采取行动之间的响应时间,从而有效降低事故发生率。     

Railroad transportation of dangerous goods: Population exposure to airborne toxins

Hazardous materials are potentially harmful to people and environment due to their toxic ingredients. Although a significant portion of dangerous goods transportation is via railroads, prevailing studies on dangerous goods transport focus on highway shipments. We present an analytical framework that incorporates the differentiating features of trains, notably volume and nature of cargo, in the assessment of transport risk. We focus on hazardous materials that are airborne upon an accidental release into the environment. Each railcar is a potential source of release, and hence risk assessment of trains requires representation of multiple release sources in the model. We propose a risk approximation approach, which is not only effective but also robust with regards to the positioning of hazardous cargo in the train. We report on the use of the proposed approach for the assessment of population exposure associated with “Ultra-train” that passes through the city of Montreal everyday.     

基于组合遗传算法的铁路危险货物办理站点整合优化

铁路危险货物办理站点作为铁路危险货物运输基础设施之一,其选址布局、建设规模和职能分工的合理性对于提高铁路危险货物运输效率、满足运输需求和环境风险控制目标都至关重要。为了有效解决铁路危险货物办理站点整合优化的多目标选址—分派模型组合方案规模庞大、计算困难的问题,采用了组合遗传算法对此问题进行优化。算例结果显示,该算法具有收敛速度快、运行稳定的特点,能够有效解决相关问题。     

金属胶体纳米材料及研究新进展

简要介绍了金属胶体纳米材料奇特的电磁、光学、催化、理化及传输等性质,主要包括：电磁性质、强度性质和可塑性、传输性质,以及催化和光学性质等。这些性质的应用前景、理论解释及当前的研究进展,同时从胶体聚团的理论出发,提出这些金属纳米材料的奇特性质可能与其在合成纳米结构单元时,形成了某种类晶格点阵有关。     

概念格在入侵检测中的应用研究

为了发现潜在的、有效的入侵检测规则,提高入侵检测系统的检测率,将概念格与入侵检测技术相结合提出了一种基于概念格理论的入侵检测系统.系统通过对收集的数据进行预处理、数据规范化,使用属性约简得到最小属性集构建概念格,同时分析概念间的蕴涵关系,获得非冗余的分类规则.基于概念格的入侵检测模型与其它检测方法相比要求的训练数据获取简单,实验结果表明,使用该模型减少了实现分类的运算量,提高了入侵检测的检测率,有效控制了检测的误检率.     

改进K-means算法在入侵检测中的应用研究

为了弥补传统K-means聚类算法在K值确定和初始中心选择难等方面的不足,基于“合并与分裂”思想,提出一种改进的K-means聚类算法。将数据独立程度概念引入实验数据子集构造理论中,利用独立程度评价属性的重要性;根据点密度将数据集合并为若干类,结合最小支撑树聚类算法与传统K-means聚类算法实现分裂;使用KDD Cup99数据集对改进算法在入侵检测中的应用进行仿真实验。结果表明,改进算法在检测率和误报率方面均优于传统K-means算法。     

模糊逻辑理论在入侵检测系统中的应用研究

通过基于模糊逻辑的数据挖掘方法实现特征选择,使用模糊逻辑推理进行数据分析,以及支持响应回卷的模糊默认逻辑推理处理预警响应,使得入侵检测系统在特征选择和预警响应方面得到改善。实验结果显示,该检测方法能够有效检测入侵攻击,具有较低的误报率和漏报率。