基于传感器阵列瞬态响应信号分析的气体识别关键技术研究

气体识别关键技术是对气体进行检测的一种技术手段,通过模拟生物嗅觉功能,能够保证气体检测具有较高的效率性和准确性。气体识别技术在公共安全检测、食品质量控制、环境保护等方面发挥了日益重要的作用,这就促进了该技术手段的不断进化和提升。基于传感器阵列瞬态信号分析的气体识别技术,注重对多个气体传感器之间相互独立的特性进行应用,通过瞬态响应曲线对气体有效特征进行提取,以实现对气体特点的识别。基于传感器阵列瞬态响应信号分析的气体识别,侧重于信号的获取、特征提取、模式识别等内容,从而采取定性分析与定量分析相结合的方法,对气体进行较为准确的识别。     

基于气体传感器阵列的轿厢内有害气体监测系统的设计

随着居民汽车持有量的增加,居民生活空间的空气质量变得恶化。消费者对车内空气质量关注度显著提高。因此轿厢内有害气体的监测与控制和净化系统的研发十分必要。文章提出了全新的车厢内有害气体监测方案,针对影响车内的几种种主要有害气体(PM2.5,CO2,CO,SO2,NOx等)进行监测与控制,最终达到净化目的。对于有害气体监测用传感器,文章建议采用阵列气体传感器,该传感器具有精度高、成本低等特点。"轿厢内有害气体监测系统"将借用发动机控制系统的软硬件平台,只增加若干气体传感器,有效控制系统成本的增加。     

基于虚拟气体传感器阵列的肺癌检测电子鼻

提出了一种无创电子鼻诊断肺癌的新方法.该方法结合虚拟声表面波(SAW)传感器阵列的概念和图像识别方法,对肺癌病人、正常人和老慢支病人的呼出气体进行了检测,确定11种挥发性有机成分(VOCs)为肺癌特征气体.此外,在细胞水平上进行研究,证明了肺癌细胞培养液中存在的特征性VOCs是肺癌细胞新陈代谢的产物,可以作为判定特定肺癌细胞的依据,为确定肺癌病人呼吸中的特征性气体提供病理根据.     

基于虚拟气体传感器阵列的肺癌检测电子鼻

提出了一种无创电子鼻诊断肺癌的新方法。该方法结合虚拟声表面波(SAW)传感器阵列的概念和图像识别方法,对肺癌病人、正常人和老慢支病人的呼出气体进行了检测,确定11种挥发性有机成分(VOCs)为肺癌特征气体。此外,在细胞水平上进行研究,证明了肺癌细胞培养液中存在的特征性VOCs是肺癌细胞新陈代谢的产物,可以作为判定特定肺癌细胞的依据,为确定肺癌病人呼吸中的特征性气体提供病理根据。     

基于虚拟气体传感器阵列的肺癌检测电子鼻

提出了一种无创电子鼻诊断肺癌的新方法。该方法结合虚拟声表面波（SAW）传感器阵列的概念和图像识别方法，对肺癌病人、正常人和老慢支病人的呼出气体进行了检测，确定11种挥发性有机成分（VOCs）为肺癌特征气体。此外，在细胞水平上进行研究，证明了肺癌细胞培养液中存在的特征性VOCs是肺癌细胞新陈代谢的产物，可以作为判定特定肺癌细胞的依据，为确定肺癌病人呼吸中的特征性气体提供病理根据。     

声表面波传感器阵列识别毒剂研究

以聚环氧氯丙烷(PECH)、硅酮(SE-30)和两种氢键酸性聚硅氧烷(BSP3、PTFP)为敏感膜制备了对毒剂敏感的声表面波(SAW)传感器阵列.基于这种SAW传感器阵列对沙林、芥子气和甲基膦酸二甲酯进行了检测,并结合概率神经网络(PNN)对检测结果进行识别,识别率达90%,对上述3种气体的检出限分别达到0.30 mg/m3、0.30 mg/m3和0.07 mg/m3.     

基于传感器阵列结合GA-BP算法对VOC的识别研究

为提高空气中挥发性有机物(VOC)检测可靠性,提出了一种基于气敏传感器阵列结合遗传算法(GA)优化反向传播(BP)神经网络算法的VOC检测模型。选用多个气体传感器组建阵列对VOC混合气体样本进行响应测试,使用主成分分析(PCA)对响应数据进行数据降维及初步分类探索,使用构建的GA-BP神经网络算法模型在PCA探索性分析的基础上进行定性及定量识别,并与BP神经网络识别结果进行对比。结果表明：遗传算法优化后的BP神经网络多元分类和回归模型性能优良且稳定,气体分类识别准确率达96%,浓度回归预测均方根误差为1.8×10^-2,平均相对误差为5.2%,平均训练耗时分别降至1.5 s和1.12 s,效果显著优于BP神经网络算法模型。这些研究结果进一步拓展了GA-BP算法结合气敏传感器在挥发性有机物检测识别中的应用前景。     

气体传感器阵列中微加热器的发展现状

本文总结了气体传感器中微加热器的材料、结构及热特性，列举了常见的几种微加热器，对Ｐｔ加热器和多晶Ｓｉ加热器进行比较，并在此基础上简要介绍了传感器阵列中微加热器的制作及器阵列的气敏特性。     

基于SAW传感器阵列的混合气体定性分析

针对野外文物古迹环境的多变性、传感器气敏性失效以及腐蚀性气体定性不精确等实际情况,结合物联网技术和模式识别技术,在综合考虑准确度和项目实际要求的情况下,设计了一种基于声表面波(SAW)传感器阵列的模式识别算法,并通过MATLAB对其进行仿真和验证。结果证明,将传感器阵列输出的数据输入到有6个隐层的神经单元的单隐层BP神经网络中进行训练,预测效果最好,对腐蚀性气体的识别率达到了95%左右,提高了野外微气象环境下腐蚀性气体的监测水平。     

基于气体传感器的仿生电子鼻设计

电子鼻能够对极微量的气体进行无损伤检测,文中设计一种基于气体传感器的仿生电子鼻系统,并完成了电子鼻系统硬件电路及软件的设计,在此基础上设计了电子鼻系统的流道结构,完成了电子鼻系统整体结构的设计及能够实现电子鼻系统的整体组装。     

阵列和模式识别与气敏传感器

本文介绍几种模式识别方式，指出集成阵列和计算机模式识别是气敏传感器取得突破性进展的关键，有机材料是最有吸收力的敏感材料之一。     

一类输入元素非线性连接的反馈式神经网络及其联想能力分析

本文研究了输入元素非线性连的妆的反馈式神经网络，文中以二阶非线性连接为例给多拓扑结构，导出了能够实现模式平移不变识别的学习方法，并借助于等权类的概念把不变识别条件建造于网络权结构之中，同时降低了网络连接复杂度。     

基于阵列技术的MEMS陀螺温度补偿方法

为了减少温度对MEMS陀螺测量精度的影响,提出了一种采用阵列技术的MEMS陀螺仪温度误差补偿新方法。该方法不需要进行温度测量,通过对多陀螺输出进行数据融合以消除温度对陀螺仪输出的影响,达到正确检测角速率的目的,简化了系统结构。采用遗传算法优化的BP神经网络来进行陀螺阵列数据的融合,抛开通常把零偏和标度因数分开建模补偿的思想,将两者统一进行补偿。实验结果表明,该方法能够大幅度降低温度造成的陀螺误差,从而满足工程应用需要。     

人工神经网络在气体分析系统中的应用

为了研究人工神经网络在气体分析系统中的应用,选择了识别CH4和CO的传感器阵列及用于网络模型训练的样本。实验分析确定了信号预处理方法,选取合适的网络模型并创新性的对用于气体种类识别的BP算法进行改进,并研究网络结构和参数的变化对气体分析系统性能的影响,实验结果证明气体传感器阵列与BP算法相结合进行气体成分分析具有一定的可行性,若能进一步调整及完善气体传感器阵列的硬件测量电路,则可开发出用于现实复杂环境的多气体分析系统。     

一种基于BP神经网络群的自适应分类方法及其应用

本文针对基于BP神经网络的分类系统,提出了神经网络群的概念,在此基础上给出了一种系统自适应增长算法,使得在新的目标类型加入时系统结构能够自适应调整.验证结果表明,该算法可以在增加新的目标类型时简化系统结构的调整过程,缩短重新训练网络所需要的时间,从而有效地提高网络的训练效率.     

匹配网络对测向天线阵性能的改善

利用相位信息确定来波入射角能达到较高的精度,但测向天线之间的互耦对系统性能的影响很大。加载匹配网络人但能降低接收机端口的驻波收,还能有效地减弱天线之间互耦的影响,改善系统性能。本文给出使用矩量法分析天线阵接收性能时几个关键问题的处理方法。加载不同匹配网络的结果表明,加载有耗网络会改善系统的测向性能,但系统的最大增益要降低。同时发现,对应对称振子和天线阵的特征尺寸出现了“广义谐振”现象,这种现象的消     

An Intelligent Robotic System Capable of Sensing and Describing Objects Based on Bimodal,Self-Powered Flexible Sensors

This study presents an intelligent soft robotic system capable of perceiving, describing, and sorting objects based on their physical properties. This work introduces a bimodal self-powered flexible sensor (BSFS) based on the triboelectric nanogenerator and giant magnetoelastic effect. The BSFS features a simplified structure comprising a magnetoelastic conductive film and a packaged liquid metal coil. The BSFS can precisely detect and distinguish touchless and tactile models, with a response time of 10 ms. By seamlessly integrating the BSFSs into the soft fingers, this study realizes an anthropomorphic soft robotic hand with remarkable multimodal perception capabilities. The touchless signals provide valuable insights into object shape and material composition, while the tactile signals offer precise information regarding surface roughness. Utilizing a convolutional neural network (CNN), this study integrates all sensing information, resulting in an intelligent soft robotic system that accurately describes objects based on their physical properties, including materials, surface roughness, and shapes, with an accuracy rate of up to 97%. This study may lay a robotic foundation for the hardware of the general artificial intelligence with capacities to interpret and interact with the physical world, which also serves as an interface between artificial intelligence and soft robots.     

全息记忆和Hamming网的新模型及其在汉字手写体识别中的应用

本文提出有注意力转移机制的改进型全息记忆网与快速收敛的Hamming网的新模型。报导了应用网络模型构造的汉字手写体及字符识别系统的实现。实验结果表明,在我们的实验前提下本模型与系统能有效地工作。     

基于神经网络组的空间目标识别的信息融合方法

针对神经网络在信息融合中的应用所存在的一些问题,受人的视神经网络的启发,提出了一种基于D-S方法的神经网络组方法,并把它应用到了特征级融合中进行模式识别.和用单一的神经网络相比,利用神经网络组方法提高了对目标的识别率,并且增强了对目标识别的稳定性.最后,通过仿真试验,对提出的方法进行了验证.     

微型仿生扑翼飞行器机载单目视觉系统的设计

近年来仿生扑翼飞行器利用视觉系统自主飞行成为一个具有广泛前景的研究方向,然而,其有限的带载能力对视觉传感器的类型、尺寸和重量提出了严格要求。目前商用图像处理模块的尺寸和重量较大,且需要回传图像信息至地面控制系统处理,文章旨在设计一款轻量化机载单目视觉系统,帮助微型仿生扑翼飞行器获取外界信息并实现智能自主的飞行。相比于其他图像处理模块,此系统以国产高算力芯片K210为核心进行设计,可脱离电脑端完成图像处理,尺寸仅为2.2 cm×2.3 cm,重量仅为3 g,内部兼容轻量化网络模型实现分类识别,通过串口进行信息交互,控制扑翼飞行器实现手势识别和目标追踪。