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.     

一种基于电子鼻的食醋识别新方法

采用6只掺杂纳米ZnO厚膜传感器构成的电子鼻对15种商业食醋进行了测量,采用主元分析法(PCA)对电子鼻信号与食醋种类、配料、发酵方式和产地之间的关系进行了分析,电子鼻信号在上述食醋特征上表现出很强的聚类特性。针对上述特征,结合人工神经网络(ANN)、K近邻法(KNN)对15种食醋进行了识别,识别率为98.3%。研究表明:采用特征识别的电子鼻具有良好的灵活性和强健性。     

用于食醋品质预评价的电子鼻研究

设计了面向食用醋品质预评价的电子鼻系统,它包括:由5种TGS系列和1种MQ系列半导体氧化物气体传感器构建的传感器阵列、以LPC2138微处理器为核心的采集电路等硬件部分。通过USB接口将所采集的数据上传至计算机,利用上位机LabVIEW软件进行数据采集的实时显示,并利用主成分分析(PCA)法和线性判别式分析(LDA)法对数据进行分析。使用该设计的电子鼻对生活中常见的5种食醋进行测量,并对食醋种类、配料关系进行了分析。结果表明,电子鼻技术在食醋品质预评价中是可行的。     

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%。     

电子鼻技术在茶叶品质检测中的应用研究

以电子鼻作为检测手段,对同类不同等级的茶叶、茶水和茶底挥发性成分进行检测,并对采集到的数据进行分析。首先通过主成分分析进行特征提取来压缩数据维数,减少数据计算量,进而优化特征向量。然后采用线性判别和BP神经网络的方法对茶叶的不同等级进行分类判别。结果显示,误判样本都发生在T60和T100之间,两种判别方法结果比较一致。相对于茶叶和茶底,以各等级茶水为研究对象时,两种方法对茶叶品质等级的判别及测试结果相对都比较好。     

模糊神经网络在电子鼻系统定量识别中的应用

提出并实现了两种类型的模糊神经网络用于电子鼻系统的定量识别。阐述了模糊神经网络用于电子鼻系统定量识别的基本原理,简要介绍了两种模糊神经网络的结构特点并进行了比较,并通过具体实例说明了模糊神经网络用于电子鼻系统的定量识别的可行性以及识别的效果。在该系统中,基于径向基网络模型的模糊神经网络的预测性能在整体上要优于基于感知器模型的模糊神经网络。     

基于电子鼻的山核桃陈化时间检测

选取人工陈化山核桃(0 d、2 d、4 d和6 d)和自然陈化山核桃(0 y、1 y和2 y)作为研究对象,采用德国PEN2便携式电子鼻进行检测,在主成分分析(PCA)的基础上,采用概率神经网络(PNN)模式识别方法建立山核桃陈化时间鉴别模型,模型参数Spread和主成分数通过交互验证的方法优化。结果标明,PCA基本可...     

自适应概率神经网络及其在白酒电子鼻中的应用

为了探索电子鼻对白酒品质鉴别的可能性,利用自制的新型无线白酒电子鼻对洋河海之蓝、今世缘省接待、安徽迎驾大曲和牛栏山陈酿进行了分析.对所采集的数据进行平滑处理后提取稳态响应值和斜率值,利用主成分分析对特征向量进行降维处理,并将获得的前2个主元得分作为概率神经网络识别模型的输入参量.针对传统概率神经网络平滑因子σ单一易导致分类错误的缺陷,利用差异演化算法优化σ参数集,建立了自适应概率神经网络识别模型.实验结果表明,DE-PNN相比BP-PNN、PSO-PNN和SVM等,识别精度更高,抗噪性能更好,同时也证明了电子鼻能有效地检出不同品牌的白酒.     

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.     

电子鼻对干酪识别的数据预处理和特征提取

根据干酪的挥发性风味特点，选择了日本费加罗（Figaro）TGS8系列气敏传感器，针对电子鼻的数据特点，采用快速傅里叶变换方法去除传感器响应值的噪声，定位样本反应起始点，预处理后的电子鼻数据中提出有效特征，使维数降低；进行主成分分析，主成分分析所得结果维数更低，并且保留了较多的有用信息；利用Fisher判别式和BP神经网络建立分类器，可以很好地区分光明、三元、多美鲜、百吉福、Anchor五种干酪。     

基于电子鼻技术的花椒品种鉴别方法研究

本文针对不同花椒品种的快速鉴别方法进行研究,以花椒的气味信息检测为研究对象,利用自行研制的电子鼻系统采集了6类花椒样品气味数据,对这些数据样本进行特征提取,得到了56组训练样本和32组测试样本。利用BP神经网络、概率神经网络和支持向量机对特征数据进行鉴别,正确识别率分别为89.58%、93.23%、94.27%,相对于BP神经网络和概率神经网络识别,支持向量机具有更好的分类效果。 本文研制的电子鼻系统能能无损、快速、准确鉴别花椒的品种,为农产品无损检测的研究提供了一种新的思路。     

基于PCA和LVQ混合神经网络算法的电子鼻系统

为了对食物品质进行非接触式评价,采用6种费加罗金属氧化物半导体传感器阵列设计并研制了可对被测食物进行无损检测的电子鼻系统.系统主要由采样模块、控制模块和上位机组成,并采用主成分分析(PCA)和学习矢量量化(LVQ)混合神经网络模式识别算法对气体“指纹信息”数据库进行分析.实验结果表明,利用该电子鼻系统可以对5种不同的食用酱进行检测,并且具有对未知酱品进行识别的功能.     

基于中红外光谱技术的非接触式气体识别电子鼻系统

为了对混合气体进行非接触式识别,基于可调谐二极管激光吸收光谱与波长调制光谱(TDLAS—WMS)技术,采用激射波长为中红外的可调谐分布反馈式量子级联激光器(DFB—QCL),设计并研制了可对被测混合气体进行实时、非接触识别的电子鼻系统。该系统采用主成分分析(PCA)和反向传播(BP)混合神经网络模式,通过LabVIEW对气体"指纹信息"数据库进行分析。实验结果表明:该系统可以区分成分为一氧化碳(CO)、甲烷(CH4)、二氧化氮(NO2)和乙烯(C2H4)的混合气体,为混合气体非接触式识别提供了一种便利方法。     

基于金属氧化物传感器阵列的小麦霉变程度检测

研制了一套由8个金属氧化物传感器组成、用于检测小麦霉变的电子鼻系统.使用该电子鼻对不同霉变程度和掺入不同百分比含量霉麦的小麦样品进行检测.通过方差分析和主成分分析优化传感器阵列并去掉冗余传感器,对优化后的数据进行主成分分析(PCA)和线性判别分析(LDA),其中PCA的前两个主成分对两类实验结果分析的总贡献率为98.30％和99.27％,LDA前两个判别因子对两类实验结果分析的总贡献率为99.68％和93.30％,且由得分图可知两种方法均能很好地区分不同的小麦样品.利用BP神经网络建立预测模型,对样品菌落总数和掺入样品中霉麦的百分比进行预测.两种预测模型的预测值和测量值之间的相关系数分别为0.91和0.94,表明预测模型具有较好预测性能.     

基于电子鼻技术的混合气体检测方法研究

对基于常规单一BP神经网络的电子鼻系统进行改进,提出一种基于Gabor原子神经网络的电子鼻系统,并以3种混合气体为实验对象,进行混合气体的定量分析研究.实验结果表明,应用Gabor原子神经网络的电子鼻系统的最大相对误差与单一BP神经网络相比得到减小,大大提高了定量分析精度.     

电子鼻信号特征提取与传感器优化的研究

采用PEN2型电子鼻系统对芝麻油的玉米油掺假进行定性鉴别和定量预测,运用主成分分析,逐步判别分析和Fisher线性判别函数变换对原始数据进行预处理,从而降低原始数据空间的维数,并用判别分析与人工神经网络对数据进行进一步分析,考察了不同的数据预处理方法的效果.判别分析结果表明,采用Fisher线性判别函数变换所得到的十个变量判别能力最强,误判率为0.61%,仅有1个样品出现误判.在BP神经网络的定量预测中,采用逐步判别分析所筛选出的十个变量作为网络输入,所得的预测结果最为理想,绝对误差个体值的95%置信区间最小,为(-4.71%,3.38%),均方误差为4.75,预测值与实际值之间有极显著的相关性,相关系数R=0.998 08.     

蒸发温度对电子鼻白酒评价的影响研究

采用气体传感器阵列对7种市售白酒进行了动态测量,并研究蒸发温度对白酒识别分类的影响.白酒样本分别在20,40,60,80℃蒸发后进行测量,在每个蒸发温度下结合主元分析(PCA)法,分析了传感器阵列信号与白酒的香型和酒精度特征之间的关系,以及所有白酒样本按蒸发温度划分的结果.结果表明:按香型和酒精度划分,60℃的分类结果...