厚膜SnO2气体传感器的嗅觉特征提取与处理

用一组厚膜SnO2气体传感器阵列模拟人的嗅觉形成过程,对5种不同体积分数乙醇溶液进行分析。详细叙述了实验过程,分别从每个气体传感器与气体反应的曲线中提取4个特征,用BP神经网络对样本特征值的处理,对不同体积分数乙醇溶液进行识别。神经网络对训练集的回判正确率为100％,对测试集测试正确率为90％。     

基于集成气体传感器阵列的电子鼻系统

介绍一种基于集成气体传感器阵列的电子鼻系统硬件实现方法。描述了系统的一般组成,重点介绍了所采用的集成气体传感器及其信号拾取方法。该系统可实现对检测气体的自动数据采集、微机传送,具有高的灵敏性和可靠性。另外,对采用的集成气体传感器系列,该电子鼻系统具有一定的通用性。利用该系统对五种葡萄酒进行了检测,结果表明:该电子鼻系统可有效地用于葡萄酒的定性识别,识别准确率达到100%。     

气体传感器阵列信号处理的混合神经网络

:讨论了基于气体传感器阵列的混合气体识别的信号处理方法 ,将自组织特征映射神经网络与BP神经网络相结合 ,采用先进行气体分类后识别气体组份的方式 ,将传统方法中的全程拟合改为分段拟合 ,降低了算法的复杂性 ,提高了识别率。     

基于多BP子网络的电子鼻信息融合技术

针对电子鼻技术的应用中,利用常规BP(back-propagation)网络难以对复杂的混合气味进行识别这一问题,介绍了一种采用多BP网络联合进行电子鼻多传感器数据融合处理的新方法。利用这一方法并结合气体传感器阵列在不同温度条件下的响应信号,对不同品牌的葡萄酒样本进行定性识别,仿真验证结果表明该方法的识别准确率达到100%。     

基于传感器阵列与前馈神经网络的气体辨识系统

将气体传感器阵列与前馈神经网络模式识别技术相结合形成气体辨识技术相结合形成气体辨识系统,通过实验比较了不同的传感器信号预处理方法、前馈神经网络的结构和参数对气体辨识系统性能的影响,研究结果具有一定的工程应用价值。     

基于主成分分析和BP 神经网络的气体识别方法研究

本文将主成分分析法与BP算法相结合应用于气体传感器阵列信号的处理,并以一个由4个SnO2气体传感器组成的阵列为例,对其受到不同浓度的汽车、酒精二元气体的响应信号进行了分析,结果表明,主成分分析能够在保留测试数据量大量信息的前提下,给数据有效降维和预分类,以消除样本间的相关性。然后,再将所产生的新的样本空间作为BP网络输入,使之减少网络的输入数,简化网络结构,并在保持相同正确率的前提下,大大提高网络的学习速率。     

基于微气体传感器阵列和神经网络的VOCs的辨别

六个由贵金属Au,Cu,Pt做添加剂的SnO2气体传感器构成了微气体传感器阵列.首先研究了这六只传感器对挥发性有机化合物(VOCs)敏感特性,本文中的VOCs 指VOCsmixture和甲醛(HCHO)气体,其中VOCsmixture是10 ppm甲苯、1 ppm丙酮、5 ppm α-派烯和10 ppm乙醇的混合气.然后采用BP神经网络对所获得的传感器信号进行了分析、识别.结果显示微气体传感器阵列与BP神经网络相结合不仅能有效地识别低浓度的单成分VOCsmixture和甲醛气体,而且也能有效地识别两元气体中的VOCsmixture和甲醛气体.     

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。     

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.     

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。     

基于Fe_2O_3系列气体传感器阵列的电子鼻系统

阐述了一种基于Fe2O3系列气体传感器阵列的电子鼻系统硬件实现方法及其系统的一般组成,介绍了Fe2O3系列气体传感器和传感器的加热电路。该系统以MSP430F149单片机为核心,实现对检测气体的自动数据采集、脱机和联机识别。利用该系统对甲烷、氢气和液化石油气进行检测,结果表明:该电子鼻系统能有效地对这3种气体进行定性识别,识别率接近100%。     

用于易挥发性化学品检测的实用电子鼻算法研究

由气体传感器阵列构建的电子鼻系统在易挥发性化学品的快速检测中起着重要的作用.利用12 路气体传感器阵列采集易挥发性化学品蒸气的响应曲线,通过研究具有一定抗干扰能力的具有现场实用意义的电子鼻识别算法,提出了一种基于 BP 神经网络的算法来提取特征向量.所需计算量小,稳定性高,受浓度影响小;在此基础上进行神经网络的训练并对...     

基于电子鼻的气敏传感器及其阵列

电子鼻是模拟动物的嗅觉系统设计研制的一种智能电子仪器,是利用气敏传感器阵列的响应图谱来识别气味的电子系统。本文从应用的角度出发,对电子鼻系统中常用气敏传感器的工作原理、适用范围和优、缺点进行了比较,指出了电子鼻系统中选择气敏传感器及其阵列的一些注意事项,为电子鼻特别是便携式电子鼻的研制提供参考。     

电子鼻传感器阵列优化与谷物霉变程度的检测

研制一套适合对谷物霉变进行检测的电子鼻系统,对6个霉变程度的稻谷进行了检测.主成份(PCA)分析结果显示6个霉变程度的稻谷是可以区分的,对前三个主成分的载荷因子进行分析去掉冗余传感器,PCA分析结果显示去掉冗余传感器并不影响分类结果.最后用BP神经网络对所得的数据进行模式识别,30组测试样本对霉变菌落总数的预测结果平均相对误差为1.010 30,最大相对误差为3.942 57.实验结果表明系统对稻谷霉变程度的检测具有很高的分析精度.     

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BP网络的厚膜压力传感器非线性校正

简述了厚膜压力传感器结构原理和力学模型、传统非线性校正方法,以及用神经网络进行非线性校正的原理,探讨用BP神经网络实现厚膜压力传感器的非线性校正,并通过MATLAB神经网络工具箱进行仿真。研究结果表明:采用该方法对弹性体应变量与压力关系的非线性校正可以将标准误差减小2个数量级,简单而有效地实现传感器非线性校正。     

Odour quantification by a sensor array: An application to landfill gas odours from two different municipal waste treatment works

The possibility of quantifying the landfill gas (LFG) odour in terms of odour-units per cubic meter (ou/m³) using a tin oxide sensor array is investigated. The objective is to determine the most appropriate neural machines (MLP networks, RBF networks) model to perform the odour concentration approximation and evaluate the influence of multiple biogas sources modelling on the approximation quality. The structural risk minimization principle is used instead of the usual empirical risk minimization principle in the training algorithm of the neural machines. Multilayer perceptrons (MLP) networks prove to minimize best the error on the prediction of odour concentration of unknown data. The data is constituted of LFG odour samples from two municipal waste treatment works presenting different concentrations of odorous compounds. It is shown that the quality of the LFG odour approximation is in the present case influenced directly by the size of the training data set. The use of data coming from two different sources is not detrimental to the quality of the approximation.     

电子鼻牛奶质量检测的研究

利用自主研制的CN e-Nose I型电子鼻气体分析仪对多种品牌、不同新鲜程度的牛奶进行检测,并通过模式识别方法分析和识别数据.牛奶各组分经由金属氧化传感器阵列采集信号,其数据及响应曲线记录在PC端.运用主元分析和人工神经网络方法识别曲线特征,通过与新鲜高质量样本的标准数据进行比较,判断出牛奶变质程度.实验结果表明,电子鼻技术对牛奶品质的识别率较高,且具有便捷、安全等特点,是一种发展前景良好的实用技术.