智能气体传感器研究

本文用具有不同特性的非选择性气敏元件组成气敏阵列，结合神经网络模式识别和信息处理技术，进行混合气体识别和浓度定量检测。着重说明神经网络模式识别法在气敏阵列信号处理中的应用。     

基于传感器阵列的野外基线环境参数自动测量系统研制

为了保证野外测距精度,研制了一套环境参数自动测量系统,该系统通过在野外基线沿线布置密集的气温、气压与湿度传感器阵列,精确测量光路气温、气压及湿度等环境参数,进行空气折射率修正。采用μ-base测距仪在不同气候条件下进行验证实验,测量距离为144 m。实验结果表明,采用该系统测量环境参数,进行空气折射率修正,其修正误差引入的距离测量不确定度优于3.0×10^-7(k=2)。     

用神经网络技术实现的光纤位移传感器

描述了一种智能型位移光纤位移传感器，它用差动比值法减小漂移和不同的反射介质的影响，用人工神经网络技术减小非线性误差。实验结果表明，使用这些技术后，各方面指标都远远优于传统方法。     

一种高灵敏度光声光纤SO2气体传感器的研究

基于气体光声效应原理，研究了一种高灵敏度光纤SO2气体浓度传感器。用染料激光器作为激励源，激励出光声信号，采用光纤位移传感器测量光声信号。设计了光学长程装置以提高光声腔的灵敏度。用此装置测量SO2气体浓度，给出了实验数据并对结果作了分析。     

固态气体传感器

固态气体传感器Ｐ．Ｔ．Ｍｏｓｌｅｙ１．引言二十世纪中，伴随着社会工业化进程的不断发展，气体监测技术应运而生。有机燃料和其他化学物质已逐渐成为人们日常生活和工业生产中不可缺少的一部分，但与此同时，也带来了环境污染等不良后果。环境保护是眼下最热门的话题之...     

多传感器热式气体流量计的研制

针对大中型管道以及不规则流场中气体流量测量存在的问题, 研制了一种多传感器结构的气体流量计。在测量管道中按照对数线性法选取测量特征点,采用4个热式气体流量传感器获取特征点的流量信号,利用正交多项式拟合建立特性曲线的函数关系式。在不规则流场条件下对200mm口径样机进行实验。实验结果表明,多传感器测量方法能够明显改善单传感器的测量精度不高的问题。     

IRS智能转速传感器设计

本文介绍了用ＭＣＳ－５１系列片机控制的智能转速传感器的工作原理。它能自动完成数据采集、处理和显示，具有高的精度和抗干扰能力，而且价格低廉等特点。     

基于信息融合的矿井一氧化碳检测方法的研究

电化学传感器在检测矿井一氧化碳含量时,容易受到矿井中甲烷气体的影响。为了解决这个问题,将催化传感器与电化学传感器构成一体,利用两个传感器的输出信号,经过BP神经网络的训练,得到了一个分析一氧化碳的信息融合数学模型。实验表明,利用研究的信息融合信号处理方法,可以提高一氧化碳含量检测的可靠性。     

基于智能红外气体传感器的仪表设计

NDIR气体传感器替代催化燃烧气体传感器势在必行。本文介绍的智能红外气体传感器与催化燃烧传感器管脚兼容,内部集成光学信号处理电路,兼具数字接口和模拟接口。利用智能红外气体传感器,建立新型仪表,可缩短开发周期。本文详细介绍了基于智能红外气体传感器的仪表设计方法,指出了此类仪表设计的注意事项。     

基于分布式自适应偏转次梯度投影算法的气体源点定位研究

针对无线传感网络中的气体源点定位问题,采用自适应次梯度投影定位算法(APSM)来逼近气体源点位置。由于实际气体浓度测量值受噪声干扰,导致APSM定位算法在估计源点位置时难收敛,并且计算耗时长,于是对其迭代搜索方向进行修正,并结合无线传感网络分布式计算的特点,提出一种分布式自适应偏转次梯度投影定位算法(DADPSM),该算法以有风时气体浓度衰减模型为基础,以DADPSM算法为核心,利用偏转次梯度方向代替原次梯度,以偏转次梯度投影的超平面作为搜索区域来进行松弛投影,对节点获取的气体浓度信息进行分布式计算,从而估计出气体源点位置。仿真实验表明,该算法收敛快、定位误差小,并且网络能耗少。     

基于BP神经网络的可燃混合气体分析方法的研究

介绍了采用热催化传感器在不同的工作温度下,通过BP人工神经网络对可燃混合气体进行分析的新方法.研究和建立了神经网络的结构模型和学习算法,并以3种混合气体为对象进行仿真训练,训练结果可以较好地实现对可燃混合气体的分析.     

基于人工神经网络的固相质量流量软测量研究

采用弯管法测量稀相气固两相流中固相质量流量时,固相流量与其影响因素（压差、流量系数、气固混合密度等）之间存在着复杂的非线性关系,给粉体的精确测量带来困难。利用人工神经网络优良的非线性映射能力,建立了一个基于BP网络固相质量流量软测量模型,并以实验数据为样本对网络进行训练,实现对固相质量流量的在线估计,与实验结果吻合较好,为稀相气力输送中固相质量流量在线测量提供了一种简单、可靠的新方法。     

径向基函数神经网络在多维力传感器标定中的应用

维间耦合是制约多维力传感器测量精度的主要因素,为了克服传统线性标定方法的局限性,利用径向基函数（RBF）神经网络强非线性逼近能力进行了多维腕力传感器的静态标定,并将其与最小二乘法和BP神经网络标定法作了比较。以研制的六维腕力传感器为对象进行了实验,结果表明,采用RBF神经网络对多维腕力传感器标定比用最小二乘线性标定有更高的标定精度,网络训练速度则大大快于BP神经网络。这种新方法具有一定的实用价值。     

气体传感器特性漂移抑制的研究

在对气体进行长期在线监测的场合，所要解决的关键问题之一就是气体传感特性漂移的抑制。传感器特性漂移会给气体的测量和识别带来误差。对此，本提出一种动态在线标定法。该方法能够对传感器漂移故障做出判定，同时可实现测量误差的修正。中对该方法进行了详细的描述和论证。计算仿真结果表明了该方法的有效性。     

智能神经网络在Internet入侵检测中的应用

探讨了一个基于智能神经网络的网络入侵检测系统模型，在对网络中的IP数据包进行分析处理以及特征提取的基础上，采用智能神经网络进行学习或判别，以达到对未知数据包进行检测的目的，智能神经网络可以将多种多样的入侵检测任务划分为多个单一的检测任务，并将这些任务分配给功能专一，结构简单的较小的智能神经网络来完成，实验证明这是一种行之有效的网络入侵检测的解决方法。     

基于RBF神经网络的诺西肽发酵过程菌体质量浓度软测量

针对诺西肽发酵过程中菌体质量浓度的估计问题,提出了一种基于RBF神经网络的软测量建模方法.在诺西肽发酵过程非结构模型的基础上,根据隐函数存在定理确定出辅助变量,从而使其选择有严格的理论依据;根据每批样本数据对被预测对象的预估能力,自适应地为各个批次的训练样本分配权值,并进而实施加权RBF神经网络建模.实际应用表明,所提出的软测量建模方法是有效的.