共查询到19条相似文献,搜索用时 203 毫秒
1.
基于支持向量机算法的气体识别研究 总被引:1,自引:0,他引:1
利用多传感器或者传感器阵列,同时,结合神经网络技术来进行气体识别和定量分析研究已成为目前传感器领域的一个研究热点。介绍了一种在该领域还没有引起足够重视的算法———支持向量机算法(SVM)。利用该算法,结合多传感器技术,对 3种不同体积分数的有机溶剂进行了识别研究,并取得了较好的识别效果,证明了该算法在气体识别领域具有相当大的研究价值。 相似文献
2.
3.
介绍了气体传感器动态检测结合神经网络识别空气中有机气体的新方法.这种方法利用单个SnO2气体传感器在方波温度调制的状态下实现了对多种有机气体的定性分析.在0.02Hz的调制频率、250℃~300℃的温度调制范围内,测得了传感器对不同浓度异丙醇、乙酰丙酮及其混合气体的动态响应值,再通过小波变换对单个周期测试信号进行特征提取,最后将提取的特征值输入神经网络进行网络训练和定性识别,识别的成功率高达100%. 相似文献
4.
5.
6.
针对目前常见的多元有害气体检测问题,设计并搭建了一种基于传感器阵列和集成 BP神经网络相结合的传感器阵列检测系统。在该系统中采用集成BP神经网络对传感器阵列的三种混合有害气体的响应信号进行回归分析。为了提高集成BP神经网络的预测准确性,又利用Adaboost算法对集成BP神经网络进行了优化。结果显示:该系统能够准确地检测气体组分,通过Adaboost算法对集成BP神经网络优化后,预测的平均相对误差小于2%,能够有效解决气体传感器的交叉敏感问题,提高传感器的选择性。 相似文献
7.
为了解决个人隐私的保护、受光照条件和障碍物等因素的影响,设计了一种基于屋顶二值红外传感器网络的人体行为识别系统;系统采用STM32芯片和ZigBee协调器建立ZigBee网络;当实验者在安装在屋顶的20个互连的AMN31111红外传感器下面做出一系列行为时,传感器对其进行二值数据采集,ZigBee协调器将数据通过串口发送到PC机上实时动态显示,通过Keil 5系统软件对采集的二值数据以txt文本格式存储;提出了像素值法对人体进行定位和BP神经网络算法在模拟的居家环境中对7种不同人物行为进行识别;实验结果表明:该系统实现了人体多种行为的识别,其识别率为84.7%,4名实验者得到平均识别精度相比固定在居家电器传感器设备要高4.7%左右,并且该系统采集精度高、性能稳定、可靠性高、成本低、功耗低,解决了一些目前人体行为识别监测系统存在的问题。 相似文献
8.
9.
基于特征比值法的电子鼻农药识别系统 总被引:2,自引:0,他引:2
采用二氧化锡半导体气敏传感器、热线型和催化型气敏传感器构成气体传感器阵列,用小波降噪和数据压缩对传感器响应信号进行预处理,采用特征比值法对响应曲线进行特征提取.选取不同浓度的常用农药等10种气体用径向基神经网络进行训练和识别试验,气味识别正确率达到83.3%. 相似文献
10.
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。 相似文献
11.
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. 相似文献
12.
基于FastICA和神经网络的电子鼻模式识别 总被引:1,自引:0,他引:1
气体传感器阵列是电子鼻系统的重要组成部分,传感器阵列的交叉敏特性严重影响电子鼻对气体识别的准确率.将快速独立分量分析算法和BP网络相结合用于电子鼻的模式识别可以有效地改善这一问题.并由一个5个传感器组成的电子鼻系统,对10组不同体积分数的3种气体测量得到的30组数据样本进行仿真.结果表明,用快速独立分量分析对数据作预处理,可以简化计算,减少数据之间的相关性,将预处理后的数据样本作为BP网络的输入,使网络结构简化,收敛速度快.利用该方法可以提高电子鼻识别气体的准确率. 相似文献
13.
卟啉传感器阵列系统可以检测肺癌呼出气体中特定的标志性气体,不同标志性气体检测输出的差值图谱不一样.介绍了一种结合反向传播(BP)神经网络和主成分分析(PCA)的肺癌标志性气体种类识别算法,并将其应用在卟啉传感器阵列系统中.通过计算卟啉传感器阵列中各点的主成分得分选出敏感点,保留各气体敏感点的值,并组成识别模板作为BP神经网络的输入层,达到去除冗余数据的目的.通过实验对比聚类分析结果、未降维数据的BP神经网络识别结果及已经PCA降维后的数据作为输入的BP神经网络识别结果,证明提出的算法可以更加精确地识别不同的肺癌标志性气体. 相似文献
14.
基于独立分量分析和BP网络的电子鼻模式识别 总被引:2,自引:0,他引:2
为了提高电子鼻对混合气体的识别率,针对气体传感器阵列的交叉敏感特性,探讨了在电子鼻系统中基于独立分量分析(ICA)算法与BP神经网络相结合进行模式识别的可行性。并对4个气体传感器组成的电子鼻对4种气体混合物所测得的原始数据进行处理,结果表明:ICA算法对数据进行有效预分类,减少了样本之间的相关性,将生成的新样本作为BP网络的输入,使网络结构简化,在保证一定正确率的前提下,大大提高网络的学习速度。利用该方法可以提高电子鼻识别混合气体的准确率。 相似文献
15.
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。 相似文献
16.
17.
将气体传感器阵列与人工神经网络模式识别技术相结合,建立了电子鼻系统,对水果变化过程进行监控。尝试对3种不同状态(好、碰伤、坏)的苹果气体进行定性识别。实验结果表明:结合主成分分析的人工神经网络方式为模式识别、分类提供了快速准确的辨识方法,对红富士苹果进行分类时正确率在83.33%以上。 相似文献
18.