电子鼻在乙醇和丙酮、乙醇和苯定量分析中的应用

采用6个不同掺杂的纳米ZnO气体传感器组成的电子鼻和人工神经网络(ANN)实现了乙醇和丙酮、乙醇和苯的定量分析.研究表明,不同掺杂的气体传感器在二元可挥发有机物(VOCs)混合体系的测量中敏感特性存在一定的差异,同时混合气体种类对传感器敏感特性影响也不同.对乙醇和丙酮、乙醇和苯定量分析的标准偏差分别为8.9×10-6、7.8×10-6.     

气体传感器阵列常用模式识别算法

模式识别在气体传感器阵列的测量中占有举足轻重的地位。介绍了k近邻法、聚类分析、判别函数分析、反向传播人工神经网络、主元分析法、概率神经网、学习向量量化、自组织映射、自适应共振网、遗传算法等气体传感器阵列常用模式识别算法的原理和特点。同时,指出了在应用中模式识别算法选择和评价的标准。     

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.     

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%。     

关于低功耗气体传感器阵列的研究

由电池驱动以微机械技术制造的气体传感器的功耗是十分关键的实际问题.为了研制低功耗气体传感器,在传感器阵列上表面制备完成后,从下表面腐蚀传感器芯片的基底,以造成传感器芯片和封装室之间形成一个空气夹层.从而对有空气夹层的传感器芯片和没有空气夹层的传感器芯片的能耗做比较.实验结果显示,腐蚀过的传感器芯片具有较低的功耗.     

基于气体传感器阵列的白酒特征分析

利用气体传感器阵列进行食品质量检测是电子鼻应用中的一个重要方面。采用7只TGS传感器构成的阵列对8种市售白酒进行了动态测量,并对其进行分类。结合主元分析法(PCA)对传感器阵列信号与白酒的品牌、香型、原料、产地、酒精度等特征之间的关系进行了分析。结果表明,传感器信号在上述白酒特征上表现出很强的聚类特性,按原料划分可以得到最佳的分类效果。     

基于气体传感器阵列的室内空气品质监控系统

介绍了一种基于气体传感器阵列的室内空气品质监控系统。该系统应用半导体气体传感器阵列，可以对室内主要的有害气体得到的响应输出，输出信号由微处理器根据一定算法处理后，得到一个连续、可比较，可标定的室内空气品质综合指数，并可以对综合指数或某一有害气体的超标做出反应，控制换气扇等外部设备改善室内空气状况，声光报警提醒室内人员注意采用相应措施等，该系统能实时有效地监控室内空气品质，有效于提高生活质量和改善健康的状况。     

金属氧化物气体传感器阵列的制备

利用薄膜技术制作的半导体金属氧化物气体传感器阵列是由一个基底上的四个传感器单元组成的。基本结构是在4英寸的硅片上制作完成的。首先,沉积金属铂电极,加热棒和温度传感器。其次,沉积半导体金属氧化物SnO2。然后进行传感器阵列电极的焊接,封装。最后进行测量,测量结果显示了传感器阵列对不同气体甲烷(CH4),一氧化碳(CO),氢气(H2),二氧化氮(NO2)和氨气(NH3)的响应。     

基于气体传感器阵列的易挥发化学品判别系统

利用气体传感器阵列结合判别软件,可用于气体的定性识别。本系统采用气体传感器MQ211组成阵列,结合气室和必要的电路,设计了实时数据采集判别系统,介绍了判别系统的构成与实验过程,实验结果表明:本系统能准确判别多种易挥发化学品。     

微气体传感器阵列及神经网络的应用

简要分析由MEMS工艺制成的新型微气体传感器阵列的原理及其优点 ,在此基础上 ,应用人工神经网络对气体传感器阵列的输出进行模式分类、识别 ,实现对单一或混合气体的有选择性探测 ,识别率可高达 95 %。     

Identification and pattern recognition analysis of Chinese liquors by doped nano ZnO gas sensor array

In this paper, ZnO nanoparticles were prepared by the renovated hybrid induction and laser heating. The sensitivities of gas sensors can be greatly improved by doping MnO₂, TiO₂ and Co₂O₃. Five different Chinese liquors, namely, Baiyunbian, Beijing Erguotou, Red Star Erguotou, Zhijiangdaqu and Jianliliangjiu, alcohol and diluted alcohol (forged liquor) were measured. Though the main ingredient is alcohol in liquors, Chinese liquors mainly differ from their flavour types, which rely on their trace components. Flavour type of liquors is a very important factor in Chinese liquor identification. Principal component analysis incorporating with discriminant analysis (PCA-DA), back-propagation artificial neural network (BP-ANN) and learning vector quantization (LVQ) were compared for their classification ability. The accuracy of PCA-DA, BP-ANN and LVQ in terms of predicting tested samples was 76.8, 71.4 and 89.3%, respectively. The LVQ is the most suitable pattern recognition algorithm in present experiment. This work shows the potential application of the gas sensor arrays for monitoring the quality of Chinese liquors.     

基于传感器动态检测和神经网络的气体识别

提出将气体传感器阵列动态检测与人工神经网络相结合的方法实现气体的识别。设计了用该方法进行气体检测识别的实验系统。该方法具有实验次数少、识别准确度高的优点。实验以4个金属氧化物半导体气体传感器组成的阵列为例,详细讨论了该方法的实验过程及识别结果。通过实验对甲烷、乙醇、丙酮3种气体及其混合气体进行识别,结果表明:该方法的正确识别率达到100%,具有很高的实用价值。     

基于温度调制的气体传感器动态信号识别研究

利用4只掺杂Pt的SnO2微热板气体传感器组成传感器阵列来识别三种不同的工业气体（ CO, CH4和C2 H5 OH）,传感器加热分别采用了三角波、正弦波、锯齿波和脉冲波四种温度调制模式。然后将得到的传感器动态响应信号进行短时傅里叶变换（ STFT）提取特征信息,并结合主成分分析（ PCA）方法将特征信息进行降维处理,发现调制周期对气体种类影响较小。最后利用决策树识别三种不同的气体,识别准确率较高。实验结果证明了该算法的正确性和可行性。     

基于卟啉传感器阵列系统的肺癌标志物识别算法

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.     

食醋分类中气体传感器阵列的一种优化方法

利用13只气体传感器、1只温度传感器和1只湿度传感器构成的初始测试系统,对3种不同品种的食醋进行测试。运用小波包的三尺度分解来提取测试结果的分析特征向量,并借助主成分分析(PCA)技术,对传感器阵列进行了优化,得到由5只传感器构成的优化阵列。利用RBF神经网络,对原阵列和优化后阵列的鉴别效果进行比较,结果表明:优化后传感器阵列能将3种不同品种的食醋成功区分开,并且鉴别效果也得到明显改善。     

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。