基于电子鼻的空气中可挥发有机物定量分析

采用6只不同掺杂的纳米ZnO气体传感器组成的电子鼻实现了空气中乙醇、丙酮、苯的定量分析。对比了多元线性回归(MLR)、主成分回归(PCR)、人工神经网络(ANN)等不同算法在本实验中的应用,其体积分数平均标准误差分别为16.71×10-6,34.183×10-6,7.242×10-6。基于非线性函数映射的ANN算法具有最佳定量精度。研究表明:电子鼻在可挥发有机物(VOCs)定量分析中有潜在的应用前景。     

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.     

化学计量学用于解析黄连上清片的高效液相色谱指纹图谱

采用高效液相色谱获得黄连上清片的色谱指纹图谱,利用基于主成分分析的投影判别法分析实验结果,并用反传人工神经网络对未知样品进行预报。结果表明,不同厂家生产的黄连上清片存在显著差异,主成分分析投影判别法能对样品进行正确分类,从而建立了识别不同厂家黄连上清片的方法,能有效地控制中药黄连上清片的质量。此外,主成分分析还用于优化反传人工神经网络,统计多次预报的结果,表明经过优化的反传人工神经网络能对未知样品的来源进行准确预报。     

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。     

基于SAW表面气液相效应和GC分离柱的气敏传感器的研究

限于传统涂敷敏感膜的声表面波（SAW）气敏传感器存在成膜困难和选择性差、重复性差以及再生性差等问题，本研究提出一种基于压电基底表面气体气液相转换效应机理的瑞利波传感器。首先建立了挥发性有机气体(VOCs)液相凝聚体薄层负载下的SAW波传模型，并仿真计算了其波传频散和波传衰减。然后在此基础上开发了一种基于瑞利声表面波传感器和气相色谱（GC）分离柱的便携式气体检测系统。最后实验论证了方案的可行性，初步的实验结果表明该系统具有分析时间短、选择性好、灵敏度高（可检测ppb浓度的混合VOCs）以及成本低等优势，因此其在痕量挥发性有机气体检测和分析应用上有良好的潜力和前景。     

用BP神经网络及其改进算法改善传感器特性

BP算法即多层网络误差反传算法，是近几年在传感器输出信号补偿技术领域中一种较新的方法，广泛应用于传感器信息处理、自动控制、通信等领域。但这种方法也有其固有的缺点，西安交通大学的张永怀博士及刘君华教授对此方法进行了深入的研究，提出了附加动量法、自适应参数变化法为主要内容的BP神经网络改进算法，以对这种方法进行改善。 传感器是测量系统的核心部件，其输出特性直接影响整个系统的性能，提高传感器的精度具有十分重要的意义。传感器的输出受许多环境因素的影响，目前人们多采用软件补偿法来对传感器信号进行处理。传统的…     

基于人工智能的温湿度补偿方法在气体测量中的应用

针对气体传感器的温湿度效应，提出了两种基于人工智能的温湿度补偿方法，即模糊修正因子法和人工神经网络法，并阐述了其基本工作原理。实验结果表明，这两种方法软、硬件实现简单，补偿精度较高，因而具有一定的工程应用价值。     

氮、硅掺杂对煤基碳纳米管电子性质和杨氏模量的影响研究

近年来以煤为原料制备获得碳纳米管已经在实验室中得以实现,这开拓了碳纳米管低成本制备的途径。然而,煤基碳纳米管中氮、硅等原子掺杂对于碳管结构和功能性质影响的研究仍然相对较少。本研究使用基于第一性原理的自洽场晶体轨道法对硅、氮原子掺杂的(6,6)碳管进行研究。探讨硅、氮原子掺杂对碳纳米管电子性质和杨氏模量的影响。研究发现,氮原子和硅原子取代掺杂缺陷的形成在能量上是不利的,尤其对于硅掺杂。能带结构的计算表明,氮掺杂碳管显示金属导电性,而硅掺杂碳管发生了金属/半导体性质的转变,为半导体。杨氏模量的结果暗示,氮掺杂可以增强煤基碳管的力学性能。     

人工智能在传感器领域的应用

人工智能作为一门正在迅速发展的学科，已被广泛地应用于传感器领域。人工智能与传感器技术相结合构成新型的智能传感器，提高了传感器的智能水平，是智能传感器发展的一个方向。简要介绍了人工智能的四个分支：模糊逻辑、人工神经网络、专家系统、遗传算法在传感器领域的应用。     

3-芳氧基-6-氯哒嗪化合物除草活性与结构关系的研究

应用半经验量子化学AM1法获得18种3-芳氧基-6-氯哒嗪化合物的优势构象,再用AM1法和分子图形学技术获得其电子结构参数和几何结构参数,然后采用多元线性回归分析(MLR)和人工神经网络误差反传算法(BP)将这些参数和化合物对油菜的抑制活性相关联.MLR和BP建模的复相关系数(R2)、去一法(LOO)交互检验复相关系数(R2cv)分别为0.840,0.743和0.889,0.733,表明所建市的QSAR模型的稳定性和预测能力良好.结果表明,苯环上应尽量避免大体积取代基的引入,在2号位引入的取代基可稍大些;在苯环2、4、6位引入供电子基团、3位引入吸电子基团可提高化合物的除草活性,所建模型可为哒嗪类除草剂的设计合成提供理论指导.     

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.     

基于传感器阵列与神经网络的气体检测系统

在分析研究电子鼻理论和系统组成的基础上,设计构建了一套传感器阵列与人工神经网络相结合的混合气体检测系统.并采用该系统对三种气体传感器(一氧化碳CO、二氧化硫SO2和二氧化氮NO2)进行了实验,对实验数据用神经网络(BP和 RBF)进行了分析、识别和气体体积分数的计算.结果显示该检测系统识别准确,不仅能够解决气体传感器交叉敏感问题,提高器件的选择性,而且具有智能化和多功能化等优点.     

用于检测糖尿病标志物的电子鼻优化设计

人体呼气中的丙酮含量可作为糖尿病的标志物.为实现无创糖尿病诊断,设计以金属氧化物半导体气敏传感器阵列为核心的人工嗅觉系统,对完成痕量丙酮的快速检测具有重要意义.通过多个气体流量控制器MFC(Mass Flow Controller)分别配制出模拟糖尿病患者呼气样本(30×10-6丙酮)与另两种干扰气体样本(30×10-6乙醇样本、15×10-6丙酮与15×10-6乙醇混合样本)进行实验,基于BP神经网络算法对3种气体定性识别,并通过主成分分析PCA(Principal Component Analysis)算法对原始的高维特征子集进行降维优化.实验表明:PCA与BP算法相结合,可降低BP神经网络的复杂性、减少预测的误差,同时能够解决单个气体传感器交叉敏感问题,进而提高对气体的选择性.对痕量丙酮样本与另两种干扰气体样本进行分析识别,识别的结果显示:对3种样本的识别准确率为91％.该研究为准确识别糖尿病标志物实现无创诊断技术提供了理论指导.     

3D model reconstruction using neural gas accelerated on GPU

In this work, we propose the use of the neural gas (NG), a neural network that uses an unsupervised Competitive Hebbian Learning (CHL) rule, to develop a reverse engineering process. This is a simple and accurate method to reconstruct objects from point clouds obtained from multiple overlapping views using low-cost sensors. In contrast to other methods that may need several stages that include downsampling, noise filtering and many other tasks, the NG automatically obtains the 3D model of the scanned objects. To demonstrate the validity of our proposal we tested our method with several models and performed a study of the neural network parameterization computing the quality of representation and also comparing results with other neural methods like growing neural gas and Kohonen maps or classical methods like Voxel Grid. We also reconstructed models acquired by low cost sensors that can be used in virtual and augmented reality environments for redesign or manipulation purposes. Since the NG algorithm has a strong computational cost we propose its acceleration. We have redesigned and implemented the NG learning algorithm to fit it onto Graphics Processing Units using CUDA. A speed-up of 180× faster is obtained compared to the sequential CPU version.     

基于神经网络的二次测爆仪传感器故障诊断方法

在全面分析智能二次测爆仪中传感器主要故障的基础上,提出了基于L-M算法的神经网络诊断方案.通过模拟矿井中各种气体体积分数所占比例的仿真实验证明:基于L-M算法的神经网络故障诊断系统具有良好的故障监测与诊断能力.     

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.     

电子鼻模式识别算法的比较研究

文中比较了k-近邻法、线性判别分析、反向传播人工神经网络、概率神经网、学习向量量化以及自组织映射6种电子鼻模式识别算法的分类能力.采用了1个定量指标(识别精度)和4个定性指标(运算速度、训练速度、内存容量、抗干扰能力)对不同算法进行了系统比较.研究表明基于神经网络的模式识别算法比基于统计理论的模式识别算法具有更高的识别精度.如果同时考虑定性指标,当训练速度要求不高时,宜采用学习向量量化算法;能满足内存需求前提下,优先推荐采用概率神经网算法.对于选择性高的信号,采用线性判别分析可以达到最佳效果.     

基于RBF神经网络的传感器非线性误差校正方法

介绍了利用人工神经网络进行传感器非线性误差校正的原理。提出了传感器非线性误差校正的径向基函数(RBF)神经网络方法,并与采用BP神经网络校正非线性误差进行了比较。最后给出了一个仿真实验,实验结果表明:采用RBF神经网络可以明显提高网络收敛速度,大大减小传感器非线性误差,校正效果优于BP神经网络。     

A multilayer-perceptron based method for variable selection in soft sensor design

The paper proposes a new method for variable selection for prediction settings and soft sensors applications. The new variable selection method is based on the multi-layer perceptron (MLP) neural network model, where the network is trained a single time, maintaining low computational cost. The proposed method was successfully applied, and compared with four state-of-the-art methods in one artificial dataset and three real-world datasets, two publicly available datasets (Box–Jenkins gas furnace and gas mileage), and a dataset of a problem where the objective is to estimate the fluoride concentration in the effluent of a real urban water treatment plant (WTP). The proposed method presents similar or better approximation performance when compared to the other four methods. In the experiments, among all the five methods, the proposed method selects the lowest number of variables and variables-delays pairs to achieve the best solution. In soft sensors applications having a lower number of variables is a positive factor for decreasing implementation costs, or even making the soft sensor feasible at all.