基于RBF神经网络的单一催化传感器检测混合气体研究

根据催化传感器在不同的工作温度下具有不同气体检测灵敏度的特点,提出基于恒温检测与RBF神经网络的单一热催化传感器检测可燃混合气体的新方法.采用动态学习算法的RBF神经网络建立了多种可燃气体分析的数学模型.通过对甲烷,一氧化碳和氢气三种气体混合的样本进行实验,结果表明所研究的方法可以较好地实现单一催化传感器对多种可燃混合气体的分析.     

基于单一传感器的可燃混合气体RBF网络分析

催化传感器对不同可燃气体或在不同的工作温度下有不同的输出灵敏度,根据这一特点控制单一催化传感器工作在不同的温度,检测可燃混合气体时可以得到不同的输出信号,采用RBF神经网络和动态学习算法,建立了多种可燃气体分析的数学模型。通过对CH4,CO,H23种气体混合的样本进行实验,结果表明:所研究的方法可以较好地实现单一催化传感器对多种可燃混合气体的分析。     

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.     

径向基函数网络预测混合气体浓度

基于气体传感器阵列的混合气体分析方法及研究现状,对径向基函数神经网络对混合气体浓度预测进行了研究.用气体传感器阵列对由四种不同气体组成的混合气体进行测量并以这些测量数据为样本对径向基函数网络进行训练,训练后可使径向基函数网络对各气体成分的浓度预测误差不大于6%.     

几种神经网络在混合气体预测中的比较

气体传感器阵列的交叉敏感性严重影响气体传感器对混合气体的测量。用M atlab平台的神经网络工具箱,分别构建了BP,径向基(RBF)和模糊(FNN)神经网络,利用掺杂不同材料的4种SnO2气体传感器组成阵列,实现对甲醛、甲苯、丙酮和乙醇混合气体的体积分数预测。结果表明:FNN神经网络对混合气体体积分数预测的精度要高于其他2种网络。而且,结合PCA和ICA对数据样本进行预处理,有利于提高神经网络对体积分数预测的精度。     

恒温检测方法在检测混合气体中的应用

根据催化燃烧气体传感器的敏感机理,讨论了催化燃烧气体传感器检测电桥在恒压源供电情况下的输出与补偿元件和敏感元件电阻变化之间的关系;应用补偿元件和敏感元件的电阻与其工作温度变化的关系及热平衡方程,推导出了催化燃烧气体传感器输出与被测气体浓度之间的关系,且得出催化燃烧气体传感器的输出是线性的;提出了采用n个催化燃烧气体传感器分别工作在不同温度下,根据每个传感器的输出计算出由n种气体组成的混合气体中的各组分浓度的方法。试验结果表明,应用该方法检测混合气体各组分浓度时,最大检测相对误差小于10%,且相对误差与浓度没有严格的依赖关系。     

基于单传感器动态检测和神经网络的气体识别

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%.     

基于独立分量分析和BP网络的电子鼻模式识别

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。     

混合气体定量检测系统的研究

将气体传感器阵列与采用BP算法进行训练的人工神经网络模式识别技术相结合形成混合气体定量检测系统,通过实验比较了不同的传感器信号预处理方法、BP网络的结构和参数,以及测量环境对混合气体定量检测系统性能的影响.     

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。     

基于神经网络的航空传感器故障检测

用离线训练的神经网络进行导航传感器故障检测。首先,用已获得的正常飞行数据通过离线训练的方法训练神经网络并构造估计器的结构,然后用已选择好结构并训练好的神经网络作为估计器对传感器的读数进行一步预测。若预测值与传感器实际值之间的差值仅为递推误差和传感器输出噪声,则认为传感器工作正常,若相应的残差分量显著增大,则认为传感器故障。因此设计了相应的检测策略进行故障检测,以达到既避免不必要的报警、切换,又准确、及时的监测、报警。通过仿真试验验证,结果证明该方法可行。     

基于神经网络的导航传感器故障检测

试用离线训练的神经网络进行导航传感器故障检测。首先用从某船试航时的一段数据中选出的包含多种航行状态的数千组平台罗经读数训练神经网络并同时选择神经网络的输入延迟数和隐层单元数。然后用已选择好结构并训练好的神经网络作为在线估计器对平台罗经的读数进行一步预测。最后根据平台罗经的读数与其对应的预测值之间的差值进行故障检测。分别用同一艘船同一次试航的两段平台罗经读数进行训练和故障检测仿真,结果证明该方法可行。     

基于支持向量机算法的气体识别研究

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。     

基于LabVIEW平台的智能电子鼻系统

以LabVIEW9.0为测试平台,利用PCI—1710HG数据采集卡、传感器阵列设计构成智能电子鼻系统。虚拟仪器开发平台LabVIEW用于实时监测、显示采集曲线和数据、结合改进后的BP神经网络进行分析以得到不同体积分数的气体。对系统进行了测试,采用不同阻值的精密电阻器替代传感器进行测试,测试系统的精度和稳定度。     

双光路光纤位移传感器的研究

提出了一种可消除温度对光纤位移传感器影响的双光路传感器结构,用径向基函数(RBF)神经网络对传感器输出进行了处理,并用实测数据对其进行了验证.结果表明:采用双光路结构,并结合RBF神经网络使传感器的热灵敏度漂移降低了近1个数量级.     

基于特征比值法的电子鼻农药识别系统

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%.     

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.     

Capacitive sensor-based fluid level measurement in a dynamic environment using neural network

A measurement system has been developed using a single tube capacitive sensor to accurately determine the fluid level in non-stationary tanks, namely automotive fuel tanks. The system determines the fluid level in the presence of dynamic slosh. A neural network-based approach is used to process the sensor signal and achieve substantial accuracy compared with the averaging method, which is normally used under such conditions. The sensor readings were obtained by experimentation carried out under various dynamic conditions. The sensor response was recorded at various slosh frequencies and fuel volumes; which was then used to train three different neural network topologies. Field trials were carried out to obtain the actual driving data for the purpose of testing the neural networks using MATLAB software. One static neural network topology, namely Feed-forward Backpropagation Neural Network, and two dynamic neural network topologies, namely Distributed Time Delay Neural Network and NARX Neural Network, have been investigated in this work. The developed fluid level measurement system is capable of determining the fluid level in a dynamic environment with a maximum error of 8.7% by using the two dynamic neural networks, and 0.11% using the static feed-forward backpropagation neural network.     

基于函数连接型神经网络的热电偶非线性校正

针对目前常用的查表和最小二乘等传统非线性校正方法的不足,提出了解决热电偶非线性校正问题的函数连接型神经网络算法。利用传感器的原始数据,得到输入、输出样本对,训练神经网络得到动态修正模型。实际结果表明:这种智能测温方法比传统的测温方法在系统测量速度和精度方面均有很大提高。该方法可应用于很多系统的非线性校正。