电子鼻动态特征息处理方法研究.pdf

摘 要 摘 要 随着传感器技术、数据处理技术、计算机技术、人L智能技术、并行计算 的软件和硬件技术等相关技术的发展，电子鼻动态特征信息处理技术必将成为 未来电子鼻发展的重要研究方法与手段。 本文介绍了动态特征信息处理的原理与基本方法，在总结了传统动态信息 预处理和模式识别方法的基础上，提出了多BP子网络的新方法，建立了最小 二乘法在电子鼻动态测量系统中的应用模型，并将径向基神经网络用于电子鼻 的动态信息识别中，同时提出了多组预测的方法。为验证并比较各种模式识别 算法在电子鼻动态信息处理技术中的辨识效果，设计构建了一套气体传感器阵 列和模式识别技术相结合的电子鼻气体检测系统。利用该电子鼻动态测量实验 装置，在开放的实验环境下，取有实际意义的雪碧，橙汁和绿茶三种饮料样本 进行实验，获取了恒温下及温度调制下的动态实验数据，并进行了定性识别。 实验结果表明，BP神经网络的识别能力较差，训练时间长，网络难以收敛到 指定误差。因此常规的单级BP网络在电子鼻动态信息处理中得不到较好的应 用。而自行设计的多BP子网方法结合恒温下动态测量数据则有较好的识别能 力，准确率可达100%。将径向基函数算法应用于处理恒温动态数据和动态温 度调制数据时，采用多组预测可将识别率分别由89.7%和70.4%提高到100%和 95.3%，可见多组预测的有效性。最小二乘法模型简易，识别效率较高，用该 方法来进行数据建模和智能识别，使得两种数据的识别准确率均达到100%, 因此这种方法在电子鼻动态信息处理技术中有着很好的应用前景。可见，利用 适当的模式识别算法，结合动态响应特性进行识别，能够增加分析信息的维 数，获取有关环境气体更为充分的信息，有利于提高电子鼻系统的分析精度， 获得气体的高识别率。 关键词: 电子鼻 气体传感器阵列 动态信息 模式识别 人工神经网络 最小二乘法 ABSTRACT ABSTRACT Withthedevelopmentofinterrelatedtechnologysuchassensorstechnology, dataprocessingtechnology,computertechnology,artificialintelligencetechnology, softwareandhardwaretechnologyofparallelcomputersandthedevelopmentof industry,thedynamicdatafusiontechniqueofelectronicnosewillbetheimportant meansforthedevelopmentofelectronicnoseinthefuture Inthisthesis,theprincipleandessencemeansofdynamicdatafusiontechnique areintroduced.Somecommonusedmethodsofdynamicdatapretreatmentand patternrecognitionalgorithmaresummarized.Onthebasisofthis,theMulti-BP sub-NetworkandthemodelofLeast-Squarealgorithmfordynamicdatafusionin electronicnosearepresented.Inaddition,RBFNeuralNetworkisappliedfor dynamicdatafusionandthemethodofmulti-groupforecastinelectronicnose systemisproposed.Inordertocomparethediscriminatingeffectofdifferentpattern recognitionalgorithmindynamicdatafusiontechnique,asetofdetectionsystem, whichiscombinedgassensorarray.withpatternrecognitiontechnology,isdesigned andconstructed.Bythissystem,experime