气体检测系统中BP神经网络的设计与实现.docVIP

气体检测系统中BP神经网络的设计与实现 　　摘要: 在简要概述气体检测系统原理的基础上,分析了BP神经网络模式识别的特性和结构,阐述了一种基于人工神经网络的混合气体检测方法。分析并研究了气体检测系统中BP神经网络结构的设计方法,构建了基于Matlab的BP网络模型,并实现了对CO、H2S和CH4三种混合气体的定性定量检测。 　　Abstract: On the basis of the brief overview of principles of the electronic nose system, this article analyzed the characteristics and structure to explain a mixed gas detection method based on an artificial neural network. This article also analyzed and researched the method to design the structure of BP neural network for the gas detection, and dreamed up a model of BP neural network based on Matlab, it accordingly realizes the detection of qualitative and quantitative mixed gas which mixed with CO, H2S and CH4. 　　关键词: BP神经网络;传感器阵列;气体检测 　　Key words: BP Neural Network;sensor array;gas detection 　　中图分类号:TP315文献标识码:A文章编号:1006-4311(2010)31-0204-02 　　 　　1概述 　　气体检测系统的工作原理是模拟生物嗅觉系统对被测气体进行感知、分析和识别,由气体传感器阵列、信号处理子系统和模式识别子系统三大部分组成[1]。将气体传感器阵列与人工神经网络的模式识别相结合,是对混合气体进行定性识别和定量检测的一种有效的方法。用气体传感器阵列对气体进行检测具有响应速度快、灵敏度高、制作简单等优点,但同时存在交叉敏感等缺陷,在实际应用中很难有选择地响应被测气体的某种成分,对气体测量的精度有着较大的影响。本课题通过实验研究,将气体传感器阵列采集的输出信号经信号处理,作为神经网络的输入信号,实现了对CO、H2S和CH4三种混合气体的定性定量识别。本文重点研究气体检测系统中BP神经网络结构的设计与实现。 　　2BP网络的结构设计和实现 　　进行BP网络的结构设计时,一般应从网络的层数、每层的神经元个数和相应的激活函数、初始值的设置以及学习速度等因素进行考虑。 　　2.1 输入和输出层的网络设计BP网络的输入层和输出层神经元个数的确定是根据具体的实验需要设定的。网络中,输入类别为n个,检测类别数m,则一般确定输入层的神经元数为n,输出层神经元个数为m。如果训练样本Xi属于第j类,则输出结果公式为[2]: 　　Y=(0,0,…,,)(1) 　　上述公式表示为输出向量中第j个输出为1,其余全部为0。输入层的神经元可以根据对求解的问题和数据表示的方式确定,在实际过程中,应尽量减少系统的规模,使学习的时间和系统的复杂性减少。 　　本课题实验系统确定的传感器阵列中的传感器个数为6个,因此网络的输入将是一个六维向量,即需要6个输入神经元,每个神经元分别和传感器的输出信号一一对应。实验中对CO、H2S和CH4三种气体组成的混合气体进行定性识别和定量检测,因此该网络的输出是一个三维向量,分别对应三种气体的输出值。用二进制编码区分三种气体的输出模式,期望输出分别是[1 0 0]、[0 1 0]、[0 0 1]。 　　2.2 隐层的设计对于隐层的设计,要考虑隐层层数的选择和每个隐层中神经元单元数的确定。根据Robert Hecht-Nielsen的研究,对于任何在闭区间内连续的函数都可以用具有一个隐层的BP网络来任意逼近,因而一个三层的BP网络可以完成任意的n维输入到m维输出的映射。根据问题的复杂性,也可以设计多个隐层。当各节点均采用s型函数时,一个隐层就足以实现任意判决分类问题,两个隐层则足以表示输入图形的任意输出函数。对于用作分类的BP网络,可参考以下几个经验公式[3,4]: 　　KC(2) 　　此式中,K为样本数,n1为隐层单元数,n为输入单元数。当in1时,C=0。 　　n=+a(3) 　　此式中,m为输出单元数,n为输入单元数,a为1至10之间的常数。针对本课题需要