基于集成神经网络的多元有害气体定量检测方法研究

发布时间：2017-12-29 18:08

  本文关键词：基于集成神经网络的多元有害气体定量检测方法研究　出处：《宁波大学》2015年硕士论文　论文类型：学位论文

  更多相关文章： 神经网络 PSO 传感器阵列 多元有害气体检测

【摘要】：从十九世纪至今,世界工业产值飞速发展,期间无论是重工业还是轻工业都消耗了大量的能源,从最开始的煤炭,到现在的石油。而在这短短150年的时间里,产生了大量的有毒,有害气体,例如:引发温室效应的CO2、造成雾霾,光化学烟雾NOx及有毒气体CO,等等。大量的有毒有害气体排放给人类环境造成了极大地破坏,而且还会产生一系列的恶性事件,例如:爆炸、火灾、中毒等事件。在人类生存的环境中,O2作为人类生存的的基本养料,也是人类生存环境的一个最重要的指标。因此,对周围环境中的有毒、有害气体进行监测显得尤为重要。使用气敏传感器对单一气体进行检测是可行的,但在日常生活中上述气体都是混合在一起的构成一个多元环境,当使用气体传感器进行检测时会造成交叉敏感现象,导致无法采用传统的气体检测技术对多元有害气体进行检测。本文针对当前多元有毒、有害气体检测方法的缺陷,搭建了一套多元有害气体检测系统,该系统主要包括两部分:传感器阵列,模式识别。将系统的两部分有机的结合能够消除传感器对气体交叉敏感。测试系统传感器阵列部分能够摄取足够多的多元有害气体浓度信息并保存下来,然后通过模式识别部分实现定量回归分析。主要内容包括:1)搭建测试系统的实验装置:制备气敏传感器阵列及设计对应传感器预处理电路;2)进行仿真测试实验:配气方案、基于Lab VIEW的流量控制软件设计、基于Lab VIEW的多路信号采集软件设计;3)阵列信号预处理:使用特征值提取算法实现阵列信号特征值提取、对特征值信号的归一化处理;4)模式识别算法设计:通过粒子群算法、神经网络算法、集成算法相结合建立一个有效的模式识别算法模型,对阵列信号进行识别、定量分析;5)算法改进及比较:对本文设计的算法进行改进,并运用于多元有害气体检测系统信号分析,最后与当前经典的模式识别算法做性能比较。本文实验结果表明,传感器阵列技术能够获取交叉敏感的多元响应信号,而模式识别技术则会充分提取交叉敏感信号的信息,完成对气氛的回归分析。对本文检测的四种气体CO,CO2,NOx,O2,该检测系统能够准确的对气氛别进行划分,并且对于定量分析,预测的平均相对误差小于1%。
[Abstract]:......
【学位授予单位】：宁波大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：X831;TP183

【参考文献】

相关期刊论文 前8条

1 王岩;陈向东;蒋亚东;赵静;;基于独立分量分析和BP网络的电子鼻模式识别[J];传感器与微系统;2006年09期

2 张银洪;贺蕴秋;;气敏材料及其传感器选择性研究进展[J];材料导报;2005年06期

3 邓振杰,齐建玲;基于LabVIEW的虚拟仪器构建技术[J];国外电子测量技术;2002年05期

4 姜娜;孔浩;;浅析软件演化过程描述语言的作用及特点[J];昆明学院学报;2012年03期

5 倪庆剑;邢汉承;张志政;王蓁蓁;文巨峰;;粒子群优化算法研究进展[J];模式识别与人工智能;2007年03期

6 李松;刘力军;刘颖鹏;;改进PSO优化BP神经网络的混沌时间序列预测[J];计算机工程与应用;2013年06期

7 龚筱晗;;汽车污染物排放的防治问题与对策探讨[J];科技资讯;2012年17期

8 袁力哲;杨宪江;王宇;;基于自适应遗传BP算法的混合气体定量检测研究[J];仪表技术与传感器;2013年06期

，

本文编号：1351273