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。     

最小二乘法在电子鼻动态信息融合中的应用

基于集成气敏传感器阵列和多传感器信息融合技术的电子鼻系统,可用于气体/气味的定性定量识别.电子鼻走出实验室的关键是高效的识别算法和简化的实验装置.本文提出最小二乘法在简化的电子鼻系统中的应用模型.利用线性最小二乘法拟合传感器阵列的动态响应曲线,建立电子鼻系统的知识库并进行智能识别.利用该方法并结合气体传感器阵列在不同温度条件下的动态响应信号,对雪碧、酷儿和绿茶三种饮料样本进行定性识别,仿真验证结果表明该方法的识别准确率达到100%.     

电子鼻中预处理算法选择及阵列优化

为了研 究数据预处理算法和传感器阵列优化对电子鼻气体辨识的影响,对3种气体进行了测试。使 用主成分分析(Principal component analysis, PCA)法选择预处理算法,确定分类效果最 好的相对差分法对电子鼻数据进行预处理。对初始阵列优化前,首先通过传感器响应变化趋 势及变异系数剔除响应异常的传感器;然后进行PCA因子载荷分析,结合相关系数分析及方 差膨胀因子进行多重共线性检验确定可能的最优阵列。最后,运用反向传播(Back propagation,BP)神 经网络对可能的最优阵列进行气体识别检验并确定最终阵列,同时选取其他阵列作为对照研 究。通过计算检验,证明本文的阵列优化方法不仅可以剔除异常和冗余传感器,而且对测试 样本分类效果良好。     

基于多BP子网络的电子鼻信息融合技术

针对电子鼻技术的应用中,利用常规BP(back-propagation)网络难以对复杂的混合气味进行识别这一问题,介绍了一种采用多BP网络联合进行电子鼻多传感器数据融合处理的新方法。利用这一方法并结合气体传感器阵列在不同温度条件下的响应信号,对不同品牌的葡萄酒样本进行定性识别,仿真验证结果表明该方法的识别准确率达到100%。     

基于传感器温度动态响应信息和Kohonen算法的葡萄酒定性识别方法

对复杂混合气体/气味的定性识别是电子鼻技术应用的重要方面.文章以对不同品牌的葡萄酒样本的定性识别为例,尝试利用气体传感器温度动态响应信息并结合Kohonen算法,实现对复杂混合气体/气味的定性识别.仿真验证结果表明:采用仅由3个气体传感器构成阵列的电子鼻系统,利用上述方法对5种不同品牌的葡萄酒样本的识别准确率达到100%.文中同时针对识别对象的特点,介绍了一种差值抵消的数据预处理方法.     

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.     

针对香蕉品质检测的专用电子鼻系统

研究开发了一套针对香蕉品质检测的专用电子鼻系统。针对香蕉品质变化过程中释放的特征气体选择了特定的气敏传感器阵列,利用传感器检测腔的环境控制优化模块来稳定气体传感器的工作环境,提高系统检测精度和稳定性。同时通过传感器阵列及气腔的小型化设计,实现系统的便携化,极大地提高了系统的实用性。系统采用数据预处理和BP神经网络的组合识别算法,对香蕉的不同品质状态进行了分类识别。实验结果表明,系统的识别率达到了100%。     

用于易挥发性化学品检测的实用电子鼻算法研究

由气体传感器阵列构建的电子鼻系统在易挥发性化学品的快速检测中起着重要的作用.利用12 路气体传感器阵列采集易挥发性化学品蒸气的响应曲线,通过研究具有一定抗干扰能力的具有现场实用意义的电子鼻识别算法,提出了一种基于 BP 神经网络的算法来提取特征向量.所需计算量小,稳定性高,受浓度影响小;在此基础上进行神经网络的训练并对...     

基于集成气敏传感器阵列的电子鼻系统环境响应特性分析

基于集成气敏传感器阵列和多传感器信息融合技术的电子鼻系统 ,可用于气体 /气味的定性定量识别 .在实际应用中 ,被识别样本的浓度、样本环境的温度和湿度参数等都对电子鼻系统的响应特性有较大的影响 .本文分别利用纯净空气及乙醇或葡萄酒作为载气及分析样本 ,对电子鼻系统响应特性与气敏传感器工作温度以及样本温度、环境湿度、样本浓度间的依赖关系进行了实验分析 ,并分别给出了它们间依赖关系的实验结果 .     

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.     

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。     

嗅觉神经网络在电子鼻识别多品牌绿茶中的应用研究

生物模式识别机理引入人工嗅觉系统将提高其仿生化程度,并被认为是有前途的传感阵列信息处理方法。本文尝试将一种嗅觉神经网络应用到电子鼻检测和识别多种品牌的绿茶气味。通过包含8个MOS型气敏传感器的自制电子鼻仪器,测量了来着不同地方的5种不同品牌的绿茶样品,在传感阵列信号稳态部分提取特征向量,并使用雷达图考察指纹图谱异同,验证传感阵列及特征提取方法的有效性。采用生物相似性学习算法训练该神经网络,考察了样本训练次数和识别率的关系,发现经过4～7次训练,该网络对这5种绿茶的识别率平均值都在97%以上。     

电子鼻在气体检测中的应用研究

优选对甲烷、丙烷及氢气交叉敏感的5只半导体传感器组成气体传感器阵列,建立实时数据采集系统,结合特征提取和模式识别算法,研制出了一种对3种可燃性气体进行实时检测的电子鼻系统。提出了双重神经网络定量分析多种未知气体的方法,即先利用第一重网络对气体进行定性识别,再应用第二重网络对识别出的气体进行定量分析。通过BP神经网络分析表明:该系统对3种气体的识别率达到了100%,定量分析的最大相对误差不超过9.4%。     

基于分段平均微分值法的动态检测识别系统

本文将动态检测方法应用到电子鼻技术中,采用半导体气敏传感器MQ131、MQ135、MQ138组成阵列,设计了实时的动态检测、数据采集系统,测试了甲苯、乙酸酐、乙醚、丙酮四种气体.并且针对气体在动态检测方式下的气敏机理,提出了一种新的特征提取方法--分段平均微分值法,此方法既能获取动态响应过程的主流特征信息又有效地削弱了浓度的影响.最后,将分段平均微分法结合BP神经网络模式识别技术对不同浓度下的甲苯、乙酸酐、乙醚、丙酮四种气体进行了识别,识别率可达91.67%.     

带参考向量的ICA电子鼻背景干扰消除算法

针对电子鼻伤口感染检测中的背景干扰问题,提出一种带参考向量的独立分量分析(ICA)背景干扰消除算法。利用ICA分解传感器阵列信号并提取独立分量,通过计算独立分量与参考向量的相关性,区分有用信号和背景干扰,采用神经网络分类器进行模式识别。实验结果表明,该算法能消除电子鼻背景干扰,提高伤口感染检测的准确率。     

交通环境有毒气体的检测技术研究

针对交通环境中毒害较大的CO、NO₂和CH₄三种气体,优选金属氧化物半导体气体传感器构成阵列,并对BP网络进行改进,采用有弹回的BP算法,构造了电子鼻系统。实验结果表明,系统能够以较高的精度检测出交通环境中三种有毒气体的浓度。