基于联合神经网络的传感器故障诊断与重构

针对可能发生的传感器故障,设计出了一种基于联合神经网络的传感器容错系统.提出了一种改进型的径向基函数神经网络,有较强的容错能力.算法包括1个主网络和n个分散网络的联合神经网络结构,各神经网络均基于改进型径向基函数算法,根据一定的控制目标对系统中的传感器故障进行检测、识别和调节,达到了容错控制的目的.     

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%.     

一种基于径向基神经网络的车牌字符识别方法

径向基函数神经网络具有局部逼近的能力和局部可调的特性,以车牌字符识别为例,构造了一种实用型的径向基神经网络,并与传统的BP神经网络作了对比.实验结果表明,在车牌字符识别中,径向基网络的识别能力、分类能力及识别速度等均优于BP网络.     

基于改进的RBF神经网络在线辨识算法及其应用

针对径向基函数(RBF)神经网络用于非线性系统辨识时存在的问题，对径向基函数网络的拓扑结构作了改进，并给出了改进的径向基函数(MRBF)神经网络的中心选取方法和权值在线调整算法，最后用改进的径向基函数网络对一个典型工业对象(CSTR)进行了应用研究，结果表明方法有效。     

并联混合神经网络模型及应用研究

单一神经网络难以对复杂模型做出准确的预测,提出了一种并联型混合神经网络模型用于对复杂的系统进行预测,该模型由径向基函数网络、BP网络和控制模块组成。控制模块用于线性映射层,将两种单一神经网络的输出结合并得到最终的输出结果。详细地给出了混合模型的预测方法：首先,利用改进算法分别训练径向基函数网络和BP网络;其次,采用自适应遗传算法优化线性映射层以获得更好的预测精度;最后,利用两个实例比较单一神经网络和提出的混合网络的预测性能。实验表明,混合神经网络在预测精度上比单一网络具有更优的性能,同时,该混合模型为复杂系统提供了一种通用的预测工具。     

无线传感器网络的系统化自适应建模

无线传感器网络的系统能耗制约着全网络的综合应用能力,其中节点有限的能量从根本上影响着传感器网络效能。针对无线传感器网络的全局能耗问题,提出了基于径向基函数神经网络以及状态空间表达的系统化建模方法。考虑到无线传感器网络的拓扑结构与分级关系, 采用径向基函数神经网络自适应实时规划系统。鉴于各传感器节点对数据的不同处理方式与能耗密切相关, 对全系统能耗建立系统化矩阵模型。仿真分析表明该模型可根据实际应用背景调整设置完成全局优化。     

一种改进的RBF神经网络DOA估计方法

提出一种优化径向基函数神经网络来波方位(DOA)估计模型结构和参数的方法。利用误差准则函数的收敛性,合理确定模型的隐层神经元数目,根据阵列信号相位差特征的空间分布特点,选择具有代表性的隐层神经元的中心,构建的RBF神经网络更能反映阵列的测向能力。相比于目前的径向基函数神经网络测向模型的构建方法,改进的DOA估计模型具有更好的泛化性能,能够提高测向精度。实验结果验证了该方法的有效性。     

Adaboost集成BP神经网络在传感器阵列检测系统中的应用

针对目前常见的多元有害气体检测问题,设计并搭建了一种基于传感器阵列和集成 BP神经网络相结合的传感器阵列检测系统。在该系统中采用集成BP神经网络对传感器阵列的三种混合有害气体的响应信号进行回归分析。为了提高集成BP神经网络的预测准确性,又利用Adaboost算法对集成BP神经网络进行了优化。结果显示：该系统能够准确地检测气体组分,通过Adaboost算法对集成BP神经网络优化后,预测的平均相对误差小于2%,能够有效解决气体传感器的交叉敏感问题,提高传感器的选择性。     

基于径向基神经网络的电涡流传感器输出特性拟合研究

针对电涡流传感器的输出特性参数非线性较大,不能精确地反映被测物理量的问题,提出了一种采用径向基神经网络对电涡流传感器的输出特性参数进行拟合的方案。该方案采用newrb函数创建一个径向基神经网络,以被测物理量作为输入矩阵、电涡流传感器输出电压作为输出矩阵,对该径向基神经网络进行训练,从而可得到均方根误差小且光滑的电涡流传感器输出特性拟合曲线。实验结果表明,只要选择合适的创建函数和扩展系数,径向基神经网络能有效地实现电涡流传感器输出特性的拟合。     

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%.     

食醋分类中气体传感器阵列的一种优化方法

利用13只气体传感器、1只温度传感器和1只湿度传感器构成的初始测试系统,对3种不同品种的食醋进行测试。运用小波包的三尺度分解来提取测试结果的分析特征向量,并借助主成分分析(PCA)技术,对传感器阵列进行了优化,得到由5只传感器构成的优化阵列。利用RBF神经网络,对原阵列和优化后阵列的鉴别效果进行比较,结果表明:优化后传感器阵列能将3种不同品种的食醋成功区分开,并且鉴别效果也得到明显改善。     

电子鼻传感器阵列优化及其在醋的分类中的应用

利用6个TGS系列气敏传感器阵列对醋进行了检测。按照Wilks统计量最小的原则对传感器阵列进行了优化,得到了由4个传感器组成的用于检测醋的种类的最佳传感器阵列。对阵列优化前后的数据,用PCA、LDA进行对比研究,结果表明,优化后的阵列可以更好地对醋鉴别分类。因此,所给出的优化方法是有效的。     

离散半圆柱体电阻式气体传感器的研究

气体传感器,作为一种先进的信息获取设备,在人们生产和生活中发挥着越来越大的作用。人们对其性能要求也越来越高,尤其是传感器的响应速度更是人们关注的重点。所以,本文提出了一种新型的气体传感器模型,即在连续平面敏感结构的基础上,将其离散化,成为离散半圆柱体阵列结构,根据平面和圆柱体扩散方程,分析了两者的响应时间和灵敏度,并进行比较,证明离散半圆柱体阵列敏感结构具有了更快的响应速度和更高的灵敏度。     

基于气体传感器阵列的易挥发化学品判别系统

利用气体传感器阵列结合判别软件,可用于气体的定性识别。本系统采用气体传感器MQ211组成阵列,结合气室和必要的电路,设计了实时数据采集判别系统,介绍了判别系统的构成与实验过程,实验结果表明:本系统能准确判别多种易挥发化学品。     

灰色理论在电子鼻气体定量分析中的应用

将气体传感器阵列与灰色系统理论相结合,设计出用于气体定量分析的电子鼻。根据传感器数列得到的实验数据为基础数据建立了气体定量分析的灰色预测模型GM（1,N）,并通过该模型对气体的体积分数进行了分析。实验证明：灰色系统理论用于气体的定量分析是可行的。     

RBF神经网络在柔性触觉传感器解耦中的应用

针对柔性触觉传感器模型高度非线性、解耦难度大等问题,提出一种有效的方法来模拟柔性触觉传感器在实际应用中含噪声的情形。首先在理想条件下的传感器模型上添加不同幅度的高斯白噪声并建立其数学模型,之后通过K-均值和递归最小二乘法优化RBF神经网络,并利用优化后的RBF神经网络算法逼近受噪声干扰的传感器阻值与形变之间的高维非线性映射关系,最后基于不同的展开幅度通过行列阻值解耦出传感器三维形变信息,获得了较好的解耦精度。解耦结果表明,RBF神经网络算法具有较强的鲁棒性和抗噪声能力,能够很好地逼近含噪声的传感器高维非线性数据之间的映射关系。     

A low-power micromachined MOSFET gas sensor

This paper reports on the design, fabrication, and characterization of the first low-power consumption MOSFET gas sensor, The novel MOSFET array gas sensor has been fabricated using anisotropic bulk silicon micromachining. A heating resistor, a diode used as temperature sensor, and four MOSFETs are located in a silicon island suspended by a dielectric membrane. The membrane has a low thermal conductivity coefficient and, therefore, thermally isolates the electronic components from the chip frame. This low thermal mass device allows the reduction of the power consumption to a value of 90 mW for an array of four MOSFETs at an operating temperature of 170°C. Three of the MOSFETs have their gate covered with thin catalytic metals and are used as gas sensors. The fourth one has a standard gate covered with nitride and could act as a reference. The sensor was tested under different gaseous atmospheres and has shown good gas sensitivities to hydrogen and ammonia. The low-power MOSFET array gas sensor presented is suitable for applications in portable gas sensor instruments, electronic noses, and automobiles     

自确认金属氧化物半导体气体传感器阵列及其应用研究

金属氧化物半导体(MOS)气体传感器阵列是机器嗅觉系统中获取目标气体信息的重要装置.由于气敏元件的材料特性,MOS气体传感器阵列在工作过程中不可避免地会发生突发故障及外界干扰,导致机器嗅觉系统的检测与分析性能下降.为了提升机器嗅觉系统的可靠性,在总结以往研究成果的基础上,提出了自确认MOS气体传感器阵列.该气体传感器阵列结合自确认传感器技术,能够实现自身的多故障检测与隔离、故障识别、故障恢复及测量质量评估等自确认功能.本文分别探讨了自确认MOS传感器阵列的硬件架构、功能模型及其关键技术.最后,介绍了一种面向大气环境污染气体监测的自确认MOS传感器阵列,实现了其异常状态监测与测量质量评估并对其有效性进行了验证.     

基于气体传感器阵列和非线性信号分析技术的龙井茶品质检测方法研究

本文研究了一种基于传感器阵列信号分析的龙井茶品质检测技术,采用多气体传感器阵列构建检测平台,实验检测不同储存时间的龙井茶样品,并对传感器阵列信号开展信号分析。为了进一步优化传感器阵列检测龙井茶品质的准确性,对传感器阵列参数优化,得到优化之后的阵列,优化后的传感器阵列具有更高的准确性。采用载荷分析（Loadings）、归一化处理进行数据的预处理。实验采用模糊c均值聚类（FCM）、k近邻函数（KNN）和概率神经网络（PNN）三种方法对传感器阵列检测信息进行了模式识别,以评估所构建系统的检测精度。结果表明三种方法的识别正确率分别为90.83%,90%和93.3%。结果表明KNN和PNN针对气体传感器阵列检测龙井茶品质领域均呈现了较好的模式识别结果。以上结果证明该系统具有较好的检测精度,随机共振系统输出相关系数曲线可以较好的区分不同茶叶样品,并且依托互相关系数特征峰值构建了其品质分析模型。