基于改进OS-ELM的电子鼻在线气体浓度检测

电子鼻是一种仿生传感系统，该设备能够同时对多种气体进行识别，因此应用在许多领域当中。气体浓度算法是电子鼻对气体定量分析时的核心部分，为了提高电子鼻浓度检测算法精度，提出一种基于在线序列极限学习机（Online Sequential-Extreme Learning Machine, OS-ELM）的预测模型。该模型通过一维卷积神经网络（One DimensionalConvolutionalNeuralNetwork,1DCNN）提取特征，使用OS-ELM对气体浓度进行预测，并提出了一种改进的粒子群（Particle Swarm Optimization, PSO）算法以克服OS-ELM需人工调整模型参数的问题。由理论分析，改进的算法比传统PSO算法有更强的搜索能力。实验结果表明，所提模型对气体的预测精度上较传统的预测模型具有更高的预测精度和泛化能力。