神经网络在SnO_2气敏元件浓度测量中的应用

气体传感器属于传感器技术领域,在传感器行业中占有重要的地位.然而气体传感器阵列的交叉敏感性严重影响气体传感器对混合气体的测量.基于Matlab平台的神经网络工具箱,分别构建BP神经网络和RBF(径向基)神经网络,对由涂敷不同敏感材料的声表面波振荡器组成的阵列在4种混合气体灵敏度响应数据进行定量识别研究,结果表明RBF神经网络在气体定量识别方面更具优势.     

基于气体传感器阵列和独立成分分析的易燃气体检测

本文提出一种基于气体传感器阵列和独立成分分析(ICA)的方法来检测常见易燃性气体,例如一氧化碳(CO)和甲烷(CH4).气体传感器阵列由6个商用金属氧化物半导体传感器组成,分别对这两个独立的气源产生响应.通过分析ICA散点图中CO和CH4的信息成分,实现了这两种易燃气体的定性和定量组分分析.仿真结果表明,用ICA对气体传感器阵列测量数据进行处理,可以提高气体识别的准确率和浓度测量的精度.     

多组份气体定量检测研究

本文介绍了一种基于气体传感器阵列的采用神经网络模式识别方法的多组份气体定量分析装置的设计及其初步的实验结果,以及对这种方法的改进。并讨论了采用这种方法进行多组份气体定量分析的可行性。     

基于气体传感器阵列的混合气体定量分析

优选CO和H2气体敏感的半导体气体传感器组成阵列，建立实时数据采集系统，结合BP神经网络模式识别技术，实现了混合气体组分的定量分析。讨论了不同响应时间下的阵列输出值、不同的数据预处理算法及不同的神经网络结构等主要影响因素对网络输出结果的影响。结果表明，采用RRD预处理算法对3min响应时间下的阵列输出值进行处理，再输入到有12个隐层神经元数的3层BP神经网络进行训练，预测的效果最好。该处理模式能较准确地完成CO和H2混合气体组分的定量分析。     

基于神经网络的电子鼻检测系统研究

研制了一套由51单片机和厚膜传感器阵列组成的电子鼻系统,并介绍了该系统的工作原理。对不同气体通过传感器阵列产生的响应信号进行了数据采集,利用BP神经网络对样本进行分析识别,并在显示终端实现气体成分的定性或定量显示。     

城市危险品气体辨识技术的研究

城市危险品气体检测对于城市安全至关重要。利用SnO_2,In_2O_3,SnO_2/NiO,SnO_2/In_2O_3,SnO_2/Pa,SnO_2/Sb 6种旁热式气敏元件组成的气体传感器阵列,分别采用BP神经网络、支持向量机(SVM)和极限学习机(ELM)3种气体辨识方法实现对城市危险气体中常见的3种气体(NH_3,HCOH,C_7H_8)进行定性的识别。测试结果表明:基于SVM与ELM的气体辨识技术对于含有低浓度甲醛的混合气体定性识别率达100%,且在收敛速度、泛化性能等方面较BP神经网络有明显提高。     

人工嗅觉系统设计初步

采用纳米薄膜气体传感器构成传感器阵列，采用分压式取样电路测量传感器在气氛中电阻的响应曲线。提出“气味谱”的概念，用误差反传神经网络和自组织特征映射神经网络(SOM)进行学习训练和识别，结果表明SOM网络更接近于人类对气味的认知过程，是人工嗅觉系统较为理想的算法。玻璃基片等离子溅射镀膜方法是制造人工嗅觉所需的大规模气体传感器阵列的有效方法。     

基于ICA的气体模式识别方法研究

文中提出一种基于独立成分分析的非监督气体模式识别方法,用多元统计理论中的独立成分分析(independent component analysis-ICA)来分析金属氧化物半导体气体传感器阵列响应数据,进而实现对不同种类气体的分类.对所设计的电子鼻实验系统测量得到的气体传感器阵列稳态响应数据进行了白化和快速定点独立成分分析(FastICA)处理.实验结果表明该方法对区分一氧化碳(CO)、甲烷(CH_4)和氢气(H_2)3种气体有很高的识别率.     

基于BP人工神经网络的气体传感器温度补偿

针对气体传感器存在输出特性极易受到外界温度干扰的特性,提出了基于BP神经网络的温度补偿方法。通过Matlab神经网络工具箱中提供的程序,对神经网络中的各种函数参数进行编程来实现对气体传感器的补偿功能。实验仿真结果表明该方法有效地减小了外界温度对气体传感器输出的影响,提高了传感器的准确性和稳定性。     

利用前馈神经网络进行气体定性分析

本文将气敏传感器阵列与前馈神经网络模式识别技术相结合,建立了人工嗅觉系统;构造了前馈神经网络的结构和算法;通过实验对一定浓度范围（５００～１０００ｐｐｍ）的甲烷、乙烷和丙烯等三种气体进行了识别,结果表明利用气敏传感器阵列和前馈神经网络进行气体定性分析是可行的。     

基于Chebyshev网络和最佳逼近理论的CO2浓度检测

针对检测二氧化碳时因环境条件变化导致的检测精度降低、实时监测难、相似气体"交叉敏感"等问题,提出一种基于Chebyshev网络和最佳逼近理论的信息融合检测二氧化碳方法.该方法采用多个传感器采集多类信息,这些信息分别对应影响二氧化碳检测的物理量以及红外传感器测量数据,通过改进的Chebyshev网络进行信息融合,获得融合的检测结果.模拟试验结果表明:该方法明显地提高了检测二氧化碳的精度和鲁棒性.同时,采用信息融合技术,增强了气体检测的可控性.     

气体传感器阵列的研究

阐述了用ＢＰ算法处理阵列式气体传感器信号的方法。实验结果证明,神经网络方法具有非线性逼近能力强、识别率较高等特点,是实现智能化检测的很有前途的方法。     

基于最小二乘支持向量机预测器的传感器故障检测与数据恢复

本文介绍了最小二乘支持向量机（LS-SVM）回归的基本原理，提出了一种基于LS-SVM回归的时间序列预测器，并将其用于传感器的故障检测和数据恢复。论述了LS-SVM预测器的实现方法和步骤，并且将其应用于压力传感器的故障检测和数据恢复，同线性神经网络预测器、RBF神经网络预测器和BP神经网络预测器的比较结果表明，LS-SVM预测器具有更高的预测精度，更好的外推能力，计算效率最高，因此，LS-SVM预测器是传感器故障检测和短期数据恢复的一种有效方法。     

基于神经网络的光纤布拉格光栅触觉信号解耦研究

针对应用于电子皮肤的柔性光纤布拉格光栅触觉传感器的输出信号是施加载荷位置、大小等信息的非线性、多维耦合问题,在对光纤布拉格光栅触觉传感阵列进行力学有限元仿真的基础上,提出了将误差逆传播神经网络和径向基函数神经网络应用于仿真和实验的触觉信号解耦方法。对实验数据的神经网络解耦结果表明,相对于误差逆传播神经网络,径向基函数神经网络具有更强的抗噪声能力,能够更好地逼近含有噪声的触觉多维非线性实验数据之间的映射关系。经径向基函数神经网络解耦后,传感器阵列的空间分辨率为5 mm,对压力位置和大小感知的最小相对误差为3.00%和4.82%。本文的研究成果对开展电子皮肤柔性触觉传感器的研究和推广具有一定的实用价值。     

BACK PROPAGATION NEURAL NETWORK MODEL FOR TEMPERATURE AND HUMIDITY COMPENSATION OF A NON DISPERSIVE INFRARED METHANE SENSOR

The infrared absorption gas sensor detects CH₄, CO, CO₂, and other gases accurately and rapidly. However, temperature and humidity have a great impact on the gas sensor's performance. This article studied the response of an infrared methane gas sensor under different temperatures and humidity conditions. After analyzing the compensation methods, a back propagation neural network was chosen to compensate the nonlinear error caused by temperature and humidity. The optimal parameters of the neural network are reported in this article. After the compensation, the mean error of the gas sensor's output was between 0.02–0.08 vol %, and the maximum relative error dropped to 8.33% of the relative error before compensation. The results demonstrated that the back propagation neural network is an effective method to eliminate the influence of temperature and humidity on infrared methane gas sensors.     

基于BP神经网络的触摸屏校准算法

由于触摸屏的密度不一致,采用简单线性转换限制了校准精度的提高。为了获得更高的校准精度,提出了基于BP神经网络的电阻型触摸屏校准方法,构建了神经网络模型,并利用BP算法的非线性隐射能力对触摸屏标定数据进行了输入一输出的非线性逼近。仿真实验结果表明,与两点比例校准相比该校准方法在校准精度上大约提高了3倍,明显优于同类算法。     

基于波形分析的氧传感器故障诊断方法研究

氧传感器通过检测发动机排放尾气中氧离子的含量进而获得混合气空燃比信号。空燃比的大小直接影响发动机有害气体(HC、CO、NOx)的排放量,因此本文对比分析帕萨特1.8T发动机中氧传感器的正常工作波形和故障波形,提取波形上特征值,建立BP神经网络,输出故障类型。通过10组测试数据的诊断结果得出结论:基于波形分析的氧传感器故障诊断方法是可行的。