基于可视化阵列传感器的气体检测模式识别研究

摘要

随着工业化进程的加快以及人们对装饰要求的提高，大气中工业排放有毒有害气体极具增加，严重危害人体健康，因此对有毒有害气体的检测非常重要，而设计一种快捷有效的气体检测装置更是刻不容缓，而对这些有毒有害气体进行识别然后有针对性的进行清除对大气环境的改善也具有非常重要的意义。
　　 本文根据敏感材料与微量气体分子结合发生反应会产生光谱变化这一机理，设计出了具有特异性识别的可视化阵列传感器，研制出了一套基于可视化传感器的气体检测系统，能实现气体的快速准确检测和识别。文章主要介绍了检测系统的构建，数据库的建立，对检测的气体的模式识别，研究的工作主要集中在以下几个方面：
　　 ①采用可视化阵列传感器对气体分子的特异选择性，反应得到特征图与气体具有一一对应关系实现检测的原理，设计了上下位机相结合的气体检测系统。阐述了系统结构和特征提取过程。
　　 ②根据传感器的检测原理，为检测系统设计了相应的软件系统，系统包括传感器图像的采集，图像处理，特征提取等。
　　 ⑧为减少可视化阵列传感器在气体检测过程中带来的干扰和误差，针对杂质气体对传感器影响，反应温度、气体流量均匀性、光照等因素对检测造成的影响都设计了相应的改进方法。
　　 ④采用ACCESS数据库为系统建立了相应的数据库系统，数据库实现对气体数据的管理，为未知气体的模式识别提供了依据。
　　 ⑤设计了检测的气体数据的模式识别方法，分为识别气体种类的定性识别和识别气体浓度的定量识别，定性识别主要采用聚类分析进行分析，而由于气体浓度之间差异较小，且特征值之间可能含有交叉性，聚类分析难以实现定量识别，采用具有学习和记忆功能的BP神经网络和RBF神经网络进行分析，并对此两种方法加以改进提高识别能力，取得了不错的识别效果。