基于RVM的混合气体识别与浓度检测算法研究

摘要

金属氧化物半导体(MOS)气体传感器具有灵敏度高、响应速度快、价格低廉、使用寿命较长等优点，目前已经成为气体检测领域中应用最广泛的传感器之一。但是由于MOS气体传感器选择性差，存在交叉敏感，导致单一传感器很难实现对混合气体的定性识别和定量检测。因此利用气体传感器阵列可以有效改善交叉敏感特性，本文围绕基于MOS气体传感器阵列的混合气体定性识别和定量检测算法进行研究。本文主要研究内容如下：
　　为了解决MOS气体传感器选择性较差的问题，本文利用五种具有不同灵敏度的传感器组成传感器阵列，搭建实验系统，对传感器阵列的响应信号的特性进行了测试与分析，采集了应用于后续实验的样本数据。
　　针对由于传感器阵列对气体的非线性响应特点而导致的混合气体识别准确率较低的问题，本文提出了基于核主成分分析(KPCA)和多分类相关向量机(M-RVM)的混合气体定性识别方法，KPCA通过核函数能够将线性不可分的数据映射到高维特征空间，实现对样本数据的特征提取。利用M-RV M模型稀疏，参数设置较少，能够以概率的形式输出气体类别，分类准确率高的特点，进行气体识别。实验证明，本文提出的混合气体识别方法能够有效地对二元混合气体进行识别，识别率达到99.83％。
　　针对混合气体浓度检测误差较大的问题，本文提出了基于多变量相关向量机(MVRVM)的混合气体浓度检测方法。利用MVRVM在小样本条件下测量精度高，泛化能力强，模型稀疏，可以同时实现多个变量回归的特点，进行混合气体浓度检测。实验结果表明，本文提出的方法对CO和CH4两种气体浓度检测的平均相对误差分别为5.58%、5.38%。与单一RVM、LS-SVR对比，该方法在浓度估计精度及检测时间上均有一定的优势，有效解决了传感器的交叉敏感特性，更适合用于实时性检测。

目录

封面

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题背景和研究的目的及意义

1.2 国内外研究现状

1.3 课题主要研究内容

第2章 实验平台设计与测试

2.1 传感器阵列的设计

2.2 实验平台搭建及数据采集

2.3 传感器阵列性能分析

2.4 本章小结

第3章 混合气体定性识别算法研究

3.1 总体概述

3.2 数据预处理方法研究

3.3 特征提取方法研究

3.4 基于M-RVM的混合气体识别算法研究

3.5 基于KPCA和M-RVM的算法实现步骤

3.6 混合气体定性识别结果与分析

3.7 本章小结

第4章 混合气体浓度检测算法研究

4.1 多变量相关向量机原理

4.2 仿真验证结果及分析

4.3 混合气体浓度检测结果与分析

4.4 本章小结

结论

参考文献

攻读硕士学位期间发表的论文及其它成果

声明

致谢