基于嗅觉模拟技术的气味火灾探测研究

摘要

火灾历来是威胁人类安全、影响人类发展的重大灾害之一。如何极早期并且准确探测到火灾历来是火灾探测研究的重点内容之一。 近年来，基于气敏传感器阵列与模式识别方法的嗅觉模拟技术成为国内外研究的热点，并且成功应用于环境监测、医疗诊断、医药及食品工业、化工、军事等领域。目前已经有人尝试将其应用于火灾探测方面。将嗅觉模拟技术应用于火灾探测的实质就是利用嗅觉模拟系统中仿生的气敏元件感应火灾前(中)物质受热分解(燃烧)释放出的气味，这个感应时间早于火灾发生时间、甚至是阴燃发生的阶段，即早于传统火灾探测器的响应时间。所以将其应用于火灾探测领域可以解决以往火灾探测器响应时间晚、响应不准确的关键技术问题。嗅觉模拟技术在火灾探测方面表现出良好的发展潜力。 本文首先综述了火灾探测器的发展历程、现状、存在问题和未来的发展趋势，然后以嗅觉模拟技术在火灾探测领域中的优势为切入点，着重讨论了嗅觉模拟系统中新型信息处理技术，为嗅觉模拟系统的应用提供了新的思路和新的方法。本文研究工作主要有以下几个方面： 研究和分析了人工嗅觉领域主要应用的技术原理及方法。嗅觉模拟系统采用多个不同敏感特性的传感器组成阵列，利用其交叉敏感特性实现其对气味物质的多对一的映射描述。 通过传感器的气敏性能实验，分析了温湿度对气味传感器输出的影响，并提出了基于知识的温湿度补偿思想及其方法。 分析了嗅觉模拟技术中常用的模式识别方法，并利用KNN法、最小二乘法和RBF神经网络方法构成气味物质识别系统，通过对单一火灾气体辨识能力的比较，认为基于RBF算法的神经网络方法比其他方法在数据处理方面更迅速、更为精确，因此在气味火灾探测领域具有更好的应用前景。

目录

文摘

英文文摘

独创性声明和学位论文版权使用授权书

第一章绪论

1.1引言

1.2火灾参量、探测方法及探测发展简史

1.2.1火灾参量及火灾探测方法分类

1.2.2火灾探测发展简史

1.2.3火灾探测算法的研究发展过程

1.3火灾探测研究的现状及未来的发展趋势

1.3.1目前火灾自动探测存在的问题及研究进展

1.3.2火灾自动探测发展的主要方向

1.4嗅觉模拟技术在火灾探测中的应用

1.4.1综述

1.4.2人的嗅觉系统

1.4.3嗅觉模拟技术的研究历史

1.4.4嗅觉模拟技术的国外内研究现状

1.4.5嗅觉模拟技术用于早期火灾探测的可行性分析

1.5嗅觉模拟系统中的气味及多传感技术

1.6嗅觉模拟系统所采用的数据处理方法

1.7本课题研究的内容

第二章嗅觉模拟系统工作原理及实验装置

2.1概述

2.2嗅觉模拟系统的工作原理及基本组成

2.2.1嗅觉模拟系统基本原理

2.2.2气敏传感器及其阵列

2.2.3嗅觉模拟系统气敏传感器的选择

2.2.4气味传感器的敏感原理

2.3气味检测实验装置

2.3.1气味采集单元

2.3.2程序升温单元

2.2.3气味检测单元

2.2.4数模转化单元

2.4实验条件

2.5实验步骤

2.6本章小结

第三章嗅觉模拟系统中气味传感器的气敏性能研究

3.1概述

3.2气味传感器输出的数学模型

3.3气味传感器单一火灾气体敏感性分析

3.4气味传感器输出的温湿度影响分析

3.4.1湿度的影响分析

3.4.2温度的影响分析

3.5气味传感器测量中温湿度的补偿方法

3.5.1基于知识的温、湿度补偿思想

3.5.2基于知识的温湿度补偿方法

3.6本章小结

第四章统计模式识别方法在嗅觉模拟技术中的应用

4.1基于K—近邻法的模式识别方法

4.1.1 K—近邻法的基本原理

4.1.2用于嗅觉模拟系统模式识别的数学模型及其计算方法的建立

4.2基于最小二乘法的模式识别方法

4.2.1最小二乘原理及其在参数估计中的应用

4.2.2用于单一气体定性识别的数学模型及计算方法的建立

4.2.3用于单一气体定量识别的数学模型及计算方法的建立

4.3本章小结

第五章神经网络方法在嗅觉模拟技术中的应用

5.1神经网络理论的发展及现状

5.2神经网络的特点和基本原理

5.3 RBF神经网络的兴起及其结构

5.4 RBF神经网络的映射关系与映射机理

5.4.1 RBF神经网络的映射关系

5.4.2 RBF神经网络的映射机理

5.5应用于单一火灾气体定性识别的RBF神经网络设计

5.5.1 RBF网络的学习算法

5.5.2 RBF网络设计

5.5.3 RBF算法程序

5.6本章小结

第六章单一火灾气体定性识别能力研究

6.1基于K—近邻法的单一火灾气体定性识别能力研究

6.1.1实验数据

6.1.2标准样本库的建立

6.1.3结果分析

6.2基于最小二乘法的单一火灾气体定性识别能力研究

6.3基于RBF神经网络的单一火灾气体定性识别能力研究

6.3.1实验数据

6.3.2数据预处理

6.3.3程序运行的基本过程

6.3.4实验数据分析

6.4本章小结

第七章结论

参考文献

致谢

附录