基于电子鼻系统的混合气体的定性分析和定量估计

摘要

电子鼻是模拟动物嗅觉器官开发的利用气敏传感器阵列的响应来识别气体的电子系统，由化学传感器阵列和模式识别系统组成，利用传感器的部分专一性和系统的模式识别功能，可以用来检测气体。
　　 模式识别是机器针对模式分类进行环境观察、从背景中分离出有效模式、并做出充分合理决策的学习的过程。作为电子鼻系统的“大脑”，模式识别算法的好坏直接影响电子鼻系统检测气体能力的优劣。对于气体的识别，功能上讲主要包括定性分析和定量检测两大方面。针对气体的定性分析和定量检测，本文设计了一个电子鼻实验系统和一个混合神经网络算法，通过一套完善的实验方案获取数据，用数据对神经网络进行训练，使其在定性分析和定量检测上都能达到较高精度。
　　 本文旨在训练一个具有定性分析气体性质和定量估计气体浓度能力的神经网络，故以此为基础展开了一系列的研究，包括：(1)传感器阵列采集系统的开发，系统包括气体配置，7个不同型号的金属氧化物半导体传感器组成的传感器阵列，模拟信号检测电路，AD采样电路，信号转换电路和自行开发的PC数据接收和保存软件。(2)智能识别系统的建立，包括数据处理和神经网络的训练。数据处理指的是减基线、归一化的预处理和特征提取与降维，其中特征降维研究了主成分分析(PCA)、线性判别式分析(LDA)和通过类间方差和类内方差均值的比值大小来选择特征的方法(特征选择方法)；神经网络的训练包括用于定性识别的BP神经网络的训练和用于建立模糊估计器进行定量分析的Fuzzy ART神经网络的训练。
　　 对比使用PCA、LDA以及特征选择方法对数据进行降维和特征提取，无论是对于氨气、乙醇气体单体，还是对于两者的混合气体，LDA降维后的分类效果都是最理想的，经过LDA处理的数据作为BP神经网络的输入，训练后网络的识别正确率能达到100％，而其他两种方法只有84.3％和95.4％。每种气体都要独立地建立一个模糊浓度估计器，每个估计器通过Fuzzy ART神经网络学习得到的权值向量建立模糊系统，解模糊后得出估计的浓度值，不仅对训练的浓度值有100％的正确估计，对于训练范围内的其他任意浓度也有96％以上的正确估计率。
　　 这种有BP神经网络和基于Fuzzy ART神经网络的模糊浓度估计器构成的混合神经网络，算法简单，在定量估计气体浓度方面发挥了其优越性。