基于GD-FNN算法的危化品气体传感器阵列数据融合

摘要

基于以ZnO2为敏感材料的半导体气体传感器构建2×2和2×3危化品气体传感器阵列,搭建危化品气体检测平台,对CO和CH4组成的混合气体进行气体检测,建立融合模型对混合气体进行定量分析.通过对气体传感器进行标定,发现气体传感器的响应与气体浓度之间具有非线性关系,选择可以通过自学习确定模糊规则的广义动态模糊神经网络(GD-FNN)作为定量分析工具;利用GD-FNN算法构建2×2阵列和2×3阵列的数据融合模型,设置初始参数并进行网络训练,最后利用GD-FNN算法融合模型对混合危化品气体测试样本数据进行定量分析.结果表明:融合结果中两种阵列数据融合模型的融合精度相近,总体最大相对误差为10.63％,平均精度可以达到90％以上,可靠性强,具有较好的参考价值.