基于AR信号处理和KⅡ模型的嗅觉识别算法

信号的特征提取和模式识别方法,在实现准确的电子鼻气体定性分析中尤为关键,本文提出了基于AR信号处理和KII模型的嗅觉识别算法.将传感器信号分为:上升期和稳定期两部分,对上升期信号提取斜率作为特征;对稳定期信号,进行AR建模来提取特征.在电子鼻的模式识别算法上,利用KⅡ模型对气味信号进行分类.该方法充分利用了AR信号处理在信号表示方面的有效性及降维优势、KⅡ模型在模式识别方面的优越性.仿真将该方法与BP网络、AR_BP算法及单KⅡ网络进行了比较,结果表明,AR信号处理技术可以很好的提取特征,并与KⅡ建立相关的数学模型,将AR信号处理技术应用到电子鼻系统中是可行的,且具有更高的识别率.     

基于AR信号处理和KII模型的嗅觉识别算法

信号的特征提取和模式识别方法,在实现准确的电子鼻气体定性分析中尤为关键,本文提出了基于AR信号处理和KII模型的嗅觉识别算法．将传感器信号分为：上升期和稳定期两部分,对上升期信号提取斜率作为特征;对稳定期信号,进行AR建模来提取特征．在电子鼻的模式识别算法上,利用KII模型对气味信号进行分类．该方法充分利用了AR信号处理在信号表示方面的有效性及降维优势、KII模型在模式识别方面的优越性．仿真将该方法与BP网络、AR—BP算法及单KII网络进行了比较,结果表明,AR信号处理技术可以很好的提取特征,并与KII建立相关的数学模型,将AR信号处理技术应用到电子鼻系统中是可行的,且具有更高的识别率．     

一种新型基于色谱分离的易制毒检测仪器研发

针对常见有毒、易燃气体有机物检测设计了一种便携、快速的检测系统,可以实现混合气体的各个成分含量检测.可在井下复杂气体环境中正常运转,并对待测气体进行物质识别与定量.在混合气体识别过程中利用气相色谱的分离效果对复杂待测物进行物质分离,通过分离作用使得混合气体中不同物质之间检测间隔发生转变.使得在同一时间流出色谱气体只有一种,各个气体流出具有一定时间间隔,达到对混合气体的分离作用.后续气体流经传感器阵列进行物质识别,由于不同传感器对于同种物质具有不同响应特性,通过多个传感器互相组合,互相弥补,最终达到气体检测的要求.传感器测量到的信号数据经过模式识别算法对气体进行参数进行识别,通过识别算法获取混合气体中各项参数状况.通过与标定物质参数进行互相比对,进而实现混合气体中的物质识别.可实现井下气体内甲烷、乙烷等危险气体的检测,经过对多种对混合待测气体进行实验测试,验证了本系统的实用性.     

遗传算法在电子鼻中的应用研究

当今国内外对电子鼻的研究异常活跃,它是涉及传感器融合技术、计算机技术、应用数学等诸多领域的一门综合性技术.在电子鼻的研究中,最重要且最困难的问题是被测信号的特征提取和模式识别,目前尚无令人满意的方法.本文介绍了所研制的适用于传感器阵列反应的试验装置,在获得传感器与食醋挥发气体反应的整个过程的数据的基础上,提取了时域历程的特征值,提出了一种称为"遗传特征参数法"的新方法,提高了模式识别的精度.同时该方法对于解决其他模式识别问题也有参考价值.     

基于Labview和PCA分析方法的电子鼻设计

为解决电子鼻在食物品质评价中的应用问题, 设计了基于金属氧化物半导体型气体传感器阵列和\{Labview\}虚拟仪器的电子鼻系统。该系统通过对不同样品进行信号采集建立气味数据库, 信号采集系统由STM32微控制器和24位模数转换器AD7794构成, 采集的信号通过串口被传输到PC(Personal Computer), PC接收数据后, 使用在Labview平台下搭建的上位机软件, 通过内嵌的Matlab脚本对数据进行整理, 最终利用PCA(Principal Component Analysis)对数据进行分析, 获取气味指纹。该系统通过对5种不同种类食用酱的挥发气体进行检测, 建立气味数据库, 进而实现对未知酱品的检测,最终实现了对不同种类的食用酱准确区分的方法。     

基于支持向量机的香水识别电子鼻系统设计

针对电子鼻在化妆品领域的应用推广问题, 研制了一套用于香水识别的电子鼻系统。该系统主要包括数据采集, 信号调理, 特征提取和模式识别。硬件以微控制器dsPIC30F6014A为核心, 根据香水气味合理地选择了3个广谱型气敏传感器, 并加入温湿度传感器; 软件利用基于COM组件的VC和Matlab混合编程, 设计并实现了内嵌模式识别算法的上位机监控软件, 并发布成可执行文件。模式识别采用支持向量机（SVM: Support Vector Machine)方法, 相比PCA(Principal Component Analysis)、 神经网络等算法提高了小样本情况下的泛化性能。利用该系统对4种香水进行训练、 识别, 分类准确率达92%, 检测结果表明, 该电子鼻系统在香水识别方面具有较高的准确性和稳定性。     

遗传鼻法在电子鼻中的应用研究

当今国内外对电子鼻的研究异常活跃，它是涉及传感器融合技术，计算机技术，应用数学等诸多领域的一门综合性技术，在电子鼻的研究中，最重要的且最困难的问题是被测信号的特征提取和模式识别，目前尚无令人满意的方法，本文介绍了所研制的适用于传感器阵列反应的试验装置，在获得传器与食醋挥发气体反应的整个过程的数据的基础上，提取了时域历程的特征值，提出了一种称为“遗传特征参数法”的新方法，提高了模式识别的精度，同时该方法对于解决其他模式识别问题有有参考价值。     

遗传算法在电子鼻中的应用研究

当今国内外对电子鼻的研究异常活跃 ,它是涉及传感器融合技术、计算机技术、应用数学等诸多领域的一门综合性技术 在电子鼻的研究中 ,最重要且最困难的问题是被测信号的特征提取和模式识别 ,目前尚无令人满意的方法 本文介绍了所研制的适用于传感器阵列反应的试验装置 ,在获得传感器与食醋挥发气体反应的整个过程的数据的基础上 ,提取了时域历程的特征值 ,提出了一种称为“遗传特征参数法”的新方法 ,提高了模式识别的精度 同时该方法对于解决其他模式识别问题也有参考价值     

电子鼻分析方法在白酒分类识别中的应用

利用酒精气体及有机物交叉敏感的4个金属氧化物半导体传感器组成气体传感器阵列,建立了实时数据采集系统,提出了稳态及动态特征值提取的方法,并结合主成分分析法(PCA),用所建立的电子鼻系统对3种白酒进行了分类识别实验.结果表明:它对不同品牌白酒的稳态特征识别率达90.0%,动态特征识别率达86.6%.     

多气体传感器信号样条回归信息处理

用样条回归分析方法于电子鼻系统中多气体传感器信号信息处理。针对牛肉样本建立了牛肉新鲜度样条回归模型，并对该模型进行了回归分析。研究结果表明，所提出的方法适用于电子鼻系统对牛肉新鲜度检测中的信息处理。     

基于统计假设检验的虚拟传感网容错策略

为了减少多应用目标的传感器网络的能量消耗和实现较高的故障传感器节点识别率,在基于簇树的虚拟传感器网络框架上,通过检验本地数据采集序列与事件统计特征的符合程度来判断错误是否发生,充分利用了随机过程描述事件的时间相关性,提出了一种基于统计假设检验的虚拟传感器网络容错策略.实验结果表明,在任意节点能量耗尽之前,多事件监测比单事件监测产生更少的单播消息量,却分发更多的多播消息.而且,随着传感器节点错误概率的增加,系统能保持较理想的节点错误识别率和事件区域监测概率.     

电子鼻判别挥发性气体的实验研究

文中模拟人的嗅觉形成过程研制了一套用金属氧化物半导体气敏传感器阵列组成的电子鼻系统．深入研究了电子鼻的气敏传感器阵列和数据处理分析器,并用该电子鼻对５种不同浓度乙醇溶液（ ０． ５％, ｌ％, １． ５％, ２％, ５％）进行分析,详细阐述了实验过程,同时用 ＢＰ神经网络对样本进行识别分析,神经网络的回判正确率为９０％,测试正确率为８０％．［     

MAI 集成气体传感器在鉴酒中的应用

采用美国ＭＡＩ公司的一种集成气体传感器做实验，利用气体传感器对酒的气味独特的响应曲线，把标准酒的响应曲线，预先存入图象识别电路或计算机的存储器中，再把要鉴别酒的响应曲线与之相比较，就可以鉴别出酒的种类和质量。本实验装置简单，加适当偏置和选择不同的输出组合，就可以得到满意的鉴酒效果，从而预示了这种传感器的应用前景。     

基于电子舌技术的不同品种大米区分识别研究

采用法国Alpha公司生产的Astree电子舌对四种不同品种大米进行区分识别研究,系统研究了大米样品经过不同预处理方法后的区分识别效果、研究味觉传感器优化前后大米样品区分效果、研究应用PCA、DFA两种模式识别方法区分识别效果;结果表明,大米经简单预处理后,电子舌能有效区分、识别出不同品种的大米。在大米品质检测方面,电子舌应用是一个新的检测方法,有着广阔的发展空间。     

人工嗅觉系统及其在卷烟烟气中的研究

用金属氧化物半导体气敏传感器阵列组成的人工嗅觉系统 (电子鼻 )对 3种品牌卷烟烟气进行分析 详细阐述了实验过程及确定传感器的组成方法 ,并从样本中用马氏距离选取合适的样本 ,用主成分分析法和神经网络聚类分析法对样本进行分析 主成分分析结果是已较好地把各品牌的烟分开 ,神经网络对 3种品牌烟的识别率分别为玉溪 85%、白沙 90 %、红梅 95%     

Brightness Independent 4-Star Matching Algorithm for Lost-in-Space 3-Axis Attitude Acquisition

Introduction Star referencing gives the highest accuracy for space- craft attitude determination. Such instruments are known as star trackers or star sensors[1]. The fourth generation star trackers, charge-coupled device (CCD)- based autonomous star track…     

桥梁健康监测应用与研究现状

桥梁损伤诊断与健康监测是近年来国际上的研究热点 ,在实践方面 ,土木工程和航空航天工程、机械工程有明显的差别 ,比如桥梁结构以及其他大多数土木结构 ,尺寸大、质量重 ,具有较低的自然频率和振动水平 ,桥梁结构的动力响应极容易受到不可预见的环境状态、非结构构件等的影响 ,这些变化往往被误解为结构的损伤 ,这使得桥梁这类复杂结构的损伤评估具有极大的挑战性 .本文首先给出了结构健康监测系统的定义和基本构成 ,然后集中回顾和分析了如下几个方面的问题 :①损伤评估的室内实验和现场测试 ;②损伤检测方法的发展 ,包括 :(a)动力指纹分析和模式识别方法 ,(b)模型修正和系统识别方法 ,(c)神经网络方法 ;③传感器及其优化布置等 ,并比较和分析了各自方法的优点和不足 .文中还总结了健康监测和损伤识别在桥梁工程中的应用 ,指出桥梁健康监测的关键问题在于损伤的自动检测和诊断 ,这也是最困难的问题 ;最后展望了桥梁健康监测系统的研究和发展方向     

基于改进BP网络的地震动信号目标识别

应用人工神经网络进行目标识别是当前模式识别的重要方法之一。前向多层神经网络及其ＢＰ算法发展较为成熟的一种。该对ＢＰ算法加以改进,使得其性能所提高,收敛速度加快。     

一种气体传感器阵列检测模式识别新方法

针对气体传感器阵列检测模式识别方法中BP神经网络收敛速度慢且易陷入局部极小值的问题,构建了一种免疫神经网络:采用免疫算法对BP神经网络的权值进行全局搜索优化,再用BP算法进行局部搜索,并将其用于传感器阵列信号模式识别中。采用正交试验法设计神经网络的学习样本,在保证神经网络学习精度的同时减少了样本的数量。结果表明,该模式识别方法能有效解决气体传感器的交叉敏感问题,克服了传统BP神经网络存在的不足,提高了网络的训练速度和气体的检测精度。