目标移动情况下SSPA输出信号的分析

自扫描光电二极管阵列图像传感器用于物体测量时，物体的外型尺寸反映在图像传感器的输出信号里，对物体的识别测量以及指标的提高很大程度上取决于对视频输出信号的特征的提取。基于对自扫描光电二极管阵列图像传感器输出信号的分析的要求，文中根据光电二极管光电转换原理，从理论上分析了自扫描光电二极管线阵列图像传感器拍摄运动目标识别视频输出信号的数学模型，分析了用比较法处理视频输出信号时可能出现的误差大小，理论分析结果与传感器输出的实际波形相吻合。     

机器人人工嗅觉系统设计

利用半导体气体传感器的交叉敏特性,将气体传感器阵列与神经网络相结合,构建了一个用于临场感机器人的人工嗅觉系统,用于气体的定性识别.自组织神经网络(SOM)将被测气体的多维特征信息映射到一个二维平面上,从而实现了对被测气体的识别分类.实验结果表明半导体阵列人工嗅觉系统可以提高气体传感器的选择性,用SOM神经网络构建人工嗅觉识别模型是完全可行的.     

基于反向传播神经网络的遗传算法在酒类气体识别中的应用

把基于反向传播神经网络的遗传算法用于酒类气体识别实验中的传感器阵列的筛选,通过评价传感器组合对反向传播神经网络识别酒类气体结果的影响,建立一种挑选传感器阵列的方法,该算法选出的变量与用统计方法得到的结果一致     

几种重要的气体传感器的特性分析

分析了几种常见的气体传感器——CO传感器、CO2传感器、H2传感器、CH4传感器和最新敏感材料的特性，指出稳定性，灵敏度，选择性以及抗腐蚀性是决定气体传感器性能的四项指标，在此基础上论述了气体传感器的广泛用途。     

火灾探测的模糊神经网络数据融合算法研究

针对火灾探测信号的特点,提出了一种基于模糊神经网络的多传感器火灾探测系统的数据融合算法.网络结构为9层,输入信号为CO气体浓度、烟雾浓度和温度,输出为火灾发生概率.通过网络训练和自学习不断调整权值,使网络输出与导师信号误差最小,完成了隶属度函数的自动生成和模糊规则的自动提取,大大提高了系统的精度和智能化.仿真结果验证了方法的可行性.     

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.     

基于神经网络处理的井巷气体自动检测系统设计

介绍用普通气体传感器组成多维气体集成敏感阵列传感器克服交叉敏感干扰，由PC机采集阵列传感器的相应特征并结合数学方法和神经网络方法训练阵列传感器处理气敏信号，完成对气敏阵列传感器的标定。阵列传感器连接单片机构成采集前端。采集前端监测报警并将采集的数据传送到井巷气体监测系统上位机，由系统分析机对整个井巷系统内的气体环境综合分析、监控。     

基于RBF神经网络的混合气体智能检测系统研究

基于传感器阵列和神经网络构造智能系统用于检测混合气体的低质量分数.传感器阵列获取质量分数为1×10-6～5×10-6范围的H2,C2H4,C2H2混合气体响应和质量分数为5×10-5～3×10-4范围的CO响应.通过RBF神经网络学习改善低质量分数混合气体检测的灵敏度.把传感器响应作为神经网络输入,神经网络输出为H2,C2H4,C2H2和CO的质量分数.实例分析表明,系统能较好地克服低质量分数混合气体检测过程中普遍存在的交叉灵敏度,得到满意的检测结果.     

彩色可视传感阵列基元匹配快速定量算法

在彩色可视传感阵列传统处理方法中,存在着数据量大,人工分析困难、种类浓度识别难以同一次实现等问题,针对这些问题,考虑到同类气体饱和响应阵列点位置一致性的特点,提出一种彩色可视阵列基元匹配快速定量识别算法。该算法首先采用设置经验阈值消除冗余量,进行去噪和特征提取,减少人工分析量;然后进行基于二值化基元图模板匹配的定量分析种类识别,减少计算量,增加气体识别效率和精度;最后,综合模糊逻辑和神经网络2种人工智能方法的优点,建立彩色传感阵列气体浓度识别的自适应模糊推理系统。算法优势在于将不同气体的种类和浓度检测分开进行,解决了种类、浓度同时识别时可能出现特征数据交叉感染导致错误识别的问题。基元模板匹配分析结果显示,氨气、氯气和二氧化硫3种气体分类识别结果准确率达100%,利用模糊神经网络方法对氨气浓度识别率准确度较高,误差在5%以内。     

In2O3基纳米氨敏传感器材料的制备、结构及气敏特性

以InCl3·4H2O为源物质,采用溶胶-凝胶法制备了纳米级的In2O3及其掺杂Ti(Ⅳ)、Cr(Ⅵ)和Mo(Ⅵ)的粉体,并进行了热分析、多晶粉末衍射等表征.作为一种氨敏传感器,离子掺杂明显增强了传感器对另外2种还原性气体H2和CO的选择性.其传感器的敏感机理可能是由于材料对不同气体分子的吸附和活化造成的,掺杂减少了材料表面与H2和CO发生反应的活性位,从而提高了此类材料对氨气的选择性.     

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。     

人工神经网络对电子鼻性能的影响

电子鼻原型由4个气体传感器组成的阵列和人工神经网络识别软件组成,可识别不同品牌的白酒.以它为例,研究了3种人工神经网络,即反向传输网络(BPN)、学习矢量量化网络(LVQ)和概率神经网络(PNN)对电子鼻性能的影响.结果表明,在需要精细识别时,虽然传感器阵列对白酒的响应谱的差别是电子鼻识别的基础,但是人工神经网络结构和算法包括相关训练参数的选择对决定电子鼻的性能也有重要的作用.比较而言,学习矢量量化网络在分类能力和训练成本方面更胜一筹,而概率神经网络则在计算负载和易用性方面更好一些.     

基于高灵敏度电化学传感器的有害气体检测系统设计

针对低浓度有害气体实时监测的问题,采用高精度电化学气体传感器,设计了用于检测低浓度CO、NO₂的环境有害气体检测系统,将卡尔曼滤波与小波滤波相结合对存在噪声的微小信号进行提取,并将嵌入式技术与Web技术相结合构建了实时低浓度CO、NO₂的有害气体检测系统。通过研究电化学气体传感器特性,设计了恒电位操作电路和nA级电流检测电路。针对标定过程中存在有害气体污染等问题,设计了更加安全的标定实验。所设计系统实现了10^-6级电化学传感器的驱动、检测、信号处理远传和网络查看监控数据等功能,检测系统具有良好的精度和友好的用户界面。     

基于CCA和SOFM的轴承故障特征提取

提出曲元分析(CCA)和自组织特征映射(SOFM)相结合的方法用于轴承的故障诊断特征提取.首先通过传感器测得轴承在正常和非正常状态下的信号;然后对所得数据进行归一化;考虑到数据比较庞大,利用CCA进行降维;再利用SOFM进行训练,网络对不同状态下的输入具有明显不同的输出.利用Matlab神经网络工具箱来实现上述算法.实例仿真表明,这个算法可以快速正确地提取出轴承故障特征值,并通过聚类算法完成轴承的故障诊断.     

基于分布式无线智能传感器网络的结构模态识别

利用美国伊利诺伊大学结构健康监测项目组研制的ISM400无线智能传感器,分别采用分布式和集中式数据采集方法,对一个简支层压板进行了振动测试试验.采用自然环境激励技术(NExT)和特征系统实现算法(ERA)相结合的一种时域联合算法,仅利用输出信号对结构模态参数进行识别,并将识别结果与有限元模型的计算结果进行了对比分析.根据分布式与集中式两种数据采集处理方法识别的振动频率和模态振型,与有限元数值模拟结果吻合较好,验证了基于分布式数据采集的无线智能传感器网络在结构模态识别中的可行性.在大型土木工程结构需要布置大量传感器时,分布式无线智能传感器网络因其高度集成化和节约电源等优点,比采用传统的集中式数据采集方法更加高效实用.     

基于改进SOFM网络的调制方式的自动识别

提出了应用改进的自组织特征映射神经网络自动识别信道调制方式的方法．首先，提取信号特征矢量；然后对网络的输出结构进行优化，引入反馈策略，并采用自组织分析方法，对训练后的节点进行动态聚类．最后，利用训练好的网络对加载不同噪声的调制信号进行识别．仿真结果表明，该识别法识别率高于传统的决策论法的识别率，平均值高3．2个百分点左右．     

基于BP神经网络的滚动轴承智能诊断技术

人工神经网络的应用与研究是近几年迅速发展起来的一个国际性前沿研究课题.介绍了人工神经网络及BP神经网络算法,并对传统的BP算法进行改进.建立了基于BP神经网络动车组传动系统滚动轴承智能诊断系统方法,进行了状态识别神经网络训练与测试.通过对外环、内环、滚动体故障和正常情况下数据的计算、仿真和对比,分析了四种情况下在不同网络设计中的识别效率.基于BP神经网络测试的实际输出与期望输出值非常接近,该网络具有良好的识别性能.     

基于ART2神经网络的入侵检测方法

提出基于ART2神经网络的入侵检测方法.采集基于主机和基于网络的入侵特征数据,分析入侵行为的空间和时间关联性,并对入侵特征数据中的关联信息进行处理,提取入侵行为之间的关联性,降低入侵检测算法的复杂性;利用ART2算法的自学习能力、自组织能力、良好的稳定性和可塑性以及快速识别能力,实现对用户行为的近实时检测,取得了较高的检测准确率,在识别未知攻击方面具有较好的性能.     

基于无线传感器网络的斜拉桥模型动力特性分析

通过建立斜拉桥模型的振动试验系统,探讨利用无线传感器网络进行斜拉桥模型结构动力特性研究的可行性。以有线加速度传感器试验系统为参考,使用特征系统实现算法和频域分解法对无线传感器网络实验数据进行了结构模态参数识别,提取的模态参数与有线试验分析结果基本一致。基于Imote2节点的无线传感器网络采集的数据可靠,传输过程无数据丢失现象,表明该无线传感器网络可应用于桥梁结构动力特性试验研究。试验所用斜拉桥模型基本振型为主梁竖向弯曲,模态比较密集,符合斜拉桥特性。     

基于自组织映射网络的流量分类算法

网络流量分类在QoS、流量控制及网络安全等领域发挥了重要作用. 有监督型的机器学习方法对新流量的识别往往依赖于先前的人工分析;自组织映射网络算法模拟生物神经元,通过自组织行为对数据进行分类学习;实验表明,该无监督型算法能够对新流量进行自动识别,提高了流量识别的准确率.