模式識別在氣體樣品分類中的應用研究.pdf_第1頁
已閱讀1頁,還剩100頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、人工電子鼻系統(tǒng)能夠代替人類的嗅覺對氣味進行識別,它可以代替人類在危險環(huán)境中執(zhí)行氣味識別任務,可以對食品品質(zhì)進行評估,也可以將其運用在國家安全領(lǐng)域,如防止恐怖分子進行炸彈襲擊。人工電子鼻系統(tǒng)是當前仿生學研究的一個方向。 本文對人工電子鼻系統(tǒng)中的模式識別方法進行研究。文中使用商用氣體傳感器搭建測試平臺,采集數(shù)據(jù)后對其進行模式識別分析,主要的研究工作如下: 1.使用5個Figaro公司生產(chǎn)的不同型號的氣體傳感器構(gòu)成陣列,將氣體

2、傳感器的電導信號變化轉(zhuǎn)換為電壓信號變化; 2.在LabVIEW中自行設計數(shù)據(jù)采集程序,配合PCI-6251數(shù)據(jù)采集卡對氣體傳感器調(diào)理電路中參考電阻上輸出的電壓信號變化量進行采集,將獲得的數(shù)據(jù)存儲為Excel能夠讀取的lvm文件; 3.氣體樣本采集實驗中對丙酮樣品和乙醛樣品(A組)的揮發(fā)性氣體各進行150次實驗,獲得300組實驗數(shù)據(jù);此外自行配制體積比均為31%的甲醇溶液和二鍋頭溶液(B組),對它們的揮發(fā)氣體進行100次數(shù)

3、據(jù)采集; 4. 為了降低數(shù)據(jù)維數(shù),避免“維數(shù)災難”,對所有實驗數(shù)據(jù)進行特征數(shù)據(jù)提取,從每次實驗1,500個數(shù)據(jù)點中提取出25個特征點來表征一種氣體樣品,并將結(jié)果提供給模式識別算法進行分類實驗; 5.總體分析三大類模式識別方法的基本原理。從中選取三種方法:線性判別函數(shù)法、聚類分析法和BP神經(jīng)網(wǎng)絡法,進一步分析這三種方法的計算原理和步驟。將這三種方法分別運用到A組和B組的分類實驗中,其中BP神經(jīng)網(wǎng)絡法還使用多種訓練函數(shù),討論

4、不同訓練算法對訓練速度和對未知樣本分類效果的影響,最終得出結(jié)論:三種方法對前一組樣品能夠正確分類,對后一組樣品無法正確分類; 6.對三種模式識別方法的優(yōu)劣進行分析和對比,得出結(jié)論:在數(shù)據(jù)維數(shù)低的情況下,線性判別函數(shù)法和聚類分析法能夠快速地分類,因為其算法簡單,但是當維數(shù)增加時,由于線性判別函數(shù)法需要對矩陣求逆,聚類分析法如果選擇較為復雜的相似性測度函數(shù),二者的計算量會增加,致其不再具備快速簡便的優(yōu)點;BP神經(jīng)網(wǎng)絡具有高度的非線性

5、,在理論上能夠接近任意曲面,但是計算過程復雜,計算量大,不容易用程序代碼實現(xiàn)。本文實驗最合適的方法是聚類分析法。 本文的主要特色: 1. 自行設計數(shù)據(jù)采集軟件,可以實時觀測測量過程中參考電阻輸出電壓隨氣體濃度變化的曲線,在將采集獲得的數(shù)據(jù)導入Excel后,可以清晰繪制不同氣體樣品的“圖譜”; 2.設計半開放的實驗氣室,充分利用氣體樣品的動態(tài)信息,為識別增加信息量,同時也加快實驗的速度; 3.特征數(shù)據(jù)提取過

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論