气体检测是预防各类安全事故发生的重要手段。在日常生活、工业生产中往往会产生大量可燃易爆、有毒有害的气体,若发生泄漏不能及时发现并采取相应措施,将对长期生活、工作其中人员的身体健康带来极大安全隐患。同时,此类气体若积累到一定浓度,极易发生爆炸事故并将带来灾难性的后果。多年以来,此类安全事故层出不穷。因此如何快速、准确实现对泄漏气体的检测,具有广泛的应用价值。本文提出了一种采用传感器阵列与模式识别算法相结合的检测方法,主要研究内容如下:（1）针对金属氧化物半导体气敏传感器具有交叉敏感性问题,文中选择了四种具有不同灵敏度传感器组成传感器阵列,并设计了相关匹配电路、搭建数据采集系统。通过实验配置不同浓度的甲烷、一氧化碳、乙烯单一气体及混合气体完成数据的采集,为后续课题研究提供真实可靠的数据来源。（2）围绕传感器本身固有的原因导致基值干扰的问题,文中对传感器阵列的输出响应信号进行预处理,以消除基值干扰,通过核主成分分析法对数据进行特征提取与分析,实现对混合气体的特征分析。（3）混合气体定性识别是人工嗅觉进行气体检测与分析的关键问题,由于主成分分析、支持向量机等传统方法均需手工设计特征提取函数,而特征提取函数设计的优劣将直接影响后续分类结果的准确性。为了提高人工嗅觉对混合气体检测识别的准确率,文中提出了基于改进一维卷积神经网络的气体识别方法。该方法通过改进网络模型结构进一步加强了卷积神经网络对原始数据进行自适应特征提取能力,实验结果表明所提方法的识别准确率可达99.98%,相比于传统算法,所提方法具有更高的准确率与模型泛化能力。（4）本文在定性分析的基础上通过卷积神经网络结合相关向量机,利用相关向量机高稀疏性、参数少、收敛速度快等特点对待测气体进行定量估计,并通过Lab VIEW编写上位机,通过调用已训练好的网络分类模型对响应气体数据进行处理,并将定性定量分析结果进行可视化的上位机界面显示。