基于气体传感器阵列的电子鼻是模拟生物嗅觉功能进行气体检测的一种仪器,在公共安全监测、食品质量控制、环境保护、医疗卫生、航空航天及军事等领域有着十分广泛的应用前景。气体传感器的敏感机理比较复杂,基于单个传感器机理模型的气体识别方法在实际应用中难以达到理想的效果。利用多个气体传感器对多种气体都有响应却又互不相同这一特点得到多条瞬态响应曲线并进行有效特征提取,是电子鼻识别气体的关键。目前基于传感器阵列瞬态响应信号分析的气体识别方法取得了一些成效,但在有效利用信息以实现定性/定量分析和混合气体识别等方面还需要进一步开展深入研究。本文从气体传感器阵列瞬态响应信号的获取、预处理、特征提取、模式识别等方面入手,深入研究了基于传感器阵列瞬态响应信号分析的传感器阵列优化、气体定性/定量分析和混合气体识别方法。论文完成的主要工作包括:1.基于氧离子化模型建立了金属氧化物半导体气体传感器与还原性气体反应的动力学模型。传感器的响应动力学模型表明,金属氧化物半导体气体传感器的响应与半导体材料性质、目标气体性质以及半导体颗粒的尺寸和形状有关。反映传感器响应快慢的速率常数和传感器响应的相对电导稳态值均与气体浓度近似成幂函数关系。2.基于电子鼻实验系统获取了气体传感器阵列与三种油液挥发气体反应的瞬态响应信号并进行了分析和预处理。整个瞬态响应过程分为以下四个阶段:稳定状态、上升过程、最大响应、下降过程。这四个阶段反映了传感器的响应动力学特性。若对阵列的响应信号分析处理仅应用最大响应值,必然会损失信息,所以基于瞬态响应信号进行气体识别是非常必要的。信号预处理后可以减小外界环境噪声,大大降低同类油液挥发气体不同浓度样本响应值的差异。3.深入研究了基于平行因子分析的气体定性识别方法。研究了应用平行因子分析提取气体传感器阵列瞬态响应信号——三维数据阵特征参数的方法。应用平行因子分析法对三维矩阵进行处理同时获得了样本信息、响应过程信息和传感器信息,利用这些信息有效实现了样本分类、测试时间优化和传感器阵列优化。由于该方法利用了时间维的所有信息,气体样本的定性识别结果更准确,并在适当缩短测量时间的情况下,仍能实现有效识别;同时根据传感器信息,可对传感器阵列进行优化设计,减少数据冗余。提出了应用五层仿生鼠类嗅觉神经网络模型进行气体定性识别的方法。该网络模型应用平行因子分析法获得的特征向量作为输入,实现了气体样本的正确分类。该网络模型能够进行快速训练,并能达到预期的误差范围。结果表明,利用仿生鼠类嗅觉神经网络对平行因子分析提取的响应信号特征值进行训练和测试,实现了三种油液挥发气体的正确识别,也验证了平行因子分析方法的有效性。4.深入研究了基于模糊聚类的传感器阵列优化方法。将模糊聚类方法应用于传感器阵列瞬态响应信号处理实现传感器阵列的优化,其优化结果与应用平行因子分析法进行传感器阵列优化的结果是一致的。选用相关系数法构建模糊等价关系矩阵对10个气体传感器进行聚类,当阈值设定适当大时,可将10个传感器聚为6类;阈值设定适当小时,可将10个传感器聚为3类,与PEN3电子鼻所使用的气体传感器类型划分一致。5.深入研究了基于复频域分析的气体定量分析方法。基于复频域分析理论建立了不同气体取样体积下传感器的传递函数模型并对传感器的阶跃响应进行了重构。建立了传递函数模型参数与气体取样体积的非线性关联模型。该模型揭示了阶跃响应稳态幅值、主时间常数均与气体取样体积成幂函数关系,这与传感器响应动力学模型分析的结果是一致的。提取传递函数模型参数作为描述传感器响应的特征值,利用偏最小二乘法,实现了气体的定量分析。6.研究并提出了基于扩展型类Legendre正交基分解的气体识别方法。提出了基于扩展型类Legendre正交基的信号分解方法,提取分解系数作为描述传感器响应的特征值,即把传感器响应的时域信息转换到由分解系数所表征的扩展型类Legendre正交基所张成的空间中。研究表明应用基于扩展型类Legendre正交基分解方法和偏最小二乘法,可以有效实现气体定性识别和定量分析。将基于扩展型类Legendre正交基分解方法应用到混合气体识别。针对混合气体识别问题,建立了非线性混合响应特性模型。分别对柴油挥发气体、齿轮油挥发气体以及柴油/齿轮油挥发气体的混合气体的瞬态响应信号进行正交分解,采用幂函数形式对各分解系数与气体取样体积关系进行拟合,以柴油挥发气体为参考气体,按非线性混合响应特性模型可联立得到一组非线性方程,求解即可获得混合气体的成分和取样体积值。上述研究工作为电子鼻在气体检测领域的应用提供了更为坚实的理论基础和技术支持,具有较强的理论意义和应用价值。