论文部分内容阅读
传感器在信息系统中的重要性不言而喻,它特性的好坏、输出信息的可靠性对整个系统的质量至关重要。各行各业的自动化程度的迅速提高,特别是工业生产的自动化程度的提高,对传感器的性能提出了更高的要求。由于气体传感器自身的交叉敏感等物理缺陷,单一气体传感器无法对多种气体进行准确的定性识别和定量检测。随着智能理论和技术的发展,研究出用人工神经网络和气体传感器阵列组成的智能传感器,实现了多气体的智能测量。随着石油化学工业的发展和人民生活水平的提高,易燃、易爆、有毒气体的种类在不断增加,其应用范围也在不断扩大。这些气体在生产、运输、使用过程中一旦发生泄漏,将会引发中毒、火灾甚至爆炸事故,严重危害人民的生命和财产安全。因此,开发可以进行多种气体分析的仪器设备具有很大的实用价值。本文的主要目的是以电子嗅觉系统原理为基础,研究出基于气体传感器阵列和人工神经网络的多气体分析系统,利用传感器阵列对各种气体的高维响应模式来实现对不同气体的识别,具有很强的选择性,解决了目前单个气体传感器选择性差的问题。基于人工神经网络的多气体分析系统主要包括气体传感器阵列、数据采集模块和数据处理模块三大部分。本文的研究内容主要涉及到传感器、单片机、串口通信、数据预处理、BP算法及模式识别等相关技术。气体传感器是气体传感器阵列的核心部件,是气体分析系统进行气体分析的关键组成单元,其选择性、重复性、交叉敏感性的指标直接影响到系统进行气体分析的质量。通过对气体传感器原理和MQ系列气体传感器阵列的介绍,为测量线路设计和数据采集分析提供了基本测量条件。基于RS-232C标准的数据采集模块实现了从气体传感器模拟信号到计算机数字信号的转换以及数据的有序存储,为模式识别和仿真算法提供了标准化的数据集。数据处理模块是系统完成气体分析的关键部分,其特性的好坏直接决定了气体检测精度。文中首先论述了多气体分析系统的理论模型,BP训练算法,以及使用MATLAB神经网络工具箱进行网络设计的方法和将其应用于多气体定性定量分析的实验步骤。然后将气体传感器阵列和模式识别技术相结合,进行3种气体的定性定量分析实验。其中涉及信号预处理算法、人工神经网络设计、进行多气体定性和定量分析的BP网络的输入输出和隐层单元确定方法、网络的训练及实验结果分析等。通过实验验证,本文所设计的系统实现了对三种气体100%的定性识别和较低误差的定量检测。论证了采用气体传感器阵列与模式识别技术相结合的方法进行多气体分析的可行性。在分析系统误差产生原因的基础上,提出了改进系统识别精度的方法和建议,具有一定的工程应用价值。