挥发性有机物(VOCs)是大气中普遍存在的一种化合物质,污染空气,危害人类身体健康[1]。恶臭是一种低浓度就会对人体产生刺激并造成危害的小而轻的分子混合物。这些物质的检测在人们生活中具有重要意义。电子鼻是根据人体仿生原理构建一种气体分析仪器,其前端检测传感器阵列类似于人类的鼻腔,后端模式识别算法类似于人类大脑的分析,能有效实现VOCs和恶臭气体的检测。本研究主要针对工厂排放的VOCs和恶臭气体建立了一种改进型的电子鼻系统。本文首先针对什么是VOCs和恶臭以及二者的检测方法做了阐述,然后对当前国内外电子鼻气体或气味检测的研究现状做出分析综述,并结合当前电子鼻研究存在的一些不足和实际环境测试的需求,最后提出并实现了改进的检测系统。本文以电子鼻系统为研究基础,完成的核心工作及实现的系统改进内容如下:1.本文针对当前气体进样方面存在的问题,提出了系统自动进样结构设计模型并完成核心控制部分的样机。自动进样结构是采用步进电机驱动滑块实现定位,滑块上方负载注射器,直流电机通过缠绕建筑弦线带动注射器,实现对应位置样本气袋内气体的抽取。相比当前的人工操作的微量注射法,具有高效,节省人力成本的优势。2.完成了系统的硬件电路设计、底层驱动程序的编写、基于MATLAB的GUI设计以及数据集的搭建。3.将平均微分法、曲线下积分面积、最大值等特征提取方法分别应用到系统传感器阵列响应曲线的特征提取,并分别用于主成分分析(PCA)和线性判别式分析(LDA)降维。经过对比分析表明,采用最大值这一特征用于LDA的降维,具有更好地区分效果。同时完成了传感器阵列的算法优化,最后对比反向传播(BP)神经网络、Hold-out方法优化的支持向量机(SVM)和粒子群算法优化的支持向量机(PSO-SVM)发现,PSO-SVM的分类效果较佳,最高可达96.364%。4.采用主成分回归方法(PCR)以及SVM、极限学习机(ELM)和遗传算法优化的极限学习机(GA-ELM)进行电子鼻气体的浓度预估并得出GA-ELM的R2值在多个测试数据集中均达到0.99,并且RMSE均小于0.002。相比其他回归方法具有较优的浓度预估效果。5.根据环境监测需求选定PID-200光离子传感器以及NH3/CR-200、CH2O/C-10和H2S/C-50电化学传感器搭建电化学传感器气室,并根据响应曲线、拟合曲线与重现性曲线验证了筛选的传感器的合理性,为了证明电化学传感器能够做对应气体等级预估。采集了氨气、甲醛和硫化氢气体,测得样本集并基于PCA做了各自浓度的等级预估。结果表明,本文检测系统对三类气体各自不同浓度等级区分效果良好。