论文部分内容阅读
应用电子鼻对燕麦(Avena sativa L)霉变程度进行区分,为了提高区分准确度,对电子鼻传感器阵列进行了优化的研究。每天随机选择10个燕麦样品进行电子鼻检测,试验连续进行5 d,将检测数据耦合入非线性双稳态随机共振系统,以外部Gaussian白噪声激励系统产生共振,选择输出信噪比特征值进行主成分分析,初期试验主成分1和主成分2贡献率之和为96.43%,且相同霉变程度样品离散度较大,不同霉变程度样品之间距离较近。为了提高电子鼻对霉变燕麦样品区分效果,进行了电子鼻传感器负荷加载分析,优化选择了传感器阵列