电子鼻是基于神经嗅觉系统原理,以电子科学技术为工具,采用数学和信息科学中的理论和方法研究化学分析物的特征,采用先进的智能信息处理技术开发的一种能够模拟人类嗅觉的智能机器。近年来电子鼻在烟草行业中的应用正在不断增多,电子鼻在真假烟鉴别、卷烟质量控制等方面具有广阔的应用前景,本文将电子鼻用于烟叶烘烤过程的烟叶气味的变化规律的研究。烟叶烘烤作为烟草生产的一个重要环节,直接影响着烟草的生产质量。近年来,全国各地广泛使用密集烤房进行烟叶烘烤。密集烤房具有装烟密度大、热能利用率高,便于自动化控制等优点。但密集烤房在实际烘烤过程中,烘烤控制基于预设曲线,不具有灵活性,需要专业的烟叶烘烤师傅在烘烤过程中不停地进行调整,且目前的烟叶烘烤主要依赖于烟叶颜色变化对烘烤状态做出判断,忽略了烟叶气味变化及其对烤后烟叶吃香味的影响。为此本文提出了一种基于电子鼻烟叶气味检测的烟叶烘烤控制预测算法,该算法是智能烤房项目的一部分,用以实现能够根据不同情况智能调整烟叶烘烤过程的烟叶烘烤智能化。算法通过对烟叶烘烤过程中电子鼻采集的烟叶气味数据进行分析得到烟叶烘烤过程中烟叶气味的变化规律,然后根据得到的烟叶气味特征变化建立烘烤控制预测模型,对烟叶的烘烤进行预测。算法的具体实现包含数据采集,数据预处理,数据降维,干扰抑制和训练模型等几个关键技术。数据采集是利用项目组研发的电子鼻气味检测子系统硬件进行烤烟过程中的烟叶气味数据采集,并根据实际情况设计了具体的数据采集方案。采集到数据之后对数据进行了预处理,提取其中的有用信息,抑制了传感器漂移和噪声。采用PCA技术对电子鼻传感器数据进行降维,同时为了满足系统的在线应用需求研究了两种在线的PCA算法,比较了两种在线PCA算法的收敛速度和其与离线PCA计算结果的误差,最终选择随机梯度上升算法作为在线PCA处理的算法。PCA得到的气味特征数据仍存较多的干扰成分,论文研究了用于盲源信号分离的独立分量分析算法,用于气味特征数据中的干扰气味和烟叶气味的分离。为了在线应用和离线分析分别讨论了在线ICA算法和离线ICA算法。为了辨别分离后的干扰成分,引入了复相关系数,通过计算ICA的输入输出各个分量与温、湿度和气压的复相关系数,辨别并去除了分离后的干扰分量,同时比较ICA输入输出各分量的复相关系数也从一方面说明了干扰的抑制效果。对于烤烟现场燃煤的气味干扰,通过设计滤波器进行滤波的方法进行了一定的抑制。最终得到了烤烟过程中烟叶的气味变化曲线。为了实现通过气味的变化规律对烟叶烘烤控制进行预测的目标,研究了传统烟叶烘烤的三段式工艺,分析了烟叶烘烤过程中释放的气味物质及其变化情况,从理论上证实了方案的可行性。研究了人工智能的经典算法BP神经网络,应用BP神经网络建立了基于烟叶气味特征的烟叶烘烤预测模型。通过遗传算法优化参数,预测模型取得了一定的预测效果。本文还实现了模型的实际在线应用,并进行了验证实验,实验结果表明系统的智能控制功能可用。