基于气体传感器阵列与模式识别技术的人工嗅觉系统是解决气体传感器交叉敏感特性的重要途径。本文首先综述了人工嗅觉系统的发展历程、现状和存在问题，然后以人工神经网络、模糊逻辑和遗传算法为基础，通过大量实验数据和结果，着重讨论了人工嗅觉系统中新型的信息处理技术，为人工嗅觉系统的设计提供了新的思路和新的方法。本文研究工作主要有以下几个方面： 1．将半导体气体传感器阵列和有教师指导的前馈神经网络模式识别技术相结合，构成单一气体定性识别系统。当利用教师样本对前馈神经网络进行训练后，系统对于未曾见过的气体样本能够准确地识别； 2．比较了不同的信号预处理算法对气体定性识别效果的影响，认为“传感器阵列归一化算法”能够降低或消除气体浓度对系统的影响，从而提高气体定性识别系统的辨识率； 3．将半导体气体传感器阵列和无教师指导的自组织特征映射网络模式识别技术相结合，构成单一气体定性识别系统。自组织特征映射网络通过竞争学习，能够自动对三种气体样本进行聚类，并且对于未曾见过的气体样本也能够准确地识别； 4．提出了一种基于模糊C-均值聚类算法的气体定性识别方法。对于未知模式样本集，给定预期类别数c和模糊加权指数m，通过迭代优化目标函数J（U，V），可以得到各类的最佳凝聚点，从而求得各样本的模糊隶属度，然后利用最大隶属准则，可以判别各样本所属类别。计算结果表明，模糊C-均值聚类算法能够有效地实现不同种类气体模式的划分和聚类，而且可以应用于气体样本的实时检测； 5．利用遗传算法，并借助于反向传播神经网络，对气体定性识别系统中的气体传感器进行筛选，通过评价传感器组合对反向传播网络识别单一气体结果的影响，建立了一种优化传感器阵列的方法； 6．分析了半导体气体传感器温湿度效应对单一气体定量分析精度的影响，提出了两种基于知识的温湿度补偿方法，即模糊修正因子法和人工神经网络法。这两种温湿度补偿方法都可以充分利用现有的经验和知识，具有较高的智能性。系统硬件方面只需要增加温湿度传感器，模糊推理和神经网络可以通过软件（算 西北工业大学博士学位论文 摘 要 法）完成，且参数和结构调节方便，实现较为简单； 7．建立了以人工神经网络为基础的混合气体定量分析系统，分析了影响系 统测量精度的主要因素，即样本质量和网络的学习精度，从而提出采用数据增 强技术提高样本对比度，采用样本筛选技术提高样本质量，并对网络的学习算 法进行了改进。实验结果表明，改进后的系统对混合气体的分析精度明显提高； 8．将局部连接神经网络应用于混合气体定量分析系统中，实验证明，局部 H 连接神经网络具有更好的推广能力，在提高系统的分析精度方面具有一定的优B 势，因而适合于解诀诸如混合气体定量分析等一类问题。