電子鼻系統(tǒng)中的傳感器陣列優(yōu)化研究.pdf_第1頁
已閱讀1頁,還剩66頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、電子鼻是一種人工嗅覺系統(tǒng),一般由傳感器陣列、數(shù)據(jù)采集設備和模式識別系統(tǒng)三部分構(gòu)成。陣列優(yōu)化通過對傳感器響應的特征空間進行特征選擇,來決定具體應用條件下較優(yōu)的傳感器類型及陣列規(guī)模,是提高電子鼻性能的有效途徑之一。特征選擇方法有搜索性和非搜索性方法,本文采用搜索性特征選擇算法來進行陣列優(yōu)化,闡述了運用特征選擇進行陣列優(yōu)化的一般流程,并基于LabVIEW圖形化編程軟件編寫了特征選擇算法程序。該程序包含四種不同的搜索策略:標準遺傳算法、模擬退火

2、算法、廣義順序前進算法、隨機搜索算法,以及五種類別可分性準則,即基于類內(nèi)類間距離的準則J1、J2和J3,和基于概率分布的準則Jb和Jd。
   本文基于電子鼻系統(tǒng)的定性識別和定量分析應用,對特征選擇算法能否有效優(yōu)化傳感器陣列進行了考查。首先,在四種可燃性液體和三種不可燃飲料的定性檢測實驗中,采用特征選擇程序?qū)τ?個金屬氧化物半導體傳感器構(gòu)成的初始陣列進行優(yōu)化,得到保留了4個傳感器的最終陣列。陣列優(yōu)化前后樣本的分類情況對比表明,優(yōu)

3、化后的陣列明顯更加有利于可燃和不可燃樣本的區(qū)分識別。還分別對四種搜索策略及五種類別可分性準則進行了比較,結(jié)果表明:廣義順序前進算法搜索時間最短,而其優(yōu)化特征集的準則值與其他搜索策略相當,是相對較優(yōu)的搜索策略;基于類內(nèi)類間距離的準則J3更能真實反映特征參數(shù)集的類別可分離性,在評價特征子集的分類能力時更為可靠。實驗還比較了J3準則下的4、6、8、10和12維優(yōu)化特征子集的模式識別結(jié)果,未發(fā)現(xiàn)優(yōu)化特征集的維數(shù)與其識別能力間存在規(guī)律性聯(lián)系。

4、r>   本文進一步在揮發(fā)性有機物的定量分析實驗中對特征選擇算法的陣列優(yōu)化作用進行了驗證。采用可燃性液體定性識別實驗中較優(yōu)的廣義順序前進策略和J3準則,分別得到了適于揮發(fā)性有機物定性識別和不同濃度定量分析的6維優(yōu)化特征集,其模式識別結(jié)果表明,優(yōu)化特征集的識別正確率:(1)均高于原始特征集的識別正確率,證明了特征選擇算法的有效性;(2)高于非搜索性算法下的6維優(yōu)化特征集和6個隨機產(chǎn)生的6維特征集的識別正確率,證明實驗所用搜索性算法比非搜

5、索性算法更為可靠。另外,用該算法程序搜索得到最差特征集,其模式識別正確率遠低于隨機產(chǎn)生的特征子集,反向說明了特征選擇算法的尋優(yōu)能力。
   論文主要分為四部分:第一部分對電子鼻系統(tǒng)的工作原理和應用,陣列優(yōu)化的意義和方法,以及搜索性特征選擇算法的原理進行概述;第二部分詳細描述了基于LabVIEW軟件編寫的特征選擇算法程序的結(jié)構(gòu);第三部分基于電子鼻系統(tǒng)的可燃性液體及不可燃飲料定性檢測實驗,采用特征選擇算法對傳感器陣列進行了優(yōu)化,并對

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論