提高電子鼻系統(tǒng)檢測精度的方法研究.pdf

1、提高電子鼻系統(tǒng)檢測精度的方法研究重慶大學碩士學位論文(學術學位）學生姓名：陳小娟指導教師：陳建軍講師專業(yè)：通信與信息系統(tǒng)學科門類：工學重慶大學通信工程學院二O—六年四月重慶大學碩士學位論文中文摘要摘要電子鼻是一種模擬生物嗅覺的仿生技術，與傳統(tǒng)的檢測方法相比，電子鼻系統(tǒng)具有實時性強、反應快速、性能高效等優(yōu)點，廣泛用于空氣質(zhì)量監(jiān)測、食品工業(yè)、醫(yī)療診斷等領域。對氣體的定性和定量分析，也就是對氣體類別和的濃度判定是電子鼻系統(tǒng)檢測精度的兩大重要指

2、標。本文以空氣質(zhì)量監(jiān)測系統(tǒng)為應用背景，針對提高電子鼻系統(tǒng)檢測精度的方法進行了研宄。目前，提高電子鼻系統(tǒng)分類檢測精度的經(jīng)典方法有線性判別方法、BP神經(jīng)網(wǎng)絡和支持向量機(SVM)等方法，這些方法廣泛用于空氣質(zhì)量監(jiān)測儀的定性與定量分析，都表現(xiàn)出自身特有的一些優(yōu)缺點。其中BP神經(jīng)網(wǎng)絡存在容易陷入局部最小值的問題；支持向量機憑借其良好的分類效果而應用廣泛，然而它對數(shù)據(jù)的特征值要求較高，SVM通常與一些特征值提取方法結(jié)合使用。然而無論是線性的主成分

3、分析（PCA)和獨立成分分析（ICA)，還是非線性的核主成分分析法（KPCA)和核熵成分分析法（KECA)，在特征值提取過程中都對原始特征進行部分意向性丟失，從而無法保證對氣體原始特征的完整保留。因此，本文將深度置信網(wǎng)絡（DBN)引入電子鼻系統(tǒng)。深度置信網(wǎng)絡在應用過程中，通過對大量的數(shù)據(jù)進行學習，自動實現(xiàn)特征提取和檢測，從而提高系統(tǒng)分類識別的效果。深度置信網(wǎng)絡的隱含層采用受限玻爾茲曼機（RBM)的結(jié)構，在學習和繼承了BP神經(jīng)網(wǎng)絡優(yōu)點的同

4、時克服了容易陷入局部最小值的問題。為了體現(xiàn)深度置信網(wǎng)絡在特征值提取方面的優(yōu)勢，本文將深度置信網(wǎng)絡與支持向量機結(jié)合多種特征值提取方法后的分類效果進行對比，結(jié)果表明DBN效果更優(yōu)。雖然DBN能提高氣體分類的檢測精度，但是不能解決溫度和濕度引起的傳感器漂移問題。而傳感器漂移問題是影響電子鼻系統(tǒng)檢測精度的重要因素，因此對傳感器進行漂移補償對提升檢測精度有重要作用?；诙囗検綌M合的溫濕度補償方法能有效減少溫度和濕度引起的漂移。但是多項式擬合對系數(shù)