VOCs混合气体响应干扰现象及其神经网络识别的研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 主要符号表 | 第17-18页 |
| 1 绪论 | 第18-40页 |
| 1.1 VOCs气体概述 | 第18-26页 |
| 1.1.1 挥发性有机化合物 | 第18-20页 |
| 1.1.2 VOCs气体的危害 | 第20-21页 |
| 1.1.3 VOCs气体与人体健康检查 | 第21-23页 |
| 1.1.4 甲醛气体 | 第23-26页 |
| 1.2 气体传感器与模式识别 | 第26-32页 |
| 1.2.1 半导体气体传感器 | 第26-28页 |
| 1.2.2 模式识别 | 第28-30页 |
| 1.2.3 电子鼻 | 第30-32页 |
| 1.3 人工神经网络与混合气体识别 | 第32-38页 |
| 1.3.1 人工神经网络 | 第34页 |
| 1.3.2 神经网络的学习 | 第34-35页 |
| 1.3.3 混合气体识别的研究现状 | 第35-38页 |
| 1.4 本文的研究意义及内容 | 第38-40页 |
| 2 气体测试环境与传感器阵列 | 第40-47页 |
| 2.1 气体浓度表示与传感器响应值表示 | 第40-41页 |
| 2.2 气体静态测试实验环境 | 第41-43页 |
| 2.2.1 测试硬件设备 | 第41-42页 |
| 2.2.2 测试软件与配气原理 | 第42-43页 |
| 2.3 气体动态测试实验环境 | 第43-44页 |
| 2.4 气体传感器阵列的组成 | 第44-46页 |
| 2.4.1 气体传感阵列 | 第44-45页 |
| 2.4.2 传感器阵列的组成规则 | 第45-46页 |
| 2.5 本章小结 | 第46-47页 |
| 3 混合气体响应互相干扰的实验现象与机理分析 | 第47-61页 |
| 3.1 传感器及测试气体 | 第47-49页 |
| 3.1.1 传感器的制备与性能 | 第47-48页 |
| 3.1.2 气体的测试过程 | 第48-49页 |
| 3.2 混合气体响应干扰的实验现象 | 第49-56页 |
| 3.3 混合气体互相干扰现象的分析 | 第56-60页 |
| 3.3.1 半导体气体传感器响应机理 | 第56-57页 |
| 3.3.2 实验现象与分析 | 第57-60页 |
| 3.4 本章小结 | 第60-61页 |
| 4 结合响应干扰现象的混合气体神经网络分类识别 | 第61-84页 |
| 4.1 分类识别传感器阵列 | 第61-64页 |
| 4.2 分类识别混合气体样本与测试数据 | 第64-73页 |
| 4.2.1 分类识别混合气体样本 | 第64-66页 |
| 4.2.2 分类识别传感器阵列测试数据 | 第66-73页 |
| 4.3 识别算法与预处理 | 第73-76页 |
| 4.3.1 识别算法简述 | 第73-74页 |
| 4.3.2 主成分分析预处理 | 第74-76页 |
| 4.4 混合气体分类识别结果 | 第76-79页 |
| 4.4.1 气体种类编码 | 第76-77页 |
| 4.4.2 神经网络识别结果与分析 | 第77-79页 |
| 4.5 结合响应干扰现象的混合气体识别结果 | 第79-83页 |
| 4.5.1 结合响应干扰现象的气体种类定义 | 第79页 |
| 4.5.2 混合气体中目标气体的识别结果 | 第79-81页 |
| 4.5.3 气体样本对网络结构的限定 | 第81-83页 |
| 4.6 本章小结 | 第83-84页 |
| 5 混合气体的神经网络浓度预测与响应速度的提高 | 第84-102页 |
| 5.1 浓度预测气体传感器阵列 | 第84-85页 |
| 5.2 浓度预测气体样本与测试数据 | 第85-88页 |
| 5.2.1 浓度预测混合气体样本 | 第85-86页 |
| 5.2.2 浓度预测传感器阵列测试数据 | 第86-88页 |
| 5.3 极限学习机 | 第88-90页 |
| 5.4 径向基函数神经网络 | 第90-91页 |
| 5.5 神经网络对混合气体的浓度预测 | 第91-100页 |
| 5.5.1 网络结构设定 | 第91-94页 |
| 5.5.2 网络预测准确率 | 第94-99页 |
| 5.5.3 极限学习机对响应速度的提高 | 第99-100页 |
| 5.6 本章小结 | 第100-102页 |
| 6 混合气体神经网络识别与正则项优化网络结构 | 第102-115页 |
| 6.1 BP神经网络 | 第102-106页 |
| 6.1.1 网络的权值调整 | 第104-105页 |
| 6.1.2 BP神经网络算法 | 第105-106页 |
| 6.2 BP网络L_1正则化学习 | 第106-107页 |
| 6.3 确定网络隐层节点数量的修剪方法 | 第107-114页 |
| 6.3.1 网络隐层节点数量的修剪规则 | 第107-108页 |
| 6.3.2 网络隐层节点数量的修剪过程 | 第108-112页 |
| 6.3.3 网络隐层节点数量修剪结果与分析 | 第112-114页 |
| 6.4 本章小结 | 第114-115页 |
| 7 结论与展望 | 第115-118页 |
| 7.1 结论 | 第115-116页 |
| 7.2 创新点 | 第116页 |
| 7.3 展望 | 第116-118页 |
| 参考文献 | 第118-129页 |
| 附录A 传感器阵列对混合气体的响应 | 第129-146页 |
| 攻读博士学位期间科研项目及科研成果 | 第146-147页 |
| 致谢 | 第147-148页 |
| 作者简介 | 第148页 |
