基于金属氧化物气体传感器的矿井气体检测技术研究
| 摘要 | 第1页 |
| Abstract | 第5-13页 |
| 1 引言 | 第13-19页 |
| ·研究背景及其意义 | 第13-15页 |
| ·国内外研究现状 | 第15-17页 |
| ·国内外研究现状 | 第15-16页 |
| ·目前存在的主要问题 | 第16-17页 |
| ·主要研究内容及章节安排 | 第17-19页 |
| ·本文主要研究内容 | 第17-18页 |
| ·论文章节安排 | 第18-19页 |
| 2 矿用金属氧化物气体传感器基本原理和实验平台 | 第19-33页 |
| ·金属氧化物气体传感器检测原理 | 第19-20页 |
| ·金属氧化物气体传感器系统设计 | 第20-21页 |
| ·金属氧化物气体传感器实验平台 | 第21-27页 |
| ·传感器选型及应用特性 | 第21-24页 |
| ·金属氧化物气体测试仪 | 第24-25页 |
| ·气样配制及进气系统 | 第25-26页 |
| ·金属氧化物气体传感器识别模型 | 第26-27页 |
| ·金属氧化物气体传感器温度调制模式 | 第27-32页 |
| ·气体传感器的温度依赖性 | 第27-28页 |
| ·温度调制实验平台 | 第28-29页 |
| ·气体检测数据 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 3 金属氧化物气体传感器信号的时频分析方法 | 第33-57页 |
| ·气体传感器动态信号预处理方法 | 第33-35页 |
| ·时频分析的基本理论 | 第35-49页 |
| ·短时傅里叶变换 | 第37-41页 |
| ·小波变换 | 第41-43页 |
| ·Hilbert-Huang变换 | 第43-49页 |
| ·时频分析在气体传感器信号分析中的应用 | 第49-54页 |
| ·STFT时频谱 | 第49-50页 |
| ·Morlet小波尺度谱 | 第50-52页 |
| ·Hilbert-Huang变换谱图 | 第52-54页 |
| ·实验结果分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 4 金属氧化物气体传感器信号的原子分解分析方法 | 第57-75页 |
| ·原子分解的基本理论 | 第57-60页 |
| ·原子分解定义 | 第57-58页 |
| ·字典的构造 | 第58-60页 |
| ·原子分解方法的实现 | 第60-66页 |
| ·框架分解 | 第61页 |
| ·最佳正交基 | 第61-63页 |
| ·匹配追踪 | 第63-64页 |
| ·基追踪 | 第64-65页 |
| ·分析结果比较 | 第65-66页 |
| ·原子分解在气体传感器信号分析中的应用 | 第66-73页 |
| ·改进的匹配追踪分解方法 | 第66-69页 |
| ·气体传感器信号的匹配追踪分解 | 第69-71页 |
| ·基于匹配追踪的气体识别特征提取 | 第71-73页 |
| ·本章小结 | 第73-75页 |
| 5 气体识别理论的仿真实验验证 | 第75-95页 |
| ·金属氧化物气体传感器气体识别技术 | 第75-76页 |
| ·基于BP神经网络的气体识别方法 | 第76-82页 |
| ·BP神经网络及算法原理 | 第76-79页 |
| ·BP神经网络在气体识别中的应用 | 第79-82页 |
| ·基于粒子群优化与BP混合神经网络的气体识别方法 | 第82-86页 |
| ·粒子群优化算法 | 第82-83页 |
| ·粒子群优化算法和BP算法结合 | 第83-84页 |
| ·粒子群优化与BP混合神经网络在气体识别中的应用 | 第84-86页 |
| ·基于支持向量机的金属氧化物气体传感器识别方法 | 第86-90页 |
| ·支持向量机原理 | 第86-88页 |
| ·支持向量机核函数 | 第88-89页 |
| ·支持向量机在气体识别中的应用 | 第89-90页 |
| ·实验结果分析比较 | 第90-94页 |
| ·本章小结 | 第94-95页 |
| 6 结论与展望 | 第95-97页 |
| ·结论 | 第95-96页 |
| ·展望 | 第96-97页 |
| 参考文献 | 第97-107页 |
| 致谢 | 第107-109页 |
| 作者简介 | 第109页 |
