摘要 | 第5-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第11-17页 |
1.1 引言 | 第11页 |
1.2 声表面波气体传感器研究进展 | 第11-14页 |
1.3 气体检测模式识别研究进展 | 第14-15页 |
1.4 本文研究的意义和内容 | 第15-17页 |
1.4.1 课题研究的意义和目的 | 第15-16页 |
1.4.2 本文研究的内容 | 第16-17页 |
第二章 声表面波气体传感器阵列的设计 | 第17-25页 |
2.1 声表面波气体传感器的原理 | 第17-18页 |
2.2 声表面波气体传感器的功能结构 | 第18-20页 |
2.3 声表面波气体传感器的设计 | 第20-23页 |
2.3.1 敏感膜的制备工艺 | 第20-21页 |
2.3.2 声表面波气体传感器的制备 | 第21-23页 |
2.4 声表面波气体传感器阵列的设计 | 第23-24页 |
2.4.1 声表面波气体传感器阵列的物理结构设计 | 第23-24页 |
2.4.2 声表面波气体传感器阵列的功能结构设计 | 第24页 |
2.5 本章小结 | 第24-25页 |
第三章 气体模式识别基本理论 | 第25-36页 |
3.1 气体模式识别系统 | 第25-26页 |
3.1.1 数据获取 | 第25-26页 |
3.1.2 数据预处理 | 第26页 |
3.1.3 特征提取、特征选择 | 第26页 |
3.1.4 分类决策 | 第26页 |
3.2 气体信号数据处理方法 | 第26-29页 |
3.2.1 归一化 | 第26-27页 |
3.2.2 时频变换 | 第27-28页 |
3.2.2.1 快速傅立叶变换 | 第27-28页 |
3.2.2.2 离散小波变换 | 第28页 |
3.2.3 曲线拟合 | 第28-29页 |
3.3 气体检测模式识别方法 | 第29-35页 |
3.3.1 基于统计理论的线性分类方法 | 第30-32页 |
3.3.1.1 主成分分析法(PCA) | 第30-31页 |
3.3.1.2 K-最邻近结点算法(KNN) | 第31-32页 |
3.3.1.3 交叉检验 | 第32页 |
3.3.2 基于神经网络的非线性分类方法 | 第32-35页 |
3.3.2.1 基于误差反向传播算法(BP) | 第32-34页 |
3.3.2.2 遗传算法(GA) | 第34-35页 |
3.4 本章小结 | 第35-36页 |
第四章 声表面波阵列传感器气体检测系统的设计 | 第36-55页 |
4.1 声表面波阵列传感器气体检测的原理 | 第36-37页 |
4.2 敏感单元的测试和选取 | 第37-40页 |
4.3 声表面波传感器阵列气体检测系统的设计 | 第40-42页 |
4.4 气体检测系统的基本实验步骤 | 第42-43页 |
4.5 气体频率信号的空间标定与特征值提取 | 第43-54页 |
4.5.1 频率信号的采集 | 第43-44页 |
4.5.2 频率信号的预处理 | 第44-49页 |
4.5.2.1 分类取值 | 第44-46页 |
4.5.2.2 离散小波变换(DWT) | 第46-49页 |
4.5.3 频率信号样本空间的标定 | 第49-51页 |
4.5.3.1 数据空间的标定 | 第49-50页 |
4.5.3.2 类型空间的标定 | 第50页 |
4.5.3.3 样本空间的标定 | 第50-51页 |
4.5.4 频率信号的特征提取与识别方法 | 第51-54页 |
4.5.4.1 主要参数 | 第51-52页 |
4.5.4.2 主成分分析法确定参数npc | 第52-53页 |
4.5.4.3 k-最邻近结点算法确定参数k | 第53-54页 |
4.6 气体检测系统实时监测设计 | 第54页 |
4.7 模式识别算法复杂度分析 | 第54页 |
4.8 本章小结 | 第54-55页 |
第五章 气体检测系统的识别结果分析 | 第55-62页 |
5.1 算法及其参数对识别结果的影响 | 第55-58页 |
5.1.1 BP神经网络算法 | 第55-56页 |
5.1.1.1 拓扑结构对识别结果的影响 | 第55-56页 |
5.1.1.2 学习率对识别结果的影响 | 第56页 |
5.1.2 主成分分析与K近邻相结合的算法 | 第56-58页 |
5.2 外界因素对系统的影响及解决方案 | 第58-61页 |
5.2.1 参比单元、气体流量对频率信号采集的影响 | 第58-60页 |
5.2.2 温度对系统的影响及解决方案 | 第60页 |
5.2.3 气泵对信号采集的影响 | 第60-61页 |
5.3 本章小结 | 第61-62页 |
第六章 总结和展望 | 第62-64页 |
6.1 总结 | 第62页 |
6.2 展望 | 第62-64页 |
致谢 | 第64-65页 |
参考文献 | 第65-68页 |
攻读硕士期间的研究成果 | 第68-69页 |