| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题背景及意义 | 第10-11页 |
| 1.3 基于多传感器的气体检测技术 | 第11-17页 |
| 1.3.1 多传感器气体检测技术的发展 | 第11-12页 |
| 1.3.2 多传感器气体检测系统组成及原理 | 第12-13页 |
| 1.3.3 多传感器气体检测技术的国内外研究现状 | 第13-17页 |
| 1.4 论文研究内容和论文章节安排 | 第17-19页 |
| 1.4.1 论文研究内容 | 第17-18页 |
| 1.4.2 论文章节安排 | 第18-19页 |
| 第2章 混合气体信息采集系统设计 | 第19-35页 |
| 2.1 多传感器模块 | 第19-23页 |
| 2.1.1 气体传感器选取原则 | 第19-20页 |
| 2.1.2 传感器单元选型 | 第20-23页 |
| 2.2 信息采集系统电路设计 | 第23-30页 |
| 2.2.1 传感器工作电路 | 第24-25页 |
| 2.2.2 微控制器模块 | 第25-27页 |
| 2.2.3 电源适配模块 | 第27-28页 |
| 2.2.4 网络通信模块 | 第28-30页 |
| 2.3 信息采集系统软件设计 | 第30-34页 |
| 2.3.1 传感器输出信号采集程序设计 | 第30-32页 |
| 2.3.2 上位机软件设计 | 第32-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 检测系统实验平台与传感器测试 | 第35-46页 |
| 3.1 实验配气方法 | 第35-37页 |
| 3.2 实验平台设计 | 第37-40页 |
| 3.3 实验原理与传感器测试 | 第40-45页 |
| 3.3.1 实验原理 | 第40-41页 |
| 3.3.2 传感器测试 | 第41-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 用于混合气体检测的模式识别方法实现 | 第46-67页 |
| 4.1 蝙蝠算法 | 第46-49页 |
| 4.1.1 蝙蝠算法基本原理 | 第46-47页 |
| 4.1.2 蝙蝠算法流程 | 第47-49页 |
| 4.2 基于支持向量机的混合气体定性识别算法 | 第49-57页 |
| 4.2.1 支持向量机分类原理 | 第49-53页 |
| 4.2.2 用于气体定性识别的支持向量机基本模型 | 第53-55页 |
| 4.2.3 惩罚系数、核函数参数对定性识别准确度的影响测试 | 第55-56页 |
| 4.2.4 基于蝙蝠算法改进的支持向量机用于气体定性识别 | 第56-57页 |
| 4.3 基于BP神经网络的混合气体定量预测算法 | 第57-66页 |
| 4.3.1 BP神经网络基本原理 | 第57-61页 |
| 4.3.2 BP神经网络模型构建及参数设定 | 第61-62页 |
| 4.3.3 基于BP神经网络的混合气体定量预测 | 第62-64页 |
| 4.3.4 BP神经网络的局限性 | 第64页 |
| 4.3.5 基于蝙蝠算法改进的BP神经网络用于气体定量预测 | 第64-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第5章 实验测试及结果分析 | 第67-80页 |
| 5.1 实验样本及其预处理 | 第67-68页 |
| 5.2 混合气体定性测试及结果分析 | 第68-71页 |
| 5.3 混合气体定量测试及结果分析 | 第71-79页 |
| 5.4 本章小结 | 第79-80页 |
| 第6章 总结与展望 | 第80-82页 |
| 6.1 本文总结 | 第80页 |
| 6.2 本文展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 攻读硕士学位期间发表的学术论文 | 第86页 |
