基于BP网络混合气体浓度识别的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-13页 |
| ·课题背景 | 第10页 |
| ·智能气体检测识别系统的发展历史和现状 | 第10-12页 |
| ·本课题的研究内容 | 第12-13页 |
| 第2章 半导体气体传感器 | 第13-19页 |
| ·传感器简介 | 第13-14页 |
| ·传感器的组成 | 第13-14页 |
| ·传感器的分类 | 第14页 |
| ·半导体气体传感器 | 第14-16页 |
| ·部分传感器比较 | 第15-16页 |
| ·SnO2气体传感器 | 第16页 |
| ·传感器的选择 | 第16-19页 |
| ·气体传感器选择依据 | 第16-17页 |
| ·气体传感器的选择 | 第17-19页 |
| 第3章 配气系统 | 第19-26页 |
| ·配气原理简介 | 第19-22页 |
| ·静态配气法 | 第19-21页 |
| ·动态配气法 | 第21-22页 |
| ·配气系统设计 | 第22-26页 |
| ·集气 | 第22-23页 |
| ·实验箱 | 第23-26页 |
| 第4章 数据采集系统设计 | 第26-39页 |
| ·数据采集原理 | 第26-32页 |
| ·数据采集简介 | 第26-28页 |
| ·数据采集系统的硬件组成 | 第28-31页 |
| ·数据采集卡的选择 | 第31-32页 |
| ·数据采集系统外围硬件电路设计 | 第32-34页 |
| ·传感器采样电路 | 第32-33页 |
| ·信号调理电路 | 第33-34页 |
| ·数据采集系统软件设计 | 第34-39页 |
| ·VC++6.0开发环境简介 | 第34-36页 |
| ·数据采集卡编程方式 | 第36页 |
| ·数据采集程序设计 | 第36-39页 |
| 第5章 神经网络结构及其研究 | 第39-63页 |
| ·人工神经网络简介 | 第39页 |
| ·生物神经元和生物神经网络 | 第39-41页 |
| ·生物神经元的构成 | 第39-40页 |
| ·兴奋和兴奋性 | 第40-41页 |
| ·人工神经网络 | 第41-43页 |
| ·人工神经元模型—MP模型 | 第41页 |
| ·人工神经网络的构成要素 | 第41-42页 |
| ·人工神经元的功能函数 | 第42-43页 |
| ·人工神经网络结构 | 第43-44页 |
| ·分层网络 | 第43-44页 |
| ·互联网络 | 第44页 |
| ·人工神经网络的学习 | 第44-46页 |
| ·有教师的学习 | 第44-45页 |
| ·无教师的学习 | 第45-46页 |
| ·增强学习 | 第46页 |
| ·BP网络 | 第46-48页 |
| ·BP网络简介 | 第46-47页 |
| ·BP网络的基本算法 | 第47-48页 |
| ·混合气体浓度识别BP网络构造及算法 | 第48-51页 |
| ·神经网络结构 | 第48-49页 |
| ·混合气体浓度识别BP算法改进 | 第49-51页 |
| ·BP网络程序设计 | 第51-60页 |
| ·程序设计流程图 | 第52-53页 |
| ·界面设计 | 第53页 |
| ·程序代码 | 第53-60页 |
| ·本课题实验结果 | 第60-63页 |
| 第6章 结论和展望 | 第63-65页 |
| ·全文总结 | 第63页 |
| ·进一步工作展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第69页 |
