电子鼻空气质量检测系统研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·引言 | 第8-10页 |
| ·室内空气质量的研究背景 | 第8-9页 |
| ·污染物检测方法 | 第9-10页 |
| ·电子鼻技术概述 | 第10-13页 |
| ·电子鼻应用现状及前景 | 第13-14页 |
| ·课题意义及论文结构 | 第14-16页 |
| ·论文的意义及主要内容 | 第14-15页 |
| ·论文章节安排 | 第15-16页 |
| 2 空气质量检测系统的硬件设计 | 第16-31页 |
| ·系统硬件结构及原理 | 第16-18页 |
| ·功能结构 | 第16-17页 |
| ·微控制器 | 第17-18页 |
| ·电源管理模块 | 第18-20页 |
| ·传感器阵列及调理电路 | 第20-24页 |
| ·金属氧化物半导体传感器 | 第20-21页 |
| ·氧气传感器 | 第21-22页 |
| ·温度传感器 | 第22-23页 |
| ·湿度传感器 | 第23-24页 |
| ·模数转换模块 | 第24-27页 |
| ·TLC2543 硬件连接 | 第24-25页 |
| ·TLC2543 驱动程序设计 | 第25-27页 |
| ·液晶显示模块 | 第27-30页 |
| ·LCD 硬件接口 | 第27-29页 |
| ·LCD 驱动设计 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 3 电子鼻信号处理方法 | 第31-42页 |
| ·数据预处理 | 第31-33页 |
| ·主成分分析 | 第33-35页 |
| ·主成分分析方法 | 第33-35页 |
| ·主成分分析性质 | 第35页 |
| ·模式识别算法 | 第35-40页 |
| ·概率神经网络 | 第36-38页 |
| ·径向基神经网络 | 第38-40页 |
| ·本章小结 | 第40-42页 |
| 4 基于电子鼻的空气质量检测 | 第42-60页 |
| ·气体测试实验方法 | 第42-44页 |
| ·有害气体定性识别 | 第44-48页 |
| ·模式分类的数学模型 | 第44-45页 |
| ·基于PCA 的概率神经网络的定性分析 | 第45-47页 |
| ·概率神经网络定性分析 | 第47-48页 |
| ·有害气体定量检测 | 第48-59页 |
| ·定量分析数学模型 | 第48-49页 |
| ·基于遗传算法的传感器阵列优化 | 第49-52页 |
| ·基于RBF 网络的有害气体定量分析 | 第52-59页 |
| ·本章小结 | 第59-60页 |
| 5 结论与展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 附录 | 第67页 |
