空气质量监测电子鼻系统传感器温度调制技术研究
| 摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第8-22页 |
| 1.1 室内空气质量检测现状 | 第8-10页 |
| 1.1.1 室内空气质量的研究背景 | 第8-9页 |
| 1.1.2 常见的室内空气污染物检测方法 | 第9-10页 |
| 1.2 电子鼻技术 | 第10-17页 |
| 1.2.1 电子鼻系统概述 | 第10-16页 |
| 1.2.2 电子鼻的国内外研究现状 | 第16-17页 |
| 1.3 半导体气敏传感器 | 第17-19页 |
| 1.3.1 半导体气敏传感器工作原理 | 第17-18页 |
| 1.3.2 半导体气体传感器的温度依赖性 | 第18-19页 |
| 1.4 传感器温度调制技术 | 第19-21页 |
| 1.4.1 传感器温度调制技术概述 | 第19页 |
| 1.4.2 传感器温度调制技术研究进展 | 第19-21页 |
| 1.5 论文的主要内容安排 | 第21-22页 |
| 2 空气质量检测电子鼻系统 | 第22-30页 |
| 2.1 电子鼻系统的硬件结构 | 第22-25页 |
| 2.1.1 传感器阵列 | 第22-24页 |
| 2.1.2 温湿度模块 | 第24页 |
| 2.1.3 AD采样 | 第24页 |
| 2.1.4 中央处理模块 | 第24-25页 |
| 2.2 温度调制实验 | 第25-29页 |
| 2.2.1 实验设计 | 第25-27页 |
| 2.2.2 实验平台 | 第27-28页 |
| 2.2.3 实验数据采集 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 3 算法原理介绍 | 第30-46页 |
| 3.1 主成分分析 | 第30-32页 |
| 3.2 人工神经网络 | 第32-37页 |
| 3.2.1 人工神经元模型 | 第32-33页 |
| 3.2.2 BP网络 | 第33-34页 |
| 3.2.3 BP算法 | 第34-36页 |
| 3.2.4 BP网络设计 | 第36-37页 |
| 3.3 支持向量机及支持向量回归机 | 第37-40页 |
| 3.4 极限学习机 | 第40-42页 |
| 3.5 交叉验证 | 第42-43页 |
| 3.6 模型构建 | 第43-45页 |
| 3.7 本章小结 | 第45-46页 |
| 4 实验数据及结果分析 | 第46-58页 |
| 4.1 实验样本 | 第46-50页 |
| 4.2 数据预处理 | 第50-51页 |
| 4.3 气体分类模型结果比较分析 | 第51-53页 |
| 4.4 浓度预测模型结果比较分析 | 第53-56页 |
| 4.5 与已有电子鼻系统的性能对比 | 第56-57页 |
| 4.6 本章小结 | 第57-58页 |
| 5 总结与展望 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 附录 | 第68-69页 |
| A. 作者在攻读学位期间发表的论文目录 | 第68页 |
| B. 作者在攻读学位期间参加的项目 | 第68页 |
| C. 论文中的数据及程序清单 | 第68-69页 |
