基于人工神经网络的多气体分析系统研究与设计
| 第一章 绪论 | 第6-12页 |
| 1.1 本课题研究意义 | 第6页 |
| 1.2 多气体分析系统概述 | 第6-7页 |
| 1.3 气体传感器发展史 | 第7-8页 |
| 1.4 人工神经网络发展史 | 第8-10页 |
| 1.5 论文内容 | 第10-12页 |
| 第二章 半导体气体传感器 | 第12-20页 |
| 2.1 半导体气体传感器概况 | 第12-15页 |
| 2.1.1 半导体气体传感器的分类 | 第12页 |
| 2.1.2 半导体气体传感器的气敏机理 | 第12-14页 |
| 2.1.3 表面控制型电阻式气体传感器 | 第14-15页 |
| 2.2 气体传感器阵列的选择原则 | 第15-16页 |
| 2.3 MQ系列半导体气体传感器阵列 | 第16-19页 |
| 2.3.1 MQ系列气体传感器 | 第16-17页 |
| 2.3.2 MQ系列气体传感器的应用特性 | 第17-19页 |
| 2.4 小结 | 第19-20页 |
| 第三章 数据采集 | 第20-31页 |
| 3.1 标准样气配置 | 第20-21页 |
| 3.1.1 测试容器 | 第20页 |
| 3.1.2 注射器静态配气法 | 第20-21页 |
| 3.2 信号调理 | 第21-22页 |
| 3.3 数据采集与传输模块 | 第22-30页 |
| 3.3.1 硬件部分 | 第22-24页 |
| 3.3.2 软件部分 | 第24-30页 |
| 3.4 小结 | 第30-31页 |
| 第四章 应用人工神经网络的气体分析方法 | 第31-47页 |
| 4.1 人工神经网络 | 第31-32页 |
| 4.1.1 人工神经网络概述 | 第31页 |
| 4.1.2 BP网络概述 | 第31-32页 |
| 4.1.3 MATLAB神经网络工具箱 | 第32页 |
| 4.2 BP网络原理 | 第32-40页 |
| 4.2.1 BP网络结构 | 第32-34页 |
| 4.2.2 BP算法的数学描述 | 第34-40页 |
| 4.3 面向MATLAB的BP神经网络的设计 | 第40-44页 |
| 4.3.1 BP神经网络的初始化 | 第40页 |
| 4.3.2 BP神经网络的创建 | 第40页 |
| 4.3.3 BP神经网络的仿真 | 第40-41页 |
| 4.3.4 BP神经网络的训练 | 第41-43页 |
| 4.3.5 BP神经网络泛化的改进 | 第43-44页 |
| 4.3.6 BP神经网络训练结果分析 | 第44页 |
| 4.4 气体分析方法 | 第44-46页 |
| 4.4.1 气体定性识别 | 第44-45页 |
| 4.4.2 气体定量检测 | 第45-46页 |
| 4.5 小结 | 第46-47页 |
| 第五章 气体分析实验 | 第47-64页 |
| 5.1 信号预处理技术 | 第47-48页 |
| 5.2 基于BP网络的单一气体定性识别 | 第48-56页 |
| 5.2.1 实验数据 | 第48-49页 |
| 5.2.2 数据预处理 | 第49-50页 |
| 5.2.3 BP网络的设计 | 第50-54页 |
| 5.2.4 实验结果分析 | 第54-56页 |
| 5.3 基于BP网络的单一气体定量检测 | 第56-63页 |
| 5.3.1 实验数据 | 第56-57页 |
| 5.3.2 数据预处理 | 第57-58页 |
| 5.3.3 BP网络的设计 | 第58-61页 |
| 5.3.4 实验结果分析 | 第61-63页 |
| 5.4 误差分析 | 第63页 |
| 5.5 小结 | 第63-64页 |
| 第六章 结论 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67-68页 |
| 摘要 | 第68-69页 |
| ABSTRACT | 第69页 |
