面向气体传感器的自检测智能算法与硬件系统研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究的背景及意义 | 第11-12页 |
| 1.2 大气检测仪器研究的进展 | 第12-14页 |
| 1.2.1 大气检测仪器的现状 | 第12-13页 |
| 1.2.2 大气检测仪器的局限 | 第13-14页 |
| 1.3 本论文主要研究内容 | 第14-16页 |
| 第2章 大气检测仪器的设计方案 | 第16-20页 |
| 2.1 系统结构与工作原理 | 第16-18页 |
| 2.2 智能化人机交互界面 | 第18页 |
| 2.3 自检测智能算法使用 | 第18-19页 |
| 2.4 本章总结 | 第19-20页 |
| 第3章 大气检测仪器的硬件设计和操作界面的制作 | 第20-41页 |
| 3.1 数据采集装置 | 第20-22页 |
| 3.1.1 传感器阵列的选择 | 第20页 |
| 3.1.2 气体采集装置 | 第20-22页 |
| 3.2 数据处理 | 第22-28页 |
| 3.2.1 主控制单元（MCU） | 第22-24页 |
| 3.2.2 模数转换单元（ADC） | 第24-25页 |
| 3.2.3 通信单元（UART） | 第25-26页 |
| 3.2.4 电源单元 | 第26-28页 |
| 3.3 智能化人机交互界面 | 第28-40页 |
| 3.3.1 QT介绍 | 第28-32页 |
| 3.3.2 人机交互界面的设计 | 第32-39页 |
| 3.3.3 人机交互界面的实现 | 第39-40页 |
| 3.4 本章总结 | 第40-41页 |
| 第4章 系统自检测智能算法研究 | 第41-59页 |
| 4.1 基于主成分分析算法的传感器测量精度改善 | 第41-44页 |
| 4.1.1 主成分分析（PCA） | 第41-43页 |
| 4.1.2 传感器精度的改善 | 第43-44页 |
| 4.2 基于支持向量机算法的气体分类和浓度显示 | 第44-52页 |
| 4.2.1 支持向量机（SVM） | 第46-51页 |
| 4.2.2 气体分类的实现 | 第51-52页 |
| 4.3 基于支持向量回归算法的故障诊断及恢复 | 第52-58页 |
| 4.3.1 支持向量回归（SVR）算法 | 第52-54页 |
| 4.3.2 浓度显示的实现 | 第54-56页 |
| 4.3.3 故障诊断的实现 | 第56-58页 |
| 4.4 本章总结 | 第58-59页 |
| 第5章 大气检测仪器的实验研究 | 第59-68页 |
| 5.1 实验材料 | 第59-60页 |
| 5.2 实验方案 | 第60-62页 |
| 5.3 数据处理及比较 | 第62-67页 |
| 5.3.1 主成分分析（PCA）处理 | 第63-65页 |
| 5.3.2 支持向量机（SVM）处理 | 第65-66页 |
| 5.3.3 支持向量回归算法（SVR）处理 | 第66-67页 |
| 5.4 本章总结 | 第67-68页 |
| 第6章 结论与展望 | 第68-70页 |
| 6.1 实验材料 | 第68-69页 |
| 6.2 研究展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 作者简介 | 第73-74页 |
| 致谢 | 第74页 |
