基于神经网络的电化学多气体传感器数据融合研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题目的及意义 | 第10-12页 |
| 1.2 气体传感器发展概况及展望 | 第12-13页 |
| 1.3 神经网络模型及其算法应用 | 第13-15页 |
| 1.4 课题来源及主要内容 | 第15-16页 |
| 1.4.1 课题来源 | 第15页 |
| 1.4.2 课题主要研究内容 | 第15-16页 |
| 第2章 多气体传感器数据采集系统的建立 | 第16-27页 |
| 2.1 数据采集系统设计 | 第16页 |
| 2.2 系统硬件设计 | 第16-20页 |
| 2.2.1 电源设计 | 第17-18页 |
| 2.2.2 单片机最小系统 | 第18-19页 |
| 2.2.3 I/V转换电路 | 第19-20页 |
| 2.3 温湿度芯片与应用 | 第20-22页 |
| 2.4 数据采集系统下位机软件程序设计 | 第22-24页 |
| 2.5 数据采集系统上位机界面 | 第24-25页 |
| 2.6 本章小结 | 第25-27页 |
| 第3章 多气体传感器特性分析与测试 | 第27-40页 |
| 3.1 电化学传感器类型与选取 | 第27-28页 |
| 3.2 电化学气体传感器工作原理 | 第28-32页 |
| 3.2.1 恒电位电解式传感器机理 | 第28-31页 |
| 3.2.2 毒气传感器工作过程分析 | 第31-32页 |
| 3.3 多气体传感器特性测试 | 第32-35页 |
| 3.3.1 多气体测试系统的设计 | 第32-33页 |
| 3.3.2 静态测试 | 第33-35页 |
| 3.4 传感器模型的回归分析 | 第35-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 多气体传感器数据融合及模式识别 | 第40-62页 |
| 4.1 神经网络模型结构及算法 | 第40-43页 |
| 4.2 BP网络学习算法的改进 | 第43-45页 |
| 4.3 气体成分定性识别 | 第45-52页 |
| 4.4 气体成分定量识别 | 第52-58页 |
| 4.5 多气体干扰模型分析 | 第58-61页 |
| 4.6 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读学位期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68页 |
