基于人工神经网络的酒精识别电子鼻研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·课题的提出 | 第9-10页 |
| ·气敏传感器的发展 | 第10页 |
| ·电子鼻及其发展现状 | 第10-14页 |
| ·电子鼻系统概述 | 第10-11页 |
| ·电子鼻发展现状 | 第11-14页 |
| ·论文主要工作 | 第14-15页 |
| 2 气敏传感器与模式识别基本理论 | 第15-29页 |
| ·气敏传感器基本理论 | 第15-19页 |
| ·半导体气敏传感器 | 第16页 |
| ·气敏传感器特性 | 第16-19页 |
| ·模式识别基本理论 | 第19-29页 |
| ·人工神经网络简介 | 第19-22页 |
| ·BP神经网络 | 第22-25页 |
| ·RBF神经网络 | 第25-27页 |
| ·遗传算法 | 第27-29页 |
| 3 电子鼻系统的硬件结构 | 第29-41页 |
| ·系统结构和功能 | 第29-30页 |
| ·气室结构与传感器选择 | 第30-32页 |
| ·气室结构 | 第30页 |
| ·传感器选择 | 第30-32页 |
| ·硬件电路设计 | 第32-41页 |
| ·单片机及外围电路 | 第33-35页 |
| ·传感器加热电路 | 第35-36页 |
| ·采样电路 | 第36-37页 |
| ·串行通信接口电路 | 第37-39页 |
| ·字符型液晶显示模块接口电路 | 第39-41页 |
| 4 电子鼻系统的软件设计 | 第41-62页 |
| ·串行通信协议 | 第41-43页 |
| ·单片机软件 | 第43-47页 |
| ·联机子程序 | 第44-45页 |
| ·脱机子程序 | 第45-47页 |
| ·电子鼻系统应用软件 | 第47-62页 |
| ·电子鼻系统应用软件的功能 | 第49-50页 |
| ·电子鼻系统应用软件的实现 | 第50-62页 |
| 5 实验结果与算法分析 | 第62-78页 |
| ·实验过程 | 第62-64页 |
| ·气敏传感器的筛选 | 第62-63页 |
| ·传感器阵列位置的确定 | 第63-64页 |
| ·样本数据的获取 | 第64页 |
| ·模式识别算法分析 | 第64-69页 |
| ·信号预处理与特征提取 | 第64-66页 |
| ·BP神经网络分析 | 第66-69页 |
| ·传感器最佳阵列维数的确定 | 第69-71页 |
| ·待测气氛的定性识别 | 第71-72页 |
| ·BP神经网络识别 | 第71页 |
| ·RBF网络与BP网络比较 | 第71-72页 |
| ·酒精气体的定量分析 | 第72-75页 |
| ·Bp网络识别 | 第73页 |
| ·多BP子网系统识别 | 第73-75页 |
| ·传感器漂移补偿 | 第75-78页 |
| 结论 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 附录A 样本数据表 | 第84-90页 |
| 附录B 传递函数图形 | 第90-91页 |
| 攻读硕士学位期间发表学术论文情况 | 第91-92页 |
| 致谢 | 第92-93页 |
| 大连理工大学学位论文版权使用授权书 | 第93页 |
