论文部分内容阅读
混合气体检测系统主要应用于环境检测、灾害报警、食品卫生、自动控制等领域,这些领域与人类自身的生活息息相关,因此研究混合气体检测系统是具有十分重要的意义。本文设计并实现了一个混合气体检测系统,该测试系统对气敏传感器在不同种类和浓度的氛围气体中的电压响应值进行采集,并采用小波神经网络对测得的电压响应值进行分析,进而最终识别出被测气体的种类和浓度,为后续的燃气报警和火灾报警提供支持。系统的硬件部分由PC机、数据采集卡、传感器阵列和配气系统四部分组成。软件部分则主要是编写了基于MFC的Windows应用程序,该应用程序提供了一个用户界面,方便用户对数据采集进行控制和直观的感知传感器阵列的响应过程,并且具有测试数据的保存和再现功能。在模式识别过程中,由于传统的BP算法具有容易陷入局部最小值,收敛速度慢以及容易导致震荡等缺点,因此本文将Levenberg-Marquardt(LM)算法应用于小波神经网络的训练。对比实验表明,在收敛速度和识别精度两方面LM算法均优于BP算法,能够较好的进行模式识别。本文把基于LM算法的小波神经网络应用于混合气体的检测,给出了混合气体检测的具体步骤和检测结果。最终实验表明,运用LM算法训练的小波神经网络能够精确的识别出混合气体的种类和浓度。