电子鼻空气质量检测系统研究

论文摘要

如今,室内空气质量问题已成为人们普遍关注的热点。室内空气污染物主要包括甲醛,苯系物,总挥发性有机物,氮氧化物等。室内空气质量改善的前提是对室内空气污染物的检测,基于电子鼻的空气质量检测系统具有实时性,便捷,高效等优点。电子鼻又称人工嗅觉系统,主要由气体传感器阵列,信号预处理单元,模式识别算法三个部分构成。本论文以电子鼻有害气体检测为应用背景,主要研究了电子鼻系统的硬件设计,传感器阵列的选型和优化以及识别能力。电子鼻空气质量检测系统的硬件设计。根据实时性,稳定性和便携性的要求,重点讨论了系统的控制模块,信号调理模块,数据采样和A/D模块,显示和声光报警模块的电路设计和驱动程序设计。传感器选型和阵列优化。针对室内主要污染气体,根据金属氧化物传感器的交叉敏感特性和选择性,确定了金属氧化物传感器为TGS2201 ,TGS2602,TGS620,GSBT11。氧气含量也是衡量室内空气质量的一个重要指标,选择了氧气传感器对氧气浓度进行检测。根据实际需要还选择了温度,湿度,压力传感器。传感器阵列优化的目的是去除冗余和相关,提高系统的识别能力。在分析常见气体传感器阵列优化方法的基础上,提出了基于遗传算法的阵列优化方法,通过设定重要性系数,实现了阵列的去冗余和相关,达到阵列优化的目的。建立了定性和定量分析的识别算法。主成分分析是一种成功的数据降维和压缩方法,可以用作阵列信号的降维。概率神经网络分类器在各类别先验概率相等的条件下等价于基于核函数的bayes分类器,可以实现在分类误差最小意义上的最优分类。文中首先对阵列信号进行降维,然后再送入概率神经网络识别,对甲醛,一氧化碳和二氧化氮三种气体的定性分析表明,概率神经网络分类器可以实现正确的分类。本文进一步讨论了有害气体的定量识别,使用径向基神经网络进行识别,通过对甲醛,一氧化碳和二氧化氮气体的识别结果表明,该算法能够获得较高的识别精度。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 引言
• 1.1.1 室内空气质量的研究背景
• 1.1.2 污染物检测方法
• 1.2 电子鼻技术概述
• 1.3 电子鼻应用现状及前景
• 1.4 课题意义及论文结构
• 1.4.1 论文的意义及主要内容
• 1.4.2 论文章节安排
• 2 空气质量检测系统的硬件设计
• 2.1 系统硬件结构及原理
• 2.1.1 功能结构
• 2.1.2 微控制器
• 2.2 电源管理模块
• 2.3 传感器阵列及调理电路
• 2.3.1 金属氧化物半导体传感器
• 2.3.2 氧气传感器
• 2.3.3 温度传感器
• 2.3.4 湿度传感器
• 2.4 模数转换模块
• 2.4.1 TLC2543 硬件连接
• 2.4.2 TLC2543 驱动程序设计
• 2.5 液晶显示模块
• 2.5.1 LCD 硬件接口
• 2.5.2 LCD 驱动设计
• 2.6 本章小结
• 3 电子鼻信号处理方法
• 3.1 数据预处理
• 3.2 主成分分析
• 3.2.1 主成分分析方法
• 3.2.2 主成分分析性质
• 3.3 模式识别算法
• 3.3.1 概率神经网络
• 3.3.2 径向基神经网络
• 3.4 本章小结
• 4 基于电子鼻的空气质量检测
• 4.1 气体测试实验方法
• 4.2 有害气体定性识别
• 4.2.1 模式分类的数学模型
• 4.2.2 基于PCA 的概率神经网络的定性分析
• 4.2.3 概率神经网络定性分析
• 4.3 有害气体定量检测
• 4.3.1 定量分析数学模型
• 4.3.2 基于遗传算法的传感器阵列优化
• 4.3.3 基于RBF 网络的有害气体定量分析
• 4.4 本章小结
• 5 结论与展望
• 致谢
• 参考文献
• 附录