基于SVM的VOC气体辨识技术的研究.docx

资料分类:工业大学 上传会员:小蚊子 更新时间:2019-03-14
需要金币2000 个金币 资料包括:完整论文 下载论文
转换比率:金额 X 10=金币数量, 例100元=1000金币 论文字数:8373
折扣与优惠:团购最低可5折优惠 - 了解详情 论文格式:Word格式(*.doc)

摘要:随着科学技术的进步与工业生产的发展,对混合气体的检测和分析有不断的提高,如今已有的检测手段逐渐不能满足人们的需求,高性能的半导体气体传感器阵列与模式识别的智能系统已成为气体检测的趋势。

本文选择由半导体气敏元件组成的挥发性有机气体(VOC)传感器检测阵列,结合人工神经网络识别技术,基于MATLAB仿真平台的LIBSVM工具箱,建立了基于支持向量机的气体辨识模型,利用支持向量机(SVM)内核函数对VOC气体进行定性与定量的辨识。测试结果表明,基于人工神经网络技术的SVM系统对VOC气体的辨识、分类、诊断和预测具有良好的辨识效果。很好的实现对混合的不同浓度的丙酮和乙醇气体进行辨识,分类的准确率平均在98%以上。达到了对单一气体的定量识别和对混合气体的定性识别。

 

关键词:人工神经网络;支持向量机;定性与定量识别;气体检测

 

目录

摘要

Abstract

1 引言-1

1.1 选题背景-1

1.2 国内外发展现状-1

1.3 人工神经网络概述-2

1.4 本文设计主要内容-2

2 整体方案设计-4

2.1 方案设计-4

2.2 检测电路-4

2.3传感器阵列对气体的响应-6

2.3 气体识别方法对比-6

3 基于SVM的神经网络的算法研究-8

3.1 SVM概述-8

3.2 模式识别-8

3.3 算法流程-9

4 实验步骤和实验分析-10

4.1数据采集-10

4.2安装LIBSVM环境及初始化-11

4.3 训练&预测-13

4.4定性分析-14

4.5定量分析-15

结    论-19

参 考 文 献-20

致    谢-21

相关论文资料:
最新评论
上传会员 小蚊子 对本文的描述:本文基于支持向量机的神经网络,通过有半导体器皿元件组成的传感器阵列对存在干扰气体的丙酮气体进行浓度检测。利用MATLAB搭建的平台,对一种或几种混合的可挥发性气体进行定量......
发表评论 (我们特别支持正能量传递,您的参与就是我们最好的动力)
注册会员后发表精彩评论奖励积分,积分可以换金币,用于下载需要金币的原创资料。
您的昵称: 验证码: