几种神经网络在混合气体预测中的比较  

Comparison of several ANN models on predicting of gas mixture

作　　者：林剑锋[1] 戚金清[1] 王兢[1] 征进[2] 吴微[2] 

机构地区：[1]大连理工大学电信学院,辽宁大连116023 [2]大连理工大学数学学院,辽宁大连116023

出　　处：《传感器与微系统》2010年第6期25-27,31,共4页Transducer and Microsystem Technologies

基　　金：国家自然科学基金资助项目(60474052)

摘　　要：气体传感器阵列的交叉敏感性严重影响气体传感器对混合气体的测量。用M atlab平台的神经网络工具箱,分别构建了BP,径向基(RBF)和模糊(FNN)神经网络,利用掺杂不同材料的4种SnO2气体传感器组成阵列,实现对甲醛、甲苯、丙酮和乙醇混合气体的体积分数预测。结果表明:FNN神经网络对混合气体体积分数预测的精度要高于其他2种网络。而且,结合PCA和ICA对数据样本进行预处理,有利于提高神经网络对体积分数预测的精度。Cross-sensitivity of gas sensor array severely affects the measurement precision. Back propagation （BP） ,radial basis function（RBF） and fuzzy neural networks（FNN） have been built in MATLAB neural networks toolbox and applied in predicting volume fraction of gas mixture （formaldehyde, toluene, acetone and ethanol）. The results show that the precision of FNN is higher than BP and RBF on volume fraction prediction of gas mixture. Moreover, data pre-processing by PCA and ICA have been proved to be helpful on raising prediction precision.

关 键 词：气体测量 神经网络 主成分分析 独立分量分析 

分 类 号：TP212[自动化与计算机技术—检测技术与自动化装置]