PSO-BP神经网络在多元有害气体检测中的应用.pdf

《PSO-BP神经网络在多元有害气体检测中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、154传感器与微系统(TransducerandMicrosystemTechnologies)2015年第34卷第2期DOI：10．13873／J．1000-9787(2o15)02--0154-03PSO-BP神经网络在多元有害气体检测中的应用龚雪飞，徐景，孙寿通，刘萍，简家文(宁波大学信息科学与工程学院，浙江宁波315211)摘要：针对目前常见的多元有害气体检测问题，搭建了一种基于传感器阵列和BP神经网络相结合的多元有害气体检测系统。该检测系统中采用了BP神经网络算法对传感器阵列的4种混合有害气体的响应信号进行回归分析。为了提高BP神经网络的预测准确性

2、，又利用了粒子群优化(PSO)算法对BP神经网络的权值与阈值进行了优化。结果显示：通过PSO优化的BP(PSO—BP)神经网络预测的平均相对误差小于2％，能够有效解决气体传感器交叉敏感问题。关键词：传感器阵列；多元有害气体检测；BP神经网络；粒子群优化中图分类号：TP183文献标识码：A文章编号：1000-9787(2015)02-0154-03ApplicationofPSO-BPneuralnetworkinmultipleharmfulgasdetectionGONGXue—fei，XUJing，SUNShou—tong，LIUPing，JIANJia

3、-wen(SchoolofInformationScienceandEngineering，NingboUniversity，Ningbo315211，China)Abstract：Aimingatproblemofmulipleharmfulgasdetection，agasdetectionsystemisdevelopedbycombiningsensorarraywithBPneuralnetworkalgorithm．ThistestsystemusesBPneuralnetworkalgorithmforregressionanalysisonr

4、esponsesignaloffourkindsofmixtureharmfulgasesmeasuredbysensorarray．InordertoimprovepredictionaccuracyofBPneuralnetwork，adoptPSOalgorithmtooptimizeBPneuralnetworkweightsvalueandthresholdvalue．TheresultsshowthattheaveragerelativeerrorpredictedbyPSOoptimizedBPneuralnetwork(PSO·BP)isle

5、ssthan2％，itcaneffectivelysolveproblemofcross—sensingofgassensor．Keywords：sensorarray；multipleharmfulgasdetection；BPneuralnetwork；PSO0引言比传统BP神经网络和PSO—BP神经网络预测的精度，分析随着近代工业规模不断扩大，在此过程中产生了大量两种网络的性能。的NO，CO，CO。等有毒、有害气体，O作为衡量大气的有1检测系统与实验效标杆，因此，检测上述气体对改善大气环境具有指导意1．1检测系统义J。传统传感器气体检测都是基于单一气体

6、的主成分本文中的有害气体检测系统是模拟人的嗅觉系统对被特征，但是当多种有害气体发生混合时，气体之间相互干扰测气体进行感知、分析和识别，由气敏传感器阵列、传感器造成主成分特征丢失，导致检测无法正常完成J。针对这信号预处理、阵列信号采集和模式识别四部分组成的检测一缺陷，将气体传感器阵列和模式识别技术相结合构建的系统，其原理如图1所示。多元有害气体检测系统，能够很好地解决气体传感器的交叉敏感问题。本文针对气体CO，CO，NO，O和实验的温湿度选取5只传感器组成阵列，组合成一个多元有害气体检测装置。结合实验室的配气系统，利用该装置对不同体积分数的混合气体进行电信号测

7、量与采集。为了提高系统的预测精度，采用粒子群优化(PSO)算法优化BP(PSO—BP)神经网～⋯：：：：：：：：：：：：：：￡⋯⋯⋯⋯⋯一-络的权值、阈值，使用PSO．BP神经网络对实验数据进行分图1检测系统原理图析，并对Fig1Principlediagramofdetectionsystem收稿日期：2014-07-02基金项目：浙江省科技厅重大科技专项重点工业项目(2011C16037)；浙江省宁波市科技局自然科学基金资助项目(2013A610002)第2期龚雪飞，等：PSO．BP神经网络在多元有害气体检测中的应用155本文选用A2-O氧传感器、TGS

8、4160二氧化碳传感器、体，尽可能覆盖整个被测空间。