点击次数：

论文类型：会议论文

发表时间：2014-10-01

页面范围：1124-1128

关键字：气体传感器阵列;极限学习机;并联结构;挥发性有机化合物;浓度预测

摘要：挥发性有机化合物(VOCs)气体是室内空气主要的污染物.目前主要采用多个金属氧化物传感器组成的传感器阵列结合模式识别方法对VOCs气体成分进行浓度预测.本论文采用4种不同掺杂的SnO2材料制成的传感器构成的阵列,待识别的混合气体由甲醛、甲苯、丙酮和乙醇按体积比混合组成.利用反向传播神经网络(BP)、极限学习机(ELM)和并联极限学习机(PHELM)分别对传感器阵列的响应输出进行了分析.结果表明:ELM和PHELM可以快速预测混合气体中各气体成分的浓度.其训练时间短,可在毫秒数量级完成.对混合气体中四种成分气体浓度的预测结果进行分析,表明并联结构提高了ELM的预测精度.