基于BP和SOM神经网络的电子鼻识别方法,关于免费电子鼻论文范文在这里免费下载与阅读,为您的电子鼻相关论文写作提供资料。
电子鼻论文参考文献：
摘 要：电子鼻是一种模仿生物嗅觉的综合仿真系统,它可以用来辨别许多复杂的样本,其中用于辨别和分析气体化学成分的仿真系统应用较为广泛,而对复杂混合气体的分析判断和定性识别是电子鼻技术应用的重要方面.本文在分析研究电子鼻原理和基本构成的基础上,重点运用误差回传神经网络（BP）和自组织特征映射网络（SOM）神经网络进行电子鼻系统的定性识别,对三种气体传感器（一氧化碳CO、二氧化硫SO2、二氧化氮NO2）输出的数据进行了仿真、分析和识别,仿真结果表明这两种方法的识别准确率都能达到100%.并且自组织特征映射网络（SOM）算法的识别能力在整体上要优于误差回传神经网络（BP）算法.
关键词：电子鼻；误差回传神经网络（BP）算法；自组织特征映射网络（SOM）算法；MATLAB仿真
中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2018）11-0168-04
Identify Method for Electronic Nose Based on BP and SOM Neural Network
CHEN Pei-feng
（Jilin Radio and Television University, Changchun 130022,China）
Abstract： Electronic nose ,a novel system ,is used to measure the chemical composition of gas, which is designed like the biological olfactory system .To identify the complicated odor is the important aspect of the application electronic nose. Based on the study of the theory and constituent of the electronic nose system, Back-Propagation Neural Network （BP） and Self-Organizing Feature Map （SOM）, the two kinds of neural network models’ application to the qualitative analysis in an electronic nose system are utilized in the paper. And the dates output from three gas sensors （CO,SO2,NO2） are emulated, analyzed and identified. The result shows that preciseness rate of the two recognitions reaches 100%. Through this emulation, the identify capacity of SOM is better than BP in entirety.
Key words： electronic nose；Back-Propagation Neural Network （BP）； Self-Organizing Feature Map （SOM）；MATLAB simulation
电子鼻是一种模仿生物嗅觉的综合仿真系统,它可以用来辨别许多复杂的样本,其中用于辨别和分析气体化学成分的仿真系统应用最为广泛,而这种应用中,对复杂混合气体的分析判断和定性识别是电子鼻技术应用的重要方面.研制开发的一个用来监测、识别和分析气体的系统[1],其主要目的是把几种气体传感器通过微电子集成,形成一个多传感器的仿真系统,通过这个传感器系统,同时感应多种气体成分,达到检测、识别和分析气体的功能[2].
近几年来,随着国内外对电子鼻系统研究的深入,研究人员对电子鼻的识别算法研究也越来越多,越来越深入.如：针对普通BP网络一些缺点,王平[3]等采用了具有侧向联想较强识别能力的SOM网络,实现了七种特殊气体的辨识分析,其平均识别正确率均为91%以上,达到甚至高于常人的识别能力.尽管如此,但由于SOM采用的是欧氏距离,样本的相关性和整体性都较差,为此王平、谢军[4]等提出了一种把RBF和FCMA结合起来的算法,该算法具有FCMA的性能好,速度快等优点,而且样本的相关性和样本集的整体特性都很强.此外,肖人岳、郑思平等 [5]针对SOM的网络结构中存在对新生成神经元的限制和人工需预先给定神经元阈值的这两个缺点,提出了改进的SOM算法.该算法不僅可以排除噪声和异常数据,无需预设神经元数目,解决了新生神经元限制,而且可以实现自组织无监督式学习.通过对人体细胞样本特征集的分析,算法可以在剔除异常数据点的同时,较好的实现对良性细胞样本和恶性细胞样本的聚类.王岩,陈向东,赵静[6]等人的基于FastICA和神经网络的模式识别研究更是将电子鼻识别气体的准确率再次提高.冯伟和胡上序采用的基于神经网络的杂交算法而进行的3种化学品的实验识别证明,该方法的识别准确率可以达到95%,是更好的模式分类方法.朱培逸、顾晓云[7]等人利用SOM网络,对检测不同储存时长的大闸蟹所得气味数据进行分析,将多维传感器特征数据作为网络输入层节点,将样本所对应的不同储存天数作为输出层节点,其评价准确率为95%,他们认为SOM网络模型能够有效地评价大闸蟹新鲜度,该研究为电子鼻实现活体水产品新鲜度无损检测提供了理论依据.
本文运用误差回传神经网络（BP）和自组织特征映射网络（SOM）神经网络进行电子鼻系统的定性识别,对三种气体传感器（一氧化碳CO、二氧化硫SO2、二氧化氮NO2）输出的数据进行了仿真、分析和识别.
结论：适合不知如何写电子鼻方面的相关专业大学硕士和本科毕业论文以及关于电子鼻论文开题报告范文和相关职称论文写作参考文献资料下载。
SOM神经网络预测方法在基坑变形中的运用
摘要：城市地铁建设正逐步进入快速有序的发展阶段，各种类型的地铁事故也时常发生。因此，在隧道基坑工程中需要一种预测方法来合理的避免事故发生。针对上。
基于SOM神经网络江苏常铝经营风险评价
摘要：近几年，市场竞争日益激烈，上市公司陷入经营危机甚至破产时有发生，造成投资人和债权人的损失。对常铝公司经营过程进行监控和评价，尽早发现风险信。
基于BP神经网络供应链绩效评价方法
摘要：动态供应链绩效评价是一个包含多个指标输入输出的复杂评估系统，各绩效指标具有模糊性、不确定性，绩效指标数量较多，彼此之间存在非线性关联性。针。
一种利用神经网络改善判断矩阵一致性方法
摘要：针对层次分析法中判断矩阵致性改进问题，提出了一种利用神经网络改善判断矩阵一致性的方法。本文在建立了BP神经网络模型的基础上，把判断矩阵一致。