基于支持向量機的氣體傳感陣列模式識別方法研究.pdf

1、隨著科學(xué)技術(shù)的進步和工業(yè)生產(chǎn)的發(fā)展，對氣體的檢測不僅要求快速、準確，而且還要求檢測能夠在線進行。由于氣體傳感器普遍存在交叉敏感，單一氣體傳感器無法對多種氣體進行準確的定性識別和定量檢測。因此，將多個氣體傳感器組成陣列與模式識別方法相結(jié)合進行多組分氣體的識別與檢測具有更大的實用價值。而模式識別技術(shù)對識別效果起著關(guān)鍵性的作用。
　　 本文以電力變壓器油中六種溶解氣體（H2，CO，CH4，C2H4，C2H2，C2H6）在線檢測為例，提

2、出了一種基于免疫加權(quán)支持向量回歸機的氣體傳感陣列模式識別方法。論文依次講述了氣體傳感陣列國內(nèi)外研究現(xiàn)狀和常用模式識別方法，并對MQ型氣體傳感器進行特性實驗研究，介紹了支持向量機模式識別理論，最后著重對基于支持向量機的氣體傳感陣列模式識別方法進行了逐步深入的研究，在利用氣體傳感陣列獲取氣體組分和濃度多維信息的基礎(chǔ)上，結(jié)合支持向量機模式識別理論，對變壓器油中溶解氣體進行定量分析。
　　 首先對MQ型氣體傳感器進行了特性實驗，通過實驗

3、驗證了MQ系列氣體傳感器具有良好的靈敏度、重復(fù)性和響應(yīng)特性，但同時存在一定的交叉敏感。
　　 針對神經(jīng)網(wǎng)絡(luò)模式識別方法存在網(wǎng)絡(luò)結(jié)構(gòu)難于確定、易陷入局部極小值等問題，分別采用BP神經(jīng)網(wǎng)絡(luò)和標準支持向量回歸機（SVR）對氣體傳感陣列測得的信號進行模式識別。結(jié)果表明，經(jīng)過SVR進行模式識別后的值明顯優(yōu)于BP神經(jīng)網(wǎng)絡(luò)識別值。將免疫算法用于支持向量機參數(shù)優(yōu)化過程中，利用免疫算法保持群體多樣性的特點進行參數(shù)全局尋優(yōu)，將參數(shù)優(yōu)化后的支持向量機

4、應(yīng)用于氣體傳感陣列模式識別中。通過對比表明，免疫支持向量機克服了標準支持向量機（SVM）采用試湊法確定參數(shù)的不足，識別精度較SVM有進一步的提高。
　　 針對標準支持向量回歸機中未考慮各樣本重要性的差異問題，給各個樣本的懲罰系數(shù)賦予不同權(quán)重，分別采用線性插值法和非線性插值法對參數(shù)進行加權(quán)，將經(jīng)過免疫算法全局尋優(yōu)和參數(shù)加權(quán)后的支持向量機應(yīng)用于氣體傳感陣列模式識別中。結(jié)果表明，免疫加權(quán)支持向量機具有更高精度的識別效果，更好的性能和應(yīng)