工業(yè)園區(qū)空氣檢測(cè)主要是通過一系列由敏感膜材料組成的化學(xué)氣體傳感器陣列來采集氣體數(shù)據(jù),再經(jīng)過電子電路將復(fù)雜的時(shí)間序列信號(hào)傳輸?shù)饺斯ぶ悄芩惴ǖ能浖到y(tǒng)中,基于手工設(shè)計(jì)的特征選擇方法如隨機(jī)森林（RF）,主成分分析（PCA）,經(jīng)由一些機(jī)器學(xué)習(xí)算法如支持向量機(jī)（SVM）,對(duì)特征進(jìn)行訓(xùn)練,最后使用訓(xùn)練后的模型來識(shí)別未知?dú)怏w的類別和濃度。傳統(tǒng)氣體檢測(cè)設(shè)備的敏感膜材料因氣體分子吸附而震動(dòng)產(chǎn)生一種復(fù)雜的時(shí)間序列信號(hào),在識(shí)別過程中,敏感膜材料的退化、外界的環(huán)境因素、氣體的種類和濃度都會(huì)影響信號(hào)的產(chǎn)生,導(dǎo)致傳感器漂移現(xiàn)象嚴(yán)重;而特征提取方法上也有人為的主觀因素影響無法做到精確和全面;同時(shí)也發(fā)現(xiàn)使用不同的算法直接關(guān)系到氣體檢測(cè)結(jié)果的準(zhǔn)確率。本文從傳感器改造、特征提取和氣體檢測(cè)算法這三個(gè)關(guān)鍵層面進(jìn)行技術(shù)研究,對(duì)傳統(tǒng)工業(yè)氣體檢測(cè)系統(tǒng)提出了改進(jìn)方案。方案中設(shè)計(jì)使用紅外光學(xué)氣體檢測(cè)傳感器陣列設(shè)備,是基于不同氣體對(duì)紅外波段的電磁波特征吸收原理制成的一種物理式分析儀器,針對(duì)不同種類的工業(yè)氣體,只需要更換光學(xué)濾光片組件模塊和調(diào)整程序參數(shù)即可。使用紅外光學(xué)氣體檢測(cè)傳感器陣列設(shè)備,可以提高收集氣體樣本數(shù)據(jù)的原始表征;其次引入深... 

【文章來源】：上海應(yīng)用技術(shù)大學(xué)上海市

【文章頁(yè)數(shù)】：57 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
        1.1.1 課題背景
        1.1.2 意義和目的
    1.2 工業(yè)氣體檢測(cè)設(shè)備研究現(xiàn)狀和趨勢(shì)
    1.3 研究的主要內(nèi)容和論文結(jié)構(gòu)
        1.3.1 本研究的核心內(nèi)容
        1.3.2 論文結(jié)構(gòu)
    1.4 文章出現(xiàn)的簡(jiǎn)稱符號(hào)
第2章 傳統(tǒng)工業(yè)氣體檢測(cè)設(shè)備關(guān)鍵技術(shù)
    2.1 引言
    2.2 電子鼻
    2.3 特征提取與選擇
        2.3.1 手工設(shè)計(jì)特征
        2.3.2 離散小波變換
        2.3.3 主成分分析（PCA）
    2.4 基于工業(yè)氣體檢測(cè)分類算法
        2.4.1 支持向量機(jī)
        2.4.2 最鄰近結(jié)點(diǎn)算法
    2.5 本章小結(jié)
第3章 紅外光學(xué)氣體檢測(cè)設(shè)備設(shè)計(jì)
    3.1 引言
        3.1.1 紅外氣體檢測(cè)概念
        3.1.2 紅外氣體檢測(cè)原理
        3.1.3 紅外氣體檢測(cè)模型
    3.2 紅外氣體檢測(cè)設(shè)備設(shè)計(jì)
        3.2.1 紅外氣體檢測(cè)程序設(shè)計(jì)
        3.2.2 紅外氣體檢測(cè)傳感器設(shè)計(jì)
        3.2.3 設(shè)備軟件設(shè)計(jì)
    3.3 采集數(shù)據(jù)原始表征對(duì)比
        3.3.1 氣敏傳感器陣列采集數(shù)據(jù)
        3.3.2 紅外傳感器陣列采集數(shù)據(jù)
    3.4 本章小結(jié)
第4章 基于深度學(xué)習(xí)的工業(yè)氣體檢測(cè)
    4.1 深度學(xué)習(xí)的理論基礎(chǔ)
    4.2 深度學(xué)習(xí)模型的原理
        4.2.1 DBN深度信念網(wǎng)絡(luò)
        4.2.2 CNN卷積神經(jīng)網(wǎng)絡(luò)
        4.2.3 RNN遞歸神經(jīng)網(wǎng)絡(luò)
        4.2.4 CNN和 RNN的比較
    4.3 數(shù)據(jù)預(yù)處理過程
    4.4 自動(dòng)完成提取特征變量
    4.5 深度學(xué)習(xí)工業(yè)氣體檢測(cè)設(shè)計(jì)
    4.6 實(shí)驗(yàn)設(shè)計(jì)
    4.7 本章小結(jié)
第5章 工業(yè)氣體檢測(cè)設(shè)備傳感器漂移補(bǔ)償研究
    5.1 實(shí)驗(yàn)數(shù)據(jù)
    5.2 方案和結(jié)果
    5.3 調(diào)參優(yōu)化
    5.4 在實(shí)際應(yīng)用中的優(yōu)勢(shì)
    5.5 本章小結(jié)
第6章 結(jié)論與展望
    6.1 論文結(jié)論
    6.2 論文在以下方面有所改進(jìn)和優(yōu)化
    6.3 論文展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文


【參考文獻(xiàn)】：
期刊論文
[1]借鑒洛杉磯煙霧治理經(jīng)驗(yàn) 探討我國(guó)綠色治霾路徑[J]. 姬學(xué)斌.  科技展望. 2017(06)
[2]層次分析法的改進(jìn)及其在環(huán)境空氣質(zhì)量評(píng)價(jià)中的應(yīng)用[J]. 楊帆,楊士林.  環(huán)境工程. 2016(S1)
[3]基于模糊數(shù)學(xué)法的京津冀地區(qū)空氣質(zhì)量評(píng)價(jià)[J]. 劉明婷,朱家明.  黑河學(xué)院學(xué)報(bào). 2016(03)
[4]一種SVM多分類算法[J]. 孫少乙,黃志波.  微型機(jī)與應(yīng)用. 2016(08)
[5]歐美發(fā)達(dá)國(guó)家大氣污染控制經(jīng)驗(yàn)[J]. 薛志鋼,郝吉明,陳復(fù),柴發(fā)合.  杭州(周刊). 2016(05)
[6]環(huán)境空氣質(zhì)量指數(shù)計(jì)算方法與分級(jí)方案比較[J]. 潘本鋒,李莉娜.  中國(guó)環(huán)境監(jiān)測(cè). 2016(01)
[7]基于SVM多類分類器的字符識(shí)別[J]. 李雪花,許姜滌宇,于安軍,杜宇人.  信息技術(shù). 2016(01)
[8]近十幾年上�？諝赓|(zhì)量變化動(dòng)態(tài)及主要污染指標(biāo)間的相關(guān)性分析[J]. 王壽兵,汪遠(yuǎn)安,馬小雪.  復(fù)旦學(xué)報(bào)(自然科學(xué)版). 2015(02)
[9]基于逐步回歸的空氣質(zhì)量影響因素分析——以呼和浩特市區(qū)為例[J]. 姜新華,劉霞,薛河儒,張存厚.  內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(02)
[10]KNN數(shù)據(jù)挖掘算法在北京地區(qū)霾等級(jí)預(yù)報(bào)中的應(yīng)用[J]. 熊亞軍,廖曉農(nóng),李梓銘,張小玲,孫兆彬,趙秀娟,趙普生,馬小會(huì),蒲維維.  氣象. 2015(01)

博士論文
[1]北京大氣污染物時(shí)空變化規(guī)律及評(píng)價(jià)預(yù)測(cè)模型研究[D]. 劉杰.北京科技大學(xué) 2015

碩士論文
[1]基于機(jī)器學(xué)習(xí)的城市環(huán)境空氣質(zhì)量評(píng)價(jià)研究[D]. 趙楠.上海應(yīng)用技術(shù)大學(xué) 2017
[2]基于深度學(xué)習(xí)的工業(yè)氣體識(shí)別研究[D]. 李金宵.上海應(yīng)用技術(shù)大學(xué) 2017
[3]基于層次分析法的地下水超采區(qū)劃分及壓采效果評(píng)價(jià)[D]. 趙敏.太原理工大學(xué) 2016
[4]基于多元統(tǒng)計(jì)和智能算法的上海市空氣質(zhì)量指數(shù)評(píng)價(jià)分析[D]. 周家?guī)?蘭州大學(xué) 2016
[5]有毒有害氣體傳感器陣列檢測(cè)及數(shù)據(jù)融合研究[D]. 王婷.哈爾濱理工大學(xué) 2015
[6]基于機(jī)器學(xué)習(xí)的P2P網(wǎng)絡(luò)流分類研究[D]. 丁里.江南大學(xué) 2015
[7]空氣質(zhì)量監(jiān)測(cè)系統(tǒng)中多分類器的集成技術(shù)研究[D]. 黨麗君.重慶大學(xué) 2014
[8]基于深度學(xué)習(xí)的氣體識(shí)別研究[D]. 胡曉楠.電子科技大學(xué) 2014
[9]石家莊市“十一五”期間環(huán)境空氣質(zhì)量變化趨勢(shì)分析及預(yù)測(cè)研究[D]. 張良.河北科技大學(xué) 2013



本文編號(hào)：3092137