專利名稱：基于人工智能學(xué)習(xí)機(jī)的電子鼻中非目標(biāo)干擾氣味的在線識(shí)別和抑制方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種電子鼻的氣體檢測(cè)領(lǐng)域，具體涉及一種基于人工智能學(xué)習(xí)機(jī)的電子鼻中非目標(biāo)干擾氣味的在線識(shí)別和抑制方法。
背景技術(shù)：
由于金屬氧化物傳感器對(duì)環(huán)境參數(shù)較為敏感，在實(shí)時(shí)應(yīng)用時(shí)極易受到環(huán)境因素比如溫度、濕度、外界非目標(biāo)干擾氣味等的影響。對(duì)溫度、濕度的影響，目前已經(jīng)得到大量研究，比如，有的通過設(shè)定相同的溫度和濕度來避免因其變化而對(duì)傳感器帶來的影響；有的通過在不同的溫度和濕度下進(jìn)行實(shí)驗(yàn)樣本的采集，通過神經(jīng)網(wǎng)絡(luò)泛化性而忽視由于溫度和濕度帶來的影響。另外，傳感器漂移也是影響電子鼻預(yù)測(cè)能力的一種因素，目前已經(jīng)有大量針 對(duì)漂移補(bǔ)償?shù)难芯俊Ｈ欢?，?duì)非目標(biāo)干擾氣味或者說非目標(biāo)氣體影響的研究到目前一直處在難以克服階段。而大多數(shù)金屬氧化物氣體傳感器對(duì)非目標(biāo)干擾氣味比如酒精、香水、水果等敏感度極高，因此基于金屬氧化物氣體傳感器的電子鼻在非目標(biāo)干擾氣味環(huán)境下根本無法正常工作，而并不像電化學(xué)傳感器對(duì)要檢測(cè)的目標(biāo)氣體選擇性較好。在實(shí)際應(yīng)用中，非目標(biāo)干擾氣味產(chǎn)生的信號(hào)能量通常遠(yuǎn)遠(yuǎn)高于溫濕度和漂移等干擾產(chǎn)生的信號(hào)能量.
因此，該問題的難點(diǎn)也就在于非目標(biāo)氣味干擾源不同于高斯白噪聲或環(huán)境對(duì)傳感器造成的微弱影響，非目標(biāo)干擾氣味造成的傳感器響應(yīng)幅度遠(yuǎn)遠(yuǎn)高于本電子鼻所測(cè)量的目標(biāo)氣體甲醛、苯、甲苯、一氧化碳、二氧化氮和氨氣，即非目標(biāo)干擾氣味造成的傳感器陣列響應(yīng)與期望的目標(biāo)信號(hào)是極為相似，因此通過常用的電子鼻信號(hào)預(yù)處理方法，例如平滑濾波、小波、獨(dú)立分量分析、主成分分析、自適應(yīng)濾波等，根本無法將這類非目標(biāo)干擾氣味抑制，將導(dǎo)致電子鼻所要檢測(cè)的目標(biāo)氣體濃度完全預(yù)測(cè)錯(cuò)誤。比如，在干凈的環(huán)境中，甲醛濃度應(yīng)很低，但是在非目標(biāo)氣味干擾的影響下，甲醛濃度會(huì)比較高，從而造成電子鼻檢測(cè)器產(chǎn)生誤報(bào)警。從目前的國(guó)內(nèi)文獻(xiàn)研究中，未曾看到有關(guān)抑制非目標(biāo)干擾氣味對(duì)基于金屬氧化物傳感器陣列的電子鼻干擾研究的報(bào)道。

發(fā)明內(nèi)容
本發(fā)明所要解決的第一個(gè)技術(shù)問題就是提供一種基于人工智能學(xué)習(xí)機(jī)的電子鼻對(duì)非目標(biāo)干擾氣味的識(shí)別方法，它能識(shí)別目標(biāo)氣體和非目標(biāo)干擾氣味，并給檢測(cè)的信號(hào)賦予類別標(biāo)志。本發(fā)明所要解決的第二個(gè)技術(shù)問題就是提供一種基于人工智能學(xué)習(xí)機(jī)的電子鼻對(duì)非目標(biāo)干擾氣味的抑制方法，它能抑制非目標(biāo)干擾氣味造成的干擾，準(zhǔn)確檢測(cè)出目標(biāo)氣體的含量。為了解決本發(fā)明所提出的第一個(gè)技術(shù)問題，本發(fā)明包括以下步驟
步驟I、目標(biāo)氣體和典型非目標(biāo)干擾氣味樣本的采集本步驟將待檢測(cè)氣體視為目標(biāo)氣體，將待檢測(cè)氣體之外的氣味統(tǒng)一視為非目標(biāo)干擾氣味，調(diào)整實(shí)驗(yàn)箱體的溫度和濕度，對(duì)不同濃度的目標(biāo)氣體和典型非目標(biāo)干擾氣味分別進(jìn)行采樣實(shí)驗(yàn)；
步驟2、傳感器陣列信號(hào)預(yù)處理
將上述采集的傳感器陣列信號(hào)進(jìn)行平滑濾波和歸一化，平滑濾波的公式如下
權(quán)利要求
1.基于人工智能學(xué)習(xí)機(jī)的電子鼻中非目標(biāo)干擾氣味的識(shí)別方法，其特征是，該方法包括以下步驟 步驟I、目標(biāo)氣體和典型非目標(biāo)干擾氣味數(shù)據(jù)樣本的采集 本步驟將待檢測(cè)氣體視為目標(biāo)氣體，將待檢測(cè)氣體之外的氣味統(tǒng)一視為非目標(biāo)干擾氣味，調(diào)整實(shí)驗(yàn)箱體的溫度和濕度，對(duì)不同濃度的目標(biāo)氣體和典型非目標(biāo)干擾氣味分別進(jìn)行采樣實(shí)驗(yàn)； 步驟2、傳感器陣列信號(hào)預(yù)處理 將上述采集的傳感器陣列信號(hào)進(jìn)行平滑濾波和歸ー化，平滑濾波的公式如下
2.根據(jù)權(quán)利要求I所述的電子鼻中非目標(biāo)干擾氣味的識(shí)別方法，其特征是，在步驟3之后增加ー個(gè)步驟3 '； 步驟3 '、基于遺傳交叉算子的同分布樣本生成 算木交叉方式如下
3.基于人工智能學(xué)習(xí)機(jī)的電子鼻中非目標(biāo)干擾氣味的抑制方法，其特征是，該方法包括權(quán)利要求I或2所述的基于人工智能學(xué)習(xí)機(jī)的電子鼻對(duì)非目標(biāo)干擾氣味識(shí)別方法的所有步驟，還包括以下步驟 步驟A、陣列信號(hào)動(dòng)態(tài)矩陣的存儲(chǔ)及更新 人工智能學(xué)習(xí)機(jī)的輸出連接有一個(gè)陣列信號(hào)動(dòng)態(tài)存儲(chǔ)矩陣P，動(dòng)態(tài)存儲(chǔ)矩陣P的大小為ffiX/7，其中《為傳感器陣列的維數(shù)，/7為存儲(chǔ)量，若當(dāng)前信號(hào)的類別標(biāo)志Γ為目標(biāo)氣體吋，該存儲(chǔ)矩陣P開始繼續(xù)存儲(chǔ)當(dāng)前傳感器陣列信號(hào)，P存儲(chǔ)滿量后，刷新最先存入的単元； 步驟B、利用動(dòng)態(tài)存儲(chǔ)矩陣對(duì)當(dāng)前電子鼻信號(hào)進(jìn)行加權(quán)修正及干擾在線抑制 依據(jù)當(dāng)前信號(hào)的類別標(biāo)志八判斷當(dāng)前電子鼻信號(hào)是否為干擾信號(hào)，那么干擾抑制的表述式為
4.基于人工智能學(xué)習(xí)機(jī)的電子鼻中非目標(biāo)干擾氣味的抑制方法，其特征是，該方法包括權(quán)利要求I或2所述的基于人工智能學(xué)習(xí)機(jī)的電子鼻對(duì)非目標(biāo)干擾氣味識(shí)別方法的所有步驟，還包括以下步驟 步驟Α、目標(biāo)氣體濃度預(yù)測(cè) 利用現(xiàn)有的目標(biāo)氣體濃度預(yù)測(cè)方法對(duì)當(dāng)前信號(hào))T進(jìn)行分析，計(jì)算出當(dāng)前的目標(biāo)氣體濃度預(yù)測(cè)值； 步驟B、目標(biāo)氣體預(yù)測(cè)濃度動(dòng)態(tài)矩陣的存儲(chǔ)及更新 人工智能學(xué)習(xí)機(jī)的輸出連接有ー個(gè)預(yù)測(cè)濃度動(dòng)態(tài)存儲(chǔ)矩陣P，動(dòng)態(tài)存儲(chǔ)矩陣P的大小為ffiX/7，其中《為所要檢測(cè)的目標(biāo)氣體數(shù)目，/7為存儲(chǔ)量，若當(dāng)前信號(hào)的類別標(biāo)志Γ為目標(biāo)氣體時(shí)，該存儲(chǔ)矩陣P開始存儲(chǔ)當(dāng)前傳感器信號(hào)對(duì)應(yīng)的ー組目標(biāo)氣體的預(yù)測(cè)濃度值；否則，停止存儲(chǔ)，存儲(chǔ)滿量程后，刷新最先存入的単元； 步驟C、利用動(dòng)態(tài)存儲(chǔ)矩陣對(duì)當(dāng)前電子鼻系統(tǒng)預(yù)測(cè)輸出進(jìn)行加權(quán)修正及干擾在線抑制依據(jù)當(dāng)前信號(hào)的類別標(biāo)志r是否為非目標(biāo)干擾氣味，對(duì)預(yù)測(cè)濃度動(dòng)態(tài)矩陣P進(jìn)行如下函數(shù)處理，并獲得不受干擾影響的預(yù)測(cè)濃度矢量Y，
全文摘要
本發(fā)明涉及一種電子鼻中非目標(biāo)干擾氣味的在線識(shí)別和抑制方法。其識(shí)別方法的步驟有目標(biāo)氣體和典型非目標(biāo)干擾氣味數(shù)據(jù)樣本的采集、傳感器陣列信號(hào)預(yù)處理、目標(biāo)氣體和非目標(biāo)干擾氣味樣本的特征提取、人工智能學(xué)習(xí)機(jī)的訓(xùn)練學(xué)習(xí)和智能學(xué)習(xí)機(jī)對(duì)非目標(biāo)干擾氣味的實(shí)時(shí)在線識(shí)別。一種非目標(biāo)干擾氣味的抑制方法包含上述識(shí)別方法的步驟，還有以下步驟陣列信號(hào)動(dòng)態(tài)矩陣的存儲(chǔ)及更新、動(dòng)態(tài)存儲(chǔ)矩陣加權(quán)修正及干擾抑制和目標(biāo)氣體濃度預(yù)測(cè)。另一種非目標(biāo)干擾氣味的抑制方法包含上述識(shí)別方法的步驟，還有以下步驟目標(biāo)氣體濃度預(yù)測(cè)、目標(biāo)氣體預(yù)測(cè)濃度動(dòng)態(tài)矩陣的存儲(chǔ)及更新和動(dòng)態(tài)存儲(chǔ)矩陣加權(quán)修正及干擾抑制。本發(fā)明的有益效果為利用人工智能模式識(shí)別出了目標(biāo)氣體和非目標(biāo)干擾氣味，賦予了檢測(cè)信號(hào)的類別標(biāo)志；抑制了非目標(biāo)干擾氣味造成的干擾，能準(zhǔn)確檢測(cè)出目標(biāo)氣體的含量。
文檔編號(hào)G01N27/00GK102866179SQ201210336450
公開日2013年1月9日 申請(qǐng)日期2012年9月13日 優(yōu)先權(quán)日2012年9月13日
發(fā)明者田逢春, 張磊, 胡波, 郭潔蓮, 馮敬偉, 黨麗君, 黃智勇, 李國(guó)瑞, 葉奇, 肖博 申請(qǐng)人:重慶大學(xué)