伪逆BP神经网络在汽车尾气检测中的应用

《伪逆BP神经网络在汽车尾气检测中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2016年第35卷第3期传感器与微系统(TraJ1sducerandMicrosystemTechnologies)1577＼))DOI：10．13873／J．1000-9787(2016)03-0157-04应用技术{I、0伪逆BP神经网络在汽车尾气检测中的应用刘萍，简家文，陈志芸，张晓娟(宁波大学信息科学与工程学院，浙江宁波315211)摘要：为了准确、快速、高效地检测汽车尾气中各气体的质量分数，结合传感器阵列和神经网络技术，设计了一种汽车尾气检测系统。为了提高神经网络模型的拟合和预测能力，提出伪逆BP集成神经网络模型：利用伪逆法求得不同

2、BP神经网络集成的最优权重系数，再通过加权平均法集成BP神经网络。利用伪逆BP集成神经网络模型对传感器阵列信号进行回归分析，结果表明：该模型的预测相对误差均小于5％，对比传统Adaboost—BP集成神经网络模型，该模型实现更简单，收敛更快，收敛精度和预测精度更高。关键词：传感器阵列；汽车尾气检测；集成神经网络；伪逆法中图分类号：TP183文献标识码：A文章编号：1000-9787(2016)o3-0157-04Applicationsofpseudo．-inverse．-BPneruuralnetworki。nautomobileexhau

3、stdetectionLIUPing，JIANJia—wen，CHENZhi-yun，ZHANGXiao-juan(SchoolofInformationScienceandEngineering，NingboUniversity，Ningbo315211，China)Abstract：Inordertoaccurately，fastlyandhigheficientlydetectmassfractionofeachgasinautomobileexhaust，akindofautomobileexhaustdetectionsystemi

4、sdesignedbycombiningsensorarrayandneuralnetworktechnology．Inordertoimprovefittingandpredictionabilityofneuralnetworkmodel，apseudo—inverse—BPintegratedneuralnetworkmodelisputforward．Pseudo—inversemethodisusedtogettheoptimalweightcoeficientintegrateddifferentBPneuralnetwork，B

5、Pneuralnetworkisintegratedbyweightedaveragemethod．Pseudo—inverse—BPintegratedneuralnetworkmodelisusedforregressionanalysisofsensoraraysigna1．Theresultsshowthatrelativeerrorpredictedbypseudo·inverse—BPintegratedneuralnetworkmodelislessthan5％．comparedwithtraditionalAdaboost—B

6、Pintegratedneur~networkmodel，thismodelismoresimpleandhasfasterconvergencespeedandhigherprecisionofconvergenceandprediction．Keywords：sensorarray；autombileexhaustdetection；integratednenralnetwork；pseudo-inversemethod0引言利用该算法集成的神经网络模型虽然精度较高，泛化能力随着汽车数量的急剧增加，大量汽车尾气排放到空气较强，但是需要设置

7、较多的参数，而参数的设置对模型的性中，其中有毒有害气体对大气造成了严重污染，并对人类的能具有直接影响，并且模型设计相对复杂，训练速度相对较健康构成威胁。因此，快速、有效地检测汽车尾气，对治理慢，因此，本文利用伪逆法和加权平均法集成各网络，并环境污染具有重要意义。由于单一离散的气体传感器之间以网络训练的相对误差平方和作为集成算法的目标函存在交叉敏感问题J，因此，采用传感器阵列与神经网络数J，得到伪逆一BP集成神经网络模型。利用此模型对传相融合的方法，对混合气体进行检测。感器阵列信号进行了回归分析，并与Adaboost算法集成的由于传统的单一神经

8、网络存在预测精度低、稳定性弱、BP神经网络(Adaboost—BP集成神经网络)模型进行了性能泛化能力差等缺点，集成神经网络在回归分析中已经被广比较。泛使用J。对神