基于小波神经网络改进算法的混合气体检测方法研究

《基于小波神经网络改进算法的混合气体检测方法研究》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、摘要捅要．随着人们生活水平的提高，家居装修成为热门话题：但是这些装修材料里面含有许多微量污染气体，人们长期生活在这种环境下，身体健康会受到极大威胁，因此对这些污染气体的检测就显得非常重要了。本文研究了基于小波神经网络改进算法的混合气体检测方法。由于有害气体不止一种，我们采用金属半导体氧化物气体敏感传感器阵列来采集气体信号。针对小波神经网络精度高，学习速度快的特点，我们将小波神经网络模式识别算法应用于室内混合气体的检测。‘在目前常用的一维小波神经网络(经典的小波神经网络)的基础上，我们研究了用来处理多维数据信息的小波神经网络，并将

2、其应用于室内混合气体检测，主要是基于小波神经网络学习收敛速度较快，对网络输入不是很敏感，以及小波神经网络可以有效的进行函数逼近或者信号逼近的特点。．’j传统的前馈神经网络多采用误差反传学习算法对网络进行训练，但是误差反传学习算法具有容易陷入局部极小值，收敛速度慢以及容易导致震’荡等缺点．针对这些缺点，、我们对传统的误差反传学习算法进行了两点改进，一是采用基于梯度符号变化的局部学习率自适应算法，二是采用引入动量项的方法。’我们使用改进的误差反传算法来训练小波神经网络，能够有效的加速算法的收敛速度和有效的避免算法陷入局部极小值，避免

3、震荡的出现．最后通过Matlab仿真实验用训练好的小波神经网络对混合气体进行定性、定量分析，并得到了令人满意的效果。关键词：混合气体；传感器阵列；小波神经网络；误差反传算法；Matlab燕山大学工学硕士学位论文AbstractAsthelivinglevelofourpeopleapproved，moreandmorepeoplespendtheirmoneyonfittingup．Buttherearemanypollutedgasesinthematerials．Thesegasesaleharmfultothehealth

4、yofpeople．Soitisveryimportanttoinspecttheconcentrationsofthesegases．Thispaperdidresearchworkforthemethodofinspectionofthesepollutedgases．Inthispaper,agassensorarraywasusedtocollectsignals．Becausewaveletneuralnetworkhasthefollowingmerits：highprecision,learningratefast

5、etc，weusewaveletneuralnetworkinthefieldofinspectionofthesepollutedgases．Inthebasisofonedimensionwaveletneuralnetwork，weresearchedtwodifferentstructuresofwaveletneuralnetworks．AndWeusedthemintotheinspectionofthesepollutedgases．Weusedthembecausetheconstringentspeedofwa

6、veletneuralnetworkisveryfast，theyarenotsensitivetotheinputsofthenetworkandtheyhavethecharacteristicthattheyalsoCalleffectivelyapproachthefunctionsorsignals．。Classicalneuralnetworksmostlytrainthenetworkwithbackpropagationarithmetic．Butthebackpropagationarithmeticoften

7、getsintothemimmumvalueanditsconstringentspeedisslow．Aimatthegases，wedesignaoptimumbackpropagationarithmetic．WeimprovetheClassicalbackpropagationarithmeticontwopoints：oneisthatweadoptamethodofself-adaptivelearningratearithmeticthatisbasedonthesignchangeofthegrads，seco

8、ndisthatweadoptmomentumitem．Finallywecontrasttheresultoftheexperiment，andfindthattheoptimumarithmeticcaneffectivelyimprovethetminin