基于PSO算法集成神经网络的多元有害气体检测系统.pdf

《基于PSO算法集成神经网络的多元有害气体检测系统.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第28卷第6期传感技术学报V01．28No．6CHINESEJOURNALOFSENSORSANDACTUATORS2015年6月June2015BasedontheIntegratedNeutral-NetworkOptimizedbyPSOMultipleHarmfulGasDetectionSystemGONGXuefei，LIUPing，JIANJiawen(SchoolofInformationScienceandEngineering，NingboUniversity，NingboZheyiang315211，China)Abstrac

2、t：Aimingatthecommonmultipleharm~lgasdetectionproblem，agasdetectionsystemwasdevelopedbycombiningasensorarraywiththeintegratedneutral—network．Inordertoimprovestabilityandpredictionaccuracyofthesystem，putforwardusingparticleswarlTloptimization(PSO)tooptimizetheweightcoefficientof

3、integratedneu—tral—network，namely，utilizingtheglobalsearchabilityofPSOtoglobaloptimizationofthenetworkweightcoeffi—cient，thenusetheweightcoefficientimplementmultipleconclusionscombinationofneuralnetwork．Thissystemisperformingregressionanalysisontheresponsesignaloffourharmfulga

4、sesmixturemeasuredbysensoraray．Theresultsshowthatthepredictionaveragerelativeeroroftheintegratedneutral—networkoptimizedbyPSOwasfoundtobewithin1％．andthenetworkhasbetterstabilityandgeneralizationability．Keywords：integratedneutral—network；PSOalgorithm；sensoraray；mixharmfulgasdet

5、ectionEEACC：1295；6150P；7230doi：10．3969／j．issn．1004—1699．2015．06．027基于PSO算法集成神经网络的多元有害气体检测系统米龚雪飞，刘萍，简家文(宁波大学信息科学与工程学院，浙江宁波315211)摘要：针对目前常见的多元有害气体检测问题，搭建了一套基于传感器阵列和集成神经网络相结合的多元有害气体检测系统。为了提高该系统的稳定性和预测精度，提出使用粒子群算法(PSO)优化集成神经网络的权重系数的方法，即利用PSO的全局搜索能力，对该系统的集成神经网络权重系数进行全局优化，再以优化后的权重系数

6、实现多个神经网络的结论结合。该系统对传感器阵列的4种混合有害气体的响应信号进行回归分析。结果显示，该系统PSO算法的集成神经网络预测的平均相对误差小于1％，网络具有更强的稳定性和泛化能力。关键词：集成神经网络；PSO；传感器阵列；多元有害气体检测中图分类号：TP183；TP212文献标识码：A文章编号：1004-1699(2015)06-0938-05随着近代工业规模不断扩大，在此过程中产生了解决气敏传感器的交叉敏感问题J。大量的NO、CO、CO等有毒、有害气体，0：作为衡量为了提高模式识别的预测精度，神经网络集成已大气的有效标杆，因此，检测上述气

7、体浓度对改善大成为一个研究热点，近几年对神经网络集成的研究主气环境具有现实意义¨。传统传感器气体检测都是要集中在两个方面，即如何构造集成中的各个神经网基于单一气体的主成分特征，但是当多种有害气体发络以及如何集成各个体神经网络的输出[6-8]。本文生混合时，气体之间相互干扰造成主成分特征丢失，提出使用PSO优化集成神经网络的权重系数的算导致检测无法正常完成J。针对这一缺陷，将气敏传法，以实现集成多个神经网络的输出。并对比经典感器阵列和模式识别技术相结合构建的多元有害气Adaboost算法的集成神经网络和PSO算法的集成神体检测系统，既能够同步检测多元

8、气氛又能够很好地经网络预测的精确度，分析两种网络的性能。项目来源：国家自然科学基金项目(61471210)；浙江省科技厅重