模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2015, Vol. 28 Issue (8): 720-727    DOI: 10.16451/j.cnki.issn1003-6059.201508007
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于SVM和PCA的痕量多组分气体检测方法*
余道洋1,2,戚功美2,瞿顶军2,李民强2,刘锦淮2
1.中国科学技术大学 自动化系 合肥 230026
2.中国科学院合肥智能机械研究所 纳米材料与环境检测研究室 合肥 230031
Detection Method of Trace Multi-component Gases Based on SVM and PCA
YU Dao-Yang1,2, QI Gong-Mei2, QU Ding-Jun, LI Min-Qiang2, LIU Jin-Huai2
1.Department of Automation, University of Science and Technology of China, Hefei 230026
2.Nano-Materials and Environmental Detection Laboratory, Institute of Intelligent Machines, Chinese Academy of Sciences, Hefei 230031

全文: PDF (755 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对气敏和光学传感器等常规方法难以检测痕量多组分气体的问题,采用快速色谱与气敏传感器阵列结合的检测方法获取痕量多组分气体的信号,然后对信号采用支持向量机(SVM)训练分类气体模式特征.为获得较好的气体识别模型,使用粒子群算法(PSO)优化SVM参数.通过对实际样品检测和识别,并对比评估同类检测仪器采用的检测识别方法,验证文中方法对混合气体的选择性更好,采用的SVM、PCA和PSO组合方法更适合处理和识别小样本数据.研制的多组分痕量气体检测样机具有更高的识别率、重复性和稳定性.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
余道洋
戚功美
瞿顶军
李民强
刘锦淮
关键词 支持向量机 主成分分析 多组分 痕量气体检测    
Abstract:Gas sensors and optical sensors are difficult to detect trace multi-component gases. In this paper, a detection method of fast chromatography combined with gas sensor array is introduced to obtain the characteristic signal of trace multi-component gases. Support vector machine (SVM) is introduced to classify the samples according to the features. Then, to obtain a better gas identification model, particle swarm optimization algorithm is utilized to optimize the parameters of SVM. Based on actual sample detection and recognition, and compared to detection method by similar testing instrument, the proposed method has better selectivity of mixed gases. Using SVM、 PCA and PSO method is more suitable for processing and identification of small sample data. Developed multi-component gas detection prototype has better recognition rate, repeatability and stability.
Key wordsSupport Vector Machine    Principle Component Analysis    Multi-component    Detection of Trace Gas   
收稿日期: 2014-03-10     
ZTFLH: TP 181  
基金资助:国家973计划项目(No.2011CB933700)资助
作者简介: 余道洋,男,1975年生,博士,副研究员,主要研究方向为自动化、智能信息处理、电子和嵌入式技术.E-mail:ydy@iim.ac.cn.戚功美(通讯作者),男,1975年生,硕士,工程师,主要研究方向为检测技术、自动化装置.E-mail:gmqi@iim.ac.cn.瞿顶军,男,1987年生,硕士研究生,主要研究方向为检测技术与自动化.李民强,男,1963年生,研究员,主要研究方向为半导体敏感材料、纳米传感器及其检测技术.刘锦淮,男,1957年生,博士,研究员,主要研究方向为纳米材料、化学与生物传感器、智能检测技术等.
引用本文:   
余道洋,戚功美,瞿顶军,李民强,刘锦淮. 基于SVM和PCA的痕量多组分气体检测方法*[J]. 模式识别与人工智能, 2015, 28(8): 720-727. YU Dao-Yang, QI Gong-Mei, QU Ding-Jun, LI Min-Qiang, LIU Jin-Huai. Detection Method of Trace Multi-component Gases Based on SVM and PCA. , 2015, 28(8): 720-727.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201508007      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2015/V28/I8/720
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn