会议专题

基于PSO优化BP神经网络多元有害气体检测系统的设计

针对目前常见的多元有害气体检测问题,本文设计并搭建了一套基于传感器阵列和BP神经网络相结合的多元有害气体检测系统.在该检测系统中采用了BP神经网络算法对传感器阵列获取的4种混合有害气体的响应信号进行回归分析.为了提高BP神经网络的预测准确性,又利用了粒子群算法(PSO)对BP神经网络的权值与阈值进行了优化.结果显示,通过PSO优化后的BP神经网络预测的平均相对误差小于2%,相较于传统BP神经网络能获得更小的均方误差,达到更好的收敛效果.并且,基于该算法的检测系统不仅解决了气敏传感器交叉敏感的问题,更有效地提高了多元有害气体检测系统的准确性和适用性.

多元有害气体检测系统 优化设计 传感器阵列 BP神经网络 粒子群算法

龚雪飞 徐景 孙寿通 简家文

宁波大学信息科学与工程学院,浙江宁波315211

国内会议

第十三届全国敏感元件与传感器学术会议

太原

中文

600-603

2014-10-01(万方平台首次上网日期,不代表论文的发表时间)