[发明专利]基于RBF人工神经网络和SAW气体传感器的气体浓度检测方法

摘要

本发明公开了一种基于RBF人工神经网络和SAW气体传感器阵列的气体浓度检测方法，该传感器阵列包括多组SAW气体传感器和与SAW气体传感器输出端连接的RBF人工神经网络；该检测方法将SAW气体传感器阵列的多种气体浓度输出作为RBF人工神经网络的输入，将RBF人工神经网络的判断输出作为多种气体浓度的判断输出；将多种气体浓度样本分区建立不同气体的聚类中心，通过判断RBF输入与输出气体浓度误差是否在系统允许范围，不断调整RBF人工神经网络的隐含层到输出层权重，构建满足SAW气体传感器误差检测标准的RBF人工神经网络；建立的RBF人工神经网络判断器用于判断多SAW气体传感器检测结果，减小了不同气体对同一SAW气体传感器造成干扰导致的输出气浓度检测误差。

主权项

基于RBF人工神经网络和SAW气体传感器的气体浓度检测方法，其特征在于：将待检测气体输入各组SAW气体传感器，各组SAW气体传感器输出待检测气体中各种气体初步浓度判别值，各种气体初步浓度判别值输入RBF人工神经网络，经RBF人工神经网络判别输出各种气体校正浓度判别值，其中RBF人工神经网络构建步骤为：1)选取由n种气体组成的气体样本，将n种气体组成的气体样本输入各组SAW气体传感器，各组SAW气体传感器输出的各种气体浓度输入RBF人工神经网络的输入层X＝(X1，X2，...，Xn)，其中，Xi为第i种气体浓度输入值，i∈[1，n]，n为气体种类数，亦即输入层单元个数；2)设置Y＝(Y1，Y2，...，Yn)为RBF人工神经网络的输出层，Yk为RBF人工神经网络判断第k个SAW传感器气体浓度的输出值，k∈[1，n]；3)第k个SAW传感器气体浓度判断由如下方式确定： Y k ( x ) = Σ j = 1 W ω jk R j ( | | X - c j | | ) 其中，ωjk为第j个隐层单元到第k个输出单元Yk的权值，cj为第j个隐层单元的聚类中心，W为隐层单元个数，‖X‑cj‖表示X到cj的距离测度；Rj为隐层第j单元的输出。4)将n种气体组成的气体样本分为n个聚类；5)对每个聚类分区内的样本求平均值作为该聚类中心cj；6)初始化隐层单元到输出单元的权值ω，ω为大于零小于1的值；7)根据输入输出误差|Y‑X|，调整权值ω的大小。