[发明专利]基于人工智能学习机的电子鼻中非目标干扰气味的在线识别和抑制方法

摘要

本发明涉及一种电子鼻中非目标干扰气味的在线识别和抑制方法。其识别方法的步骤有目标气体和典型非目标干扰气味数据样本的采集、传感器阵列信号预处理、目标气体和非目标干扰气味样本的特征提取、人工智能学习机的训练学习和智能学习机对非目标干扰气味的实时在线识别。一种非目标干扰气味的抑制方法包含上述识别方法的步骤，还有以下步骤：阵列信号动态矩阵的存储及更新、动态存储矩阵加权修正及干扰抑制和目标气体浓度预测。另一种非目标干扰气味的抑制方法包含上述识别方法的步骤，还有以下步骤：目标气体浓度预测、目标气体预测浓度动态矩阵的存储及更新和动态存储矩阵加权修正及干扰抑制。本发明的有益效果为：利用人工智能模式识别出了目标气体和非目标干扰气味，赋予了检测信号的类别标志；抑制了非目标干扰气味造成的干扰，能准确检测出目标气体的含量。

主权项

1.基于人工智能学习机的电子鼻中非目标干扰气味的识别方法，其特征是，该方法包括以下步骤：步骤1、目标气体和典型非目标干扰气味数据样本的采集本步骤将待检测气体视为目标气体，将待检测气体之外的气味统一视为非目标干扰气味，调整实验箱体的温度和湿度，对不同浓度的目标气体和典型非目标干扰气味分别进行采样实验；步骤2、传感器阵列信号预处理将上述采集的传感器阵列信号进行平滑滤波和归一化，平滑滤波的公式如下：其中，X为平滑滤波后的信号，i是指滤波后信号X中的第i次观测；n为平滑滤波器长度，S为传感器所测信号，N为传感器所测信号S的长度；归一化的公式为       X’=X/4095其中，4095为12位AD转换器的最大值，X’为平衡滤波及归一化后的传感器信号；步骤3、目标气体和非目标干扰气味样本的特征提取对目标气体样本，将气体在每个传感器的稳态响应点作为用来表达气体类别和浓度的实时特征点，对于非目标干扰气味样本，将该气体在各传感器的吸附点、最大点、稳态点和解吸附点作为用于实时表征干扰类气体的最佳特征点；步骤4、智能学习机的训练学习将提取的目标气体训练特征和非目标干扰气味训练特征，训练一个人工智能学习机，训练目标气体与非目标干扰气味的训练目标通过设置类别标志T加以区分；步骤5、智能学习机对非目标干扰气味的实时在线识别传感器阵列检测信号，对传感器阵列信号预处理，与步骤2相同；对预处理后的当前信号X’，依据智能学习机训练学习获得学习机内部参数，通过相应的参数计算获得当前信号X’的类别标志T。