基于人工神经网络的机器嗅觉系统研究

【摘要】：嗅觉模拟技术是研究如何模仿生物嗅觉的一门学问。嗅觉模拟装置早在20世纪60年代就已出现,但该技术在最近10余年才得到迅速发展,并广泛用于食品分析、香精香料的质量鉴别、环境检测、医疗卫生等方面。 本文从生物嗅觉系统出发,分析了机器嗅觉系统的生物学基础,阐明了生物嗅觉系统和机器嗅觉系统的联系。对系统的各个组成部分,气敏传感器及气敏传感器阵列,信号预处理,常用的统计模式识别方法及人工神经网络技术,做了具体介绍。在此基础上,设计并实现了由气敏传感器阵列和人工神经网络模式识别技术相结合的机器嗅觉系统,并使用该系统设计了通过卷烟香气识别进行卷烟种类鉴别的实验。 系统的硬件部分以AT89S52单片机为核心,由传感器阵列、采样电路、单片机及外围扩展电路、传感器加热控制电路和主机(PC机)等几部分构成。传感器阵列可把气体气味转换为能被计算机识别的电信号；单片机通过RS232标准串行接口与主机相连,把采集到的数据上传到PC机；主机还可以控制传感器的加热及采样,并能实时采集与显示采样数据,对采样数据进行存储、处理。 系统的软件部分包括单片机软件与PC机应用软件,单片机软件用汇编语言实现,完成单片机系统的控制、I/O操作、通信等功能。应用系统软件由Visual Basic6.0与Matlab混合编程来实现。VB易于快速开发Windows应用程序,Matlab提供人工神经网络工具箱用于人工神经网络的设计、学习、训练和仿真。两者相结合,提高了系统数据处理的能力,同时使用更方便。 为了验证所设计的机器嗅觉系统的应用特性,选取了三种卷烟,使用机器嗅觉系统对其进行定性分析,观察系统经过一定规模的样本训练后能否对未知卷烟样本做出正确鉴别。实验证明该系统能够对不同品牌的卷烟香气进行识别,从而鉴别出卷烟的种类。 利用实验得到的数据,还比较了不同预处理算法对系统识别性能的影响,并对系统神经网络识别模块的结构参数进行了比较和分析,为提高机器嗅觉系统的训练速度和识别能力奠定了基础。