目錄
“博士后文庫(kù)”序言
前言
第1章 緒論 1
1.1 電子鼻概念 1
1.2 機(jī)器嗅覺(jué)電子鼻國(guó)內(nèi)外研究現(xiàn)狀 3
1.2.1 機(jī)器嗅覺(jué)研究現(xiàn)狀 3
1.2.2 環(huán)境電子鼻技術(shù)現(xiàn)狀 9
1.2.3 低濃度氣體檢測(cè)電子鼻技術(shù) 14
1.3 本書(shū)結(jié)構(gòu)與主要內(nèi)容 20
1.4 本章小結(jié) 22
第2章 面向低濃度氣體檢測(cè)的電子鼻系統(tǒng)設(shè)計(jì) 23
2.1 氣體預(yù)濃縮裝置 23
2.1.1 濃縮流程方法 23
2.1.2 預(yù)濃縮裝置設(shè)計(jì) 25
2.1.3 基于多元線性回歸的濃縮倍數(shù)計(jì)算 26
2.2 儀器系統(tǒng)集成 28
2.2.1 配氣系統(tǒng) 28
2.2.2 腔體結(jié)構(gòu) 29
2.2.3 傳感器陣列 30
2.2.4 數(shù)據(jù)采集模塊 31
2.2.5 氣流采樣模式 31
2.2.6 交互軟件設(shè)計(jì) 33
2.3 電子鼻測(cè)試 35
2.3.1 氣體濃縮實(shí)驗(yàn) 35
2.3.2 濃縮效果與數(shù)據(jù)分析 36
2.3.3 氣體識(shí)別實(shí)驗(yàn) 38
2.3.4 分類(lèi)結(jié)果與數(shù)據(jù)分析 39
2.4 本章小結(jié) 41
第3章 電子鼻傳感器陣列的響應(yīng)特征分析 42
3.1 電子鼻傳感器的特性 42
3.1.1 典型氣體傳感器響應(yīng) 42
3.1.2 傳感器特性參數(shù) 43
3.1.3 傳感器陣列優(yōu)化 44
3.2 電子鼻數(shù)據(jù)預(yù)處理 46
3.2.1 數(shù)據(jù)預(yù)處理方法 46
3.2.2 基于“濾波-基線校準(zhǔn)-歸一化”流程式數(shù)據(jù)處理實(shí)測(cè) 48
3.3 電子鼻信號(hào)特征提取 50
3.3.1 主成分分析法 50
3.3.2 核主成分分析法 51
3.3.3 Fisher 判別分析法 52
3.3.4 K-L 變換法 53
3.4 電子鼻信號(hào)特征分析 54
3.4.1 穩(wěn)態(tài)特征 54
3.4.2 靈敏度特征 55
3.4.3 瞬態(tài)響應(yīng)速率特征 55
3.4.4 指數(shù)滑動(dòng)平均特征 56
3.5 本章小結(jié) 59
第4章 基于增強(qiáng)卷積神經(jīng)網(wǎng)絡(luò)的多特征融合嗅覺(jué)識(shí)別方法 60
4.1 嗅覺(jué)模式識(shí)別方法 60
4.1.1 BP 神經(jīng)網(wǎng)絡(luò) 60
4.1.2 支持向量機(jī) 62
4.1.3 魯棒最小二乘回歸 64
4.2 嗅覺(jué)卷積神經(jīng)網(wǎng)絡(luò) 66
4.2.1 卷積神經(jīng)網(wǎng)絡(luò) 66
4.2.2 嗅覺(jué) CNN 的局限性 70
4.3 多特征融合的嗅覺(jué)增強(qiáng)卷積神經(jīng)網(wǎng)絡(luò) 71
4.3.1 輸入特征變換 71
4.3.2 數(shù)據(jù)增強(qiáng)技術(shù) 72
4.3.3 模型增強(qiáng)技術(shù) 73
4.3.4 網(wǎng)絡(luò)模型架構(gòu)與訓(xùn)練方式 75
4.4 基于 ACNN 的電子鼻氣體模式識(shí)別測(cè)試 76
4.4.1 測(cè)試流程 76
4.4.2 數(shù)據(jù)集 77
4.4.3 結(jié)果分析 80
4.5 本章小結(jié) 84
第5章 基于深度學(xué)習(xí)的機(jī)器嗅覺(jué)長(zhǎng)期漂移抑制研究 85
5.1 機(jī)器嗅覺(jué)系統(tǒng)的漂移 85
5.1.1 氣體傳感器的漂移現(xiàn)象 86
5.1.2 漂移問(wèn)題的數(shù)學(xué)描述 87
5.2 機(jī)器嗅覺(jué)信號(hào)漂移抑制方法 88
5.3 基于DA-SVM的電子鼻模式識(shí)別方法 89
5.3.1 深度自動(dòng)編碼機(jī) 89
5.3.2 支持向量機(jī) 90
5.3.3 DA-SVM方法與流程 91
5.4 基于ENNL的電子鼻模式識(shí)別方法 92
5.4.1 集成學(xué)習(xí) 92
5.4.2 集成神經(jīng)網(wǎng)絡(luò) 93
5.4.3 ENNL 方法與流程 94
5.5 基于多模型融合的電子鼻模式識(shí)別方法 95
5.5.1 基分類(lèi)器的選擇 95
5.5.2 多模型融合方法與流程 100
5.6 模型測(cè)試評(píng)估 101
5.6.1 DA-SVM模型 101
5.6.2 ENNL模型 102
5.6.3 多模型融合方法 103
5.7 本章小結(jié) 106
第6章 面向地面污跡識(shí)別的移動(dòng)機(jī)器人電子鼻系統(tǒng)研究 107
6.1 機(jī)器人嗅覺(jué)感知 107
6.1.1 機(jī)器人環(huán)境感知技術(shù) 107
6.1.2 機(jī)器人嗅覺(jué)源定位技術(shù) 109
6.1.3 地面污跡識(shí)別問(wèn)題 109
6.2 移動(dòng)機(jī)器人系統(tǒng)搭建 110
6.2.1 移動(dòng)機(jī)器人系統(tǒng) 110
6.2.2 地面污跡感知系統(tǒng) 113
6.3 基于移動(dòng)機(jī)器人的視嗅融合感知方法研究 116
6.3.1 多模態(tài)融合方法 116
6.3.2 圖像分支特征提取方法 117
6.3.3 氣體分支特征提取方法 121
6.3.4 視嗅融合感知模型 123
6.4 機(jī)器人視嗅融合地面污跡識(shí)別應(yīng)用實(shí)驗(yàn) 129
6.4.1 數(shù)據(jù)集與評(píng)價(jià)指標(biāo) 129
6.4.2 數(shù)據(jù)預(yù)處理與氣體特征選擇 130
6.4.3 實(shí)驗(yàn)與對(duì)比 134
6.5 視嗅融合感知模型快速更新方法 145
6.5.1 增量學(xué)習(xí)技術(shù) 145
6.5.2 增量學(xué)習(xí)模型 146
6.5.3 模型訓(xùn)練 149
6.6 本章小結(jié) 151
參考文獻(xiàn) 152
編后記 161
掃碼查看本書(shū)彩圖