選擇性集成神經(jīng)網(wǎng)絡在汽車尾氣檢測中的應用研究.pdf

1、隨著經(jīng)濟的飛速發(fā)展，人們對汽車的需求與日俱增。為了滿足人們的需求，汽車數(shù)量急劇增加，導致大量汽車尾氣排放到空氣中，其中的有毒有害氣體不僅對大氣造成了嚴重污染，也對人類的健康造成了嚴重的威脅。因此快速、有效的檢測汽車尾氣，對治理環(huán)境污染具有重要意義。
　　由于多個傳感器在混合氣體環(huán)境下單獨對氣體進行氣體濃度的測量，會出現(xiàn)交叉干擾問題，因此本文結合傳感器陣列和模式識別設計了一套汽車尾氣檢測系統(tǒng)。首先利用對不同汽車尾氣主敏感的氣敏傳感器

2、設計了傳感器陣列，并根據(jù)各個傳感器的工作原理設計了不同的信號預處理電路，其中信號預處理電路主要將傳感器原始信號進行濾波，可以放大電壓或者將電流轉化為電壓，以便利用電壓采集裝置進行信號的采集，來得到實驗數(shù)據(jù)。同時，為了模擬汽車尾氣環(huán)境，本文搭建了一套動態(tài)配氣系統(tǒng)，通過流量計控制氣體流速，來得到所需氣氛。由于傳統(tǒng)的個體神經(jīng)網(wǎng)絡存在局部極小值，預測精度低等問題，本文結合集成神經(jīng)網(wǎng)絡理論知識，建立了基于偽逆法和BP神經(jīng)網(wǎng)絡（偽逆-BP）的集成網(wǎng)

3、絡模型：首先將實驗數(shù)據(jù)進行歸一化，并分為訓練樣本和預測樣本；其次采用 BP神經(jīng)網(wǎng)絡算法建立個體的神經(jīng)網(wǎng)絡，并利用實驗數(shù)據(jù)對神經(jīng)網(wǎng)絡網(wǎng)絡進行訓練；然后利用K-means算法篩選出差異性網(wǎng)絡；接著利用偽逆法求得各個神經(jīng)網(wǎng)絡的最優(yōu)權重，再利用加權平均法集成各個神經(jīng)網(wǎng)絡，得到集成神經(jīng)網(wǎng)絡模型，最后利用預測樣本對集成神經(jīng)網(wǎng)絡模型性能進行分析，并與基于AdaBoost算法和BP(Back Propagation)神經(jīng)網(wǎng)絡（AdaBoost-BP）的

4、集成神經(jīng)網(wǎng)絡模型進行比較。
　　實驗結果表明，傳感器陣列能夠有效獲取汽車尾氣中各氣體濃度與傳感器信號的關聯(lián)信息，AdaBoost-BP集成神經(jīng)網(wǎng)絡模型和偽逆-BP集成神經(jīng)網(wǎng)絡模型都能夠有效的避免交叉敏感問題，準確、快速的檢測汽車尾氣，對四種氣體的相關實驗樣本數(shù)據(jù)的預測誤差均不超過7％。與AdaBoost-BP集成神經(jīng)網(wǎng)絡模型相比，偽逆-BP集成神經(jīng)網(wǎng)絡模型所需參數(shù)更少，設計更加簡單。此外，偽逆-BP集成神經(jīng)網(wǎng)絡模型的收斂精度、預測