论文部分内容阅读
电子鼻是一种由交叉敏感气体传感器阵列组成的用于混合气味检测与识别的仪器。与常规的气体分析仪器相比,电子鼻凭借其快速、便携、廉价等优点被应用于石油化工、食品检验、医疗诊断等领域。虽然电子鼻在结构和功能上模仿了生物嗅觉工作原理来实现气味识别,但现有的电子鼻数据分析方法一般包含较多步骤,每个步骤又有多种方法可供选择,需要根据实际需求对不同环节的算法进行组合和优化以获取最佳的检测性能。这一过程通常会耗费大量的时间和精力,限制了电子鼻技术的发展。随着人类对生物机理认识的不断加深,仿生学成果越来越多地被应用于工程领域,为解决技术难题提供了新的途径和思路。本文首先对传统电子鼻数据处理框架进行介绍,然后基于仿生模型对电子鼻的数据分析从单平台到跨平台的顺序展开了研究,主要研究内容如下:(1)基于传统电子鼻数据处理框架,对气味识别进行初步尝试,并针对不同平台的气体传感器响应特性进行了算法设计,包括信号预处理、特征提取、特征降维及分类识别等步骤。为了验证方法性能,采用7种白酒样本进行了不同的对比实验。结果表明,传统数据分析方法能够有效解决多类样本的分类问题,在不同的采样方式及平台条件下都取得了较好的分类结果。(2)为简化电子鼻传统数据分析流程,提出了基于脉冲嗅球模型的信号预处理与特征分析方法。根据生物嗅觉系统的基本结构及特性,建立了包含脉冲嗅感受器和初级嗅球的脉冲嗅球模型。受生物神经元信息处理机制的启发,脉冲嗅感受器利用感受野将气体传感器响应转化为脉冲时间序列,实现了传感器数据的脉冲编码。初级嗅球模型模拟了生物嗅球的基本结构,包含僧帽细胞和颗粒细胞,其中僧帽细胞接收脉冲嗅感受器产生的脉冲序列,并传至颗粒细胞进行进一步分析。该方法无需滤波、降噪及特征降维等步骤,在简化传统方法的同时拥有更高的分类精度。(3)为提升电子鼻数据分析的泛用性,提出了基于脉冲皮层模型的电子鼻数据分析方法,建立了包含改进脉冲嗅感受器、高级嗅球和嗅皮层的脉冲皮层模型。首先,设计了一种新型脉冲激活函数对脉冲嗅感受器进行改进,以提升整体的编码效率。其次,根据生物嗅球结构完善初级嗅球模型,建立了包含嗅球主要神经回路的高级嗅球模型,使其更加符合生物嗅觉的生理特性,实现了气味信息的提取与加工。最后,利用具有生物特性的学习规则建立了嗅皮层模型来完成对嗅球输出的学习与分类。该方法不仅具有脉冲嗅球模型无需滤波、降噪及降维的优点,还能够通过自动学习完成识别任务。不同条件下的实验结果表明,相比于脉冲嗅球模型,使用脉冲皮层模型进行数据分析具有更好的分类性能和鲁棒性。(4)针对现有电子鼻数据分析方法无法处理跨平台数据的问题,提出了基于时序图像化的跨平台数据分析方法。首先对气体传感器响应进行时间序列的图像化,使不同平台的样本数据被转化为统一形式的组合图像。随后根据电子鼻的数据特点建立小型卷积网络模型,通过多种策略消除了小样本数据带来的过拟合问题,能够自动学习深层特征完成跨平台数据的分类识别。对三种电子鼻平台的实验结果表明,所提方法适用于不同的传感器阵列与采样方法,在三种平台下均具有较高的分类性能,实现了电子鼻的泛用型数据分析,有望推动电子鼻技术的普及与应用。