一、遗传算法在电子鼻中的应用研究（论文文献综述）
孙彤[1]（2020）在《面向伤口感染辅助诊断的气味感知系统机器学习算法研究》文中研究指明本文旨在探索利用气味感知技术实现伤口感染辅助诊断的方法。在当前的伤口感染气味感知系统中,存在两个亟待研究的关键问题:一是气味传感技术单一,缺乏融合多种气味传感技术的传感方法研究;二是气味检测算法较为简单、检测精度低,缺乏针对气味检测特点的专用算法研究。本文有针对性地设计了伤口感染气味感知系统和伤口感染气味实验,对电子鼻传感器阵列优化问题,高场不对称离子迁移谱（FAIMS）的生物样本识别问题,双路气味感知系统的信息融合问题开展了深入研究,主要研究成果和创新点如下:（1）研制了基于电子鼻技术和FAIMS技术联用的双路气味传感系统伤口感染气味极高的生物复杂性和微弱的气味差别导致人们对其实现有效气味感知检测十分困难。对此,传统的电子鼻技术检测限高（ppm级）和抗干扰能力差的缺点显得尤为突出。FAIMS是一种新型的快速质谱技术,具有极低的检测限（ppb级）和较好的气味特异性。因此,本文基于电子鼻和FAIMS联用的系统架构,研制出了面向伤口感染检测的双路气味感知系统。当检测时,该系统两个检测单元以设定的周期对样本气味进行连续捕捉,感知数据经处理后自动保存在上位机中。初步测试表明:该系统设计合理,运行稳定,能够有效感知检测大肠杆菌、铜绿假单胞菌,金黄色葡萄球菌感染的和未感染的大鼠伤口气味,其设备性能指标（工作温湿度和信号分辨率等）通过了重庆市计量质量检测研究院的相关测试。（2）提出了基于特征组选择的电子鼻传感器阵列优化算法现有的电子鼻阵列优化工作普遍直接使用机器学习领域的特征选择方法来完成。然而,这种做法忽视了电子鼻工作原理的特点,即:电子鼻通过一组协同工作的、具有交叉敏感性和广谱选择性的传感器建立气味响应模式来辨别气味。因此,本文提出了基于特征组选择的阵列优化算法——特征组进化算法（FGE）。该方法先对单个特征按照相关性排序,然后以特征组为单位进行评估,通过特征组竞争、交叉、选择和变异,逐级选择出优秀的特征组合。算法实验表明:该算法具有稳定性强的特点。在2个培养皿细菌液气味数据集和6个特征选择基准数据集上均能够有效完成优化任务,其整体识别准确率明显优于8种流行的比对方法。（3）提出了基于动态图谱分析策略的FAIMS空域信息集成识别算法当前,FAIMS数据分析普遍采用稳态图谱分析策略,即:对一个检测样本仅使用几幅稳定的图谱作为分析数据;另外,只对整张图谱或者特定谱线提取特征。这样虽然可以避免因生物样本衰减而带来的干扰,但同时也会丢失有效的识别信息。本文提出了基于动态图谱分析策略的FAIMS空域信息集成识别算法——局部警报和全局特征集成（LWGF）。该方法分别在全局和特定局部空域上对动态图谱进行分析,然后通过对空域特征的融合进行算法模型的建立。算法实验表明:该方法在临床人体感染气味数据集（6个未感染者,20个感染者）中的最佳识别准确率和AUC（Area Under the Curve）指标分别达到96.15%和0.98,比采用稳态分析策略的传统方法分别高22.3%和0.30。（4）设计了有效的信息融合框架并提出基于模型可信度估计的决策融合算法基于本系统中两路检测原理不同及其数据异构性的考虑,本文设计了一套完整的信息融合算法框架:首先分别对两路感知数据独立地提取特征和进行特征选择,以尽可能提取其有效信息;然后分别建立单路识别模型（基估计器）;最后将基估计器进行模型融合。其中,本文提出了一种非线性、非参和数据驱动的模型融合方法——基于模型表达聚类和近距性的模型可信度估计（CMEP-MRE）。该方法首先在各个基估计器的模型表达空间中聚类,然后测量预测样本与各模型的近距性并估计出模型的可信度,然后将各模型表达融合,最后用融合表达训练出融合模型。实验表明:该算法框架能够有效融合两个检测单元感知的气味信息,其在大鼠伤口感染气味数据集中的24小时和48小数据上分别达到了94.63%和88.05%的分类准确率,两路系统融合的性能高于单路系统独立工作的性能,成功实现了两个气味检测单元的联用。
温志煌[2]（2019）在《用于智能电子鼻系统的新型混合气体识别算法研究》文中进行了进一步梳理电子鼻系统由于具有成本低、操作方便、功耗小等优点,使得电子鼻在日常生产生活中的气体识别上应用比较广泛。近年来,涌现出了许许多多关于电子鼻的混合气体识别的研究,而且这些研究在混合气体种类的识别中也获得了比较好的效果。但是,这些研究它们普遍都是在相对稳定的情况下进行,而且输入数据大多采用了传感器阵列中的响应时间、恢复时间或者是灵敏度等稳定特征,并在进行简单数据处理之后采用一些主流的分类方法,最终都能达到较好的识别效果。然而,要把这些研究成果应用于实际的生产生活中,还有以下两个问题:1)在实际应用中混合气体存在的形式和浓度是复杂的、随机的、无规律的;2)前人工作中对混合气体浓度的实时预测的研究相对较少,更多是对完整气体反应过程的浓度预测。因此,本文的主要研究内容是基于电子鼻系统在随机情况下对混合气体种类的种类识别和浓度预测。在种类识别问题上,本文提出了一种新型的多标签的一维卷积神经网络（1D-DCNN）算法,对乙烯,一氧化碳和甲烷中的二元混合气体进行分类。1DDCNN能够自动地从原始数据集提取特征并且分类,同时以多标签的方式处理混合气体数据。此外,1D-DCNN自动提取的特征在PCA的投影比原始响应的更容易分类,该实验扩展到10折交叉验证,识别准确度达到了96.30%,远优于对比方法支持向量机（SVM）,人工神经网络（ANN）,k-近邻（KNN）和随机森林（RF）的性能。在浓度的实时预测上,本文提出了一种新型的卷积神经网络与循环神经网络（CNN-RNN）结合的混合气体浓度实时预测结构,实现对乙烯,一氧化碳和甲烷的混合气体浓度的每0.5s的实时预测。实验过程中,采用了长短期记忆单元（LSTM）、均方根误差（RMSE）分别作为RNN部分的处理单元、性能评价标准。在一氧化碳与乙烯的预测中,一氧化碳的RMSE为35.11ppm,乙烯的RMSE为1.33ppm;在甲烷与乙烯的预测中,甲烷的为11.88ppm,乙烯的为1.15ppm。此外,该实验还拓展到三种对比方法中,提出的CNN-lstm都优于卷积神经网络与门循环控单元（CNN-gru）结合的结构、回声状态网络（ESN）和线性回归（LR）的浓度预测性能。
张赐[3]（2019）在《伤口感染检测医用电子鼻的传感器阵列优化研究》文中研究表明电子鼻系统的构造和设计来源于生物嗅觉系统,系统中气体传感器阵列、信号预处理以及模式识别分别模拟生物嗅觉系统中的嗅觉受体细胞、嗅球以及大脑皮层。作为电子鼻的核心组成成分,气体传感器阵列在初始设计和制作过程中传感器的数量往往相对较多。较多的气体传感器会产生两个不利的影响:一是冗余信息、环境因素影响带来的噪声信息会增加,导致电子鼻系统性能的下降;二是电路的设计会更复杂,电子鼻系统制作成本会增加,同时复杂的电路设计引入噪声的可能性也会越高。因此,传感器阵列优化研究在电子鼻技术中是必不可少的。为了提高两套电子鼻系统的检测效果,精简系统中传感器的数量。本文基于因子分析和希尔伯特-施密特独立准则两种优化方法对传感器阵列进行优化。其中本文对比了BP神经网络和支持向量机的分类结果,选择了支持向量机作为本实验室设计的两套电子鼻系统的模式识别分类算法,其在细菌培养液数据集上测试集识别率达到了83.94%,在动物伤口感染数据上集测试集识别率达到了93.30%。两种传感器阵列优化方法中,基于因子分析提出了加权因子分析方法和非加权因子分析方法。其中加权因子分析方法将被选公共因子的贡献率乘以对应的因子载荷矩阵生成新的因子载荷矩阵,并依此对传感器进行排序以选出最优的传感器组合。实验结果表明,加权因子分析优化效果更好,针对细菌培养液样本的测试集识别率达到了93.08%（相对于未优化状态,传感器数量减少了15个）,针对动物伤口感染样本的测试集识别率达到了94.41%（传感器数量减少3个）。基于希尔伯特-施密特独立准则优化方法的优化原理是根据特征与标签的关联性来选择特征。本文使用了线性核函数、高斯核函数两种不同核函数的希尔伯特-施密特独立准则优化方法。实验结果表明,希尔伯特-施密特独立准则优化方法（高斯核函数）的优化效果更好,针对细菌培养液样本的测试集识别率达到了93.65%（传感器数量减少了16个）,针对动物伤口感染样本的测试集识别率达到了94.53%（传感器数量减少了13个）。两种传感器阵列优化方法（因子分析优化方法、希尔伯特-施密特独立准则优化方法）中,希尔伯特-施密特独立准则优化方法的优化效果更好。相比于之前研究成果中优化效果最好的线性判别分析方法,因子分析方法中的加权因子分析优化方法和希尔伯特-施密特独立准则优化方法（高斯核函数）的优化效果都更好。
李强[4]（2019）在《石英压电型电子鼻与电子舌研究及在白酒检测中的应用》文中研究指明电子鼻与电子舌分别是模拟生物嗅觉与生物味觉的机器感知设备,其利用对待测样品具有交叉敏感性的传感器阵列模块,将待测样品中混杂的组分信息转化为可测信号组,并利用模式识别系统获得待测样品综合特征信息并形成其指纹图谱,该指纹图谱与存储于数据库中的样品信息进行比较鉴别后,能够快速、系统、科学的对待测样品进行检测、鉴别和分析。然而,当前的电子鼻与电子舌还存在一些亟待解决的问题:第一,现有的电子鼻与电子舌设备价格昂贵,不利于大规模商业化应用;第二,电子鼻和电子舌的定性与定量检测精度尚与传统理化分析技术有较大差距;第三,电子鼻与电子舌的检测精度易受环境干扰。因此,开发高精度、低成本的传感器制备方法以研制性能优良的传感器;针对具体检测应用构建高准确度的模式识别系统以提高电子鼻与电子舌的识别精度;考虑设备工作环境因素的影响以抑制电子鼻与电子舌信号漂移现象,是解决这些问题的有效途径。针对上述问题,本文分别进行研究,并取得了如下研究成果:（1）提出了一种室温下通过控制前驱液浓度方法来制备自组装单分子层（Self-assembly Monolayer,SAM）功能化的石英晶体微天平（Quartz Crystal Microbalance,QCM）基体表面高取向性金属-有机框架（Metal-organic Frameworks,MOFs）化合物敏感涂层的层层自组装技术,研制出一种高精度、低成本的石英压电传感器。针对MOFs涂层的生长机理研究发现:SAM功能化的基体能够保证MOFs的取向成核;高浓度的前驱液一方面能够实现高密度晶核的取向沉积,也能够调节共价键平衡,避免晶体表面发生晶体单元交叉连接而产生浓度取向缺陷,使得晶体生长成为形貌、晶体取向、表面粗糙度可控的敏感涂层。本研究开发的高精度、低成本的石英压电传感器可以保证信号采集的真实性与有效性。（2）开展了基于本课题组研发的石英压电型电子鼻与电子舌在中国白酒品牌鉴定、香型检测、同品牌不同产品检测的应用研究,提出并构建了电子鼻与电子舌中识别精度高、泛化性能好的模式识别系统。中国白酒微量有机化合物组分种类之复杂、含量跨度之大,对中国白酒检测提出了严峻挑战。针对当前基于电子鼻与电子舌方法的中国白酒检测精度不理想的现状,本研究利用本课题组研发的石英压电型电子鼻与电子舌,开展了中国白酒品牌鉴定、香型检测、同品牌不同产品检测的研究,提出并构建了电子鼻与电子舌中基于多维尺度分析-支持向量机（Multidimensional scaling-Support vector machine,MDS-SVM）、随机森林（Random Forest,RF）和误差反向传播神经网络算法（Back-propagation neural network,BPNN）的三种识别精度高、泛化性能好的模式识别系统。基于本课题组研发的石英压电型电子鼻与电子舌及构建的模式识别系统,本研究为中国白酒检测提供一种新的快速、实时、准确的分析方法。（3）研究了石英压电型电子鼻在测试气体温度变化条件下出现的传感器信号漂移现象。石英压电型电子鼻的中国白酒检测应用中,白酒特征气体温度的变化导致电子鼻传感器盒内传感器表面气流气动力的波动,引起石英压电传感器频率信号漂移。本研究数值仿真了本课题组开发的石英压电型电子鼻的中国白酒检测应用案例,高精度模拟气流与八个石英压电传感器间的相关作用行为,得到不同温度下传感器盒内部的流场分布;通过分析传感器盒内部的流场分布和静压分布特点、不同温度场景中每个传感器的气流气动力特征,得到每个传感器表面的气流气动力随温度变化条件下的变化规律。研究结果为抑制温度变化条件下石英压电传感器的信号漂移,优化电子鼻工作环境,提高石英压电型电子鼻工作稳定性,提供量化指标。
柳英杰[5]（2019）在《电子鼻的仿生数据分析方法研究》文中研究表明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。
马泽亮[6]（2019）在《基于电子鼻和电子舌的智能感官检测系统设计与应用研究》文中提出电子鼻和电子舌是模仿人类嗅觉和味觉感知机理研制的一种智能感官检测系统,但目前此类系统存在体积大、成本高、无法实现信息融合等问题。因此本文设计了一套基于电子鼻和电子舌的新型智能感官检测系统,并将其应用于果汁、白酒纯度鉴定中。具体研究内容如下:（1）设计了一套智能感官检测系统,主要由电子鼻和电子舌检测系统组成。电子鼻系统主要由检测腔及气路、传感器阵列、信号采集电路、数据采集装置和基于LabVIEW平台的软件系统组成。电子舌系统主要由多传感器阵列、信号调理电路、数据采集装置和基于LabVIEW平台的软件系统组成。（2）应用搭建的电子鼻与电子舌检测系统分别对6种不同纯度的掺假果汁进行检测。通过核主成分分析和模糊支持向量机分别对电子鼻、电子舌和两者特征级融合的数据进行处理,实现了对不同纯度掺假果汁的定性区分与定量预测。结果表明:采用核主成分分析对掺假果汁进行定性区分中,单独使用电子鼻或电子舌均不能有效区分不同纯度的果汁,而两者融合后不同纯度的果汁均得到较好的区分;采用模糊支持向量机对掺假果汁进行定量预测中,电子鼻和电子舌信息融合后均方根误差为最小。（3）应用电子鼻与电子舌检测系统分别对6种不同纯度的白酒进行检测。通过极限学习机和最小二乘支持向量机分别对电子鼻、电子舌和两者特征级融合的数据进行处理,实现了对不同纯度掺假白酒的定性区分与定量预测。结果表明:采用极限学习机对掺假白酒进行定性区分中,单独使用电子鼻或电子舌分类正确率均为93.3%,而两者融合后分类正确率为100%;采用最小二乘支持向量机对掺假白酒进行定量预测中,而两者信息融合后均方根误差最小。综上所述,本文基于虚拟仪器技术、信号处理技术及模式识别技术设计了一套电子鼻和电子舌检测系统,并将两者进行信息融合,取得了良好效果,为后续智能感官系统的发展奠定了基础。
朱锦[7]（2019）在《白酒品种鉴别的电子鼻系统设计与研究》文中提出我国白酒种类繁多,香型各异,随着经济的快速发展,白酒行业发展趋势越发磅礴。由于白酒行业利润丰厚,有些不法商家为获取更大利润,制假售假的情况严重,且饮用假酒对人体健康伤害巨大,因而对白酒质量的监管尤为重要。质谱仪、色谱仪与感官分析等是目前白酒品质检测的常用手段。感官分析带有一定主观性,容易受评估者的身体状况、环境等因素影响。当采用质谱仪与色谱仪对白酒检测时,虽能对白酒香气成分提供精确的分析,但检测过程繁琐,周期长,费用高,同时检测仪器昂贵且笨重,不利于推广和使用。因此,对我国日益兴盛的白酒行业而言,这些检测手段明显有些捉襟见肘。电子鼻作为一种新兴的检测手段,可以根据白酒挥发的气味对白酒品种进行快速的鉴别。但是现有的电子鼻造价昂贵,且容易受到温度、湿度等环境因素的干扰,鲁棒性不强,气体特征信息提取困难。本课题组在江苏省研究生科研与实践创新计划项目（SJCX170573）的资助下研发了一种低成本、高性能、小体积,且具有一定抗干扰能力的电子鼻系统,其可以对市场上的白酒品种进行快速、实时、有效的鉴别分析。本文所设计研发的电子鼻系统,主要包括传感器阵列、数据采集和传输系统、气体收集装置和数据处理四个部分。传感器阵列主要是由TGS系列和MQ系列的10种气体传感器组成,该传感器阵列具有低功耗、高性能、低成本、长寿命和高灵敏度的特点,可以最大限度获取白酒的气味特征,并将之转化电压信号。在数据采集过程中,主要选用MP4623数据采集系统,可以实现10个通道数据并行采集,并能对采集的数据进行A/D转换和存储,同时数据采集过程可以通过LabVIEW软件程序进行实时观测。气体收集装置主要由气泵、样品存放瓶和气室三个部分组成。除此之外,在数据处理方面,本文将模糊理论和鉴别主成分分析（DPCA）算法结合,提出了一种模糊鉴别主成分分析（FDPCA）算法,该算法可以有效的改善特征提取的效果,在多类分类时实现“软”分类,能够提高数据分类的准确率,从而提高电子鼻系统的抗干扰能力,改善电子鼻系统的性能。最后,采用设计出的电子鼻系统,结合提出的模糊鉴别主成分分析（FDPCA）算法,以及K近邻分类法,对市场上购买的六种白酒进行鉴别分析。再使用留一法（LOO）和k-fold交叉验证法,对分类鉴别的准确率进行验证,发现电子鼻对六种白酒识别的准确率可以达到98%。实验结果表明,建立在所设计电子鼻硬件系统和FDPCA算法的软件系统基础上的电子鼻分类系统在对白酒分类鉴别十分有效。
何爱香[8]（2018）在《电子鼻系统的高效气体识别技术研究》文中研究指明金属氧化物半导体气体传感器因其具有结构简单、响应速度快、使用寿命长、价格低廉以及对可燃性气体和有机挥发性气体具有较高的灵敏度等优点而成为电子鼻的首选气体传感器。但是由于该种气体传感器响应机理复杂,难以得到先验的响应函数和精确的数学模型,研究人员在选用信号处理和模式识别算法时仍然借助于经验,这些问题都影响了电子鼻的使用和发展。所以,如何高效率识别气体在电子鼻领域仍然是一个需要探索和研究的问题。本文将最优方向法（Method of Optimal Directions,MOD）和K-奇异值分解（K-singular Value Decomposition,K-SVD）两种字典学习算法分别与稀疏表示分类（Sparse Representation Classification,SRC）算法相结合,提出了两种更先进的字典学习稀疏表示分类算法,并将他们定义为MOD-SRC和KSVD-SRC算法。训练样本集根据类别被分成若干个子集,每次迭代时,仅仅选择其中的一个子集参与计算,这样由于需要求解的系数变少,计算所需要的时间也会大大减少。稀疏系数的求解不再使用非常耗时的l1范数而是改用了字典学习的方法,解决了 SRC因为求解最小化l1范数而带来的高计算复杂度问题。并且引入的分析字典将SRC算法中的训练阶段和测试阶段分开进行,缩短了测试时间。将这三种算法同时识别8种不同浓度的气体,发现当气体样本的维数从10到180变化时,SRC的平均测试时间为2.24 s,KSVD-SRC和MOD-SRC算法的平均测试时间分别为5.3 ms和4 ms,测试速度提高了大约400倍,而三种算法的识别率都达到了 98%以上。所以本文提出的这两种算法不仅保持了原有SRC算法高的识别准确率,还具有了更短的测试时间。本文首次提出了一种新的联合字典学习（Joint Dictionary Learning,JDL）算法模型来抑制气体传感器的漂移和噪声。利用最小二乘法（Least Square,LS）和交替方向乘子法（Alternating Direction Method of Multipliers,ADMM）对 JDL 模型中的分析;字典和综合字典进行了推导求解。该算法是一种迭代算法,通过稀疏系数、分析字典和综合字典之间的不断迭代更新得到预测模型。然后再通过JDL预测模型的自我在线学习来抑制传感器的漂移,并通过遗忘因子来平衡旧模型和新样本之间的关系。该算法使用了一个三年的样本集进行验证,设定遗忘因子为0.5,首先利用前三个月的训练样本建立JDL预测模型。在测试期间,当发现预测模型开始失效时,就通过学习新月份的样本修正预测模型。经过不断的在线学习,平均识别率从开始的59.63%逐渐提升到了 87.43%,有效的抑制了传感器的漂移和噪声。本文对矩形波、三角波、锯齿波和正弦波4种周期温度调制模式下的一氧化碳、甲烷和乙醇进行了识别研究。利用短时傅里叶变换提取低于基波频率f0的11个特征向量,选择不同的窗函数进行气体识别,发现当选择不同的窗函数、不同的频率特征向量时,识别率明显不同。比如对于锯齿波,当选择Taylor窗,特征向量的频率范围在3.88到4.85 mHz之间变化时,识别准确率100%;而三角波的识别准确率相比较于其他三种调制波形要低的多,最高识别准确率只有96.88%。最后采用遗传算法对不同窗函数下的11个特征向量的组合进行了优化处理,选取了最优的特征子集进行气体识别,发现气体识别率得到了明显的提升,甚至有些特征子集达到了 100%的识别效果。本文通过将金属氧化物气体传感器和脉冲波形产生电路相结合,设计了一种新型的自适应温度调制电路,为电子鼻系统提供加热电压。脉冲波形产生电路的主要部分为一个555定时器构成的多谐振荡器,将金属氧化物半导体气体传感器的敏感电阻加入到电容C的充放电回路中,使产生的脉冲波形受到了敏感电阻的影响,从而实现输出脉冲波形的频率会随着敏感电阻的变换而变化的目的。数据处理部分采用了 Gabor变换来提取传感器信号的特征向量,与傅里叶变换和小波变换相比较,该算法具有明显的优势,并取得了接近99%的识别准确率。
姜水[9]（2018）在《基于电子鼻技术的山核桃内部品质快速无损检测方法的研究》文中进行了进一步梳理坚果产品富含多种营养成分,如不饱和脂肪酸、蛋白质、膳食纤维和多种微量元素,是重要的膳食补充食品。经过烘烤或炒制后坚果产品会产生独特的坚果香气,为众多消费者喜爱。在食品检测领域,坚果产品内部品质的快速无损检测成为了日益重要的研究内容。本研究以山核桃为主要研究对象,利用电子鼻技术和化学计量学定性与定量分析方法,开展山核桃内部品质快速无损检测方法的研究。论文的主要研究内容和研究结论如下:（1）通过研究采后储藏过程中未加工山核桃的脂肪酸（油酸、亚油酸、棕桐油酸、亚麻酸、棕榈酸和硬脂酸）含量变化,探明了采后储藏时间对山核桃内部品质影响的规律;通过对电子鼻响应信号和挥发性成分的相关性分析,揭示了电子鼻区分不同采后储藏时间山核桃样品的检测机理;论文提出的新型分类方法（投票法）综合了多种特征值的优势,分类效果优于基于单一特征值的分类模型（BPNN、LVQ和RF）;通过对山核桃品质指标的预测模型的横向对比,发现PLSR适于构建理化指标的预测模型,BP神经网络适于构建脂肪酸和采后储藏时间的预测模型;所构建模型实现了对酸价（R2>0.89）、过氧化值（R2>0.90）、6种脂肪酸（校验集R2>0.95,验证集R2>0.88）和采后储藏时间（R2>0.98）的快速无损预测。（2）通过对烘烤后山核桃加工成品的香气特征进行分析,发现了烘烤时间对山核桃加工成品品质影响的规律;通过横向对比不同分类和预测模型的效果发现,基于稳定阶段响应值的BPNN模型其分类性能较好（最高分类准确率和平均分类准确率分别为92.00%和84.67%）;基于多特征值的投票法分类准确率（92.00%）高于基于单一特征值的分类模型;采用遗传算法优化后的GA-BPNN模型,预测主要挥发性成分含量时其性能（R2>0.93）优于未优化的BPNN预测模型。（3）通过研究储藏后加工的山核桃成品其挥发性成分变化规律,发现挥发性成分变化显着（总含量从1080.94ng/g增加到4514.57ng/g）,揭示了电子鼻对储藏后加工的山核桃成品的检测机理;通过对所构建区分模型性能的评价,发现RoF-BPNN模型的分类性能（最高分类准确率和平均分类准确率分别为94.0%和90.4%）较好;构建的BPNN和RoF-BPNN预测模型,均能实现对10种挥发性成分含量的预测,但基于多特征值的RoF-BPNN模型性能（校验集R2>0.949,验证集R2>0.890）优于基于单一特征值的BPNN模型性能。（4）明确了新鲜山核桃加工成品货架期内品质变化规律;通过对新鲜山核桃加工成品在货架期内挥发性成分含量变化的研究,发现核桃成品在货架期超过90天后开始快速变质;对山核桃货架期内脂肪酸含量变化的研究,发现6种脂肪酸含量均呈现下降趋势,亚麻酸下降程度最大（30.46%）;对于不同山核桃样品定性分类,基于多特征值的RoF-BPNN模型其分类性能（最高分类准确率和平均分类准确率分别为97.14%和92.49%）优于基于单一特征值的分类模型;对于品质指标预测,RoF-BPNN模型在预测挥发性成分含量时（校验集R2>0.934,验证集R2>0.916）和预测脂肪酸含量时（校验集R2>0.986,验证集R2>0.969）,其性能均优于基于单一特征值的BPNN模型。
李强,谷宇,王南飞,董涵[10]（2017）在《电子鼻研究进展及在中国白酒检测的应用》文中进行了进一步梳理基于传感器技术、信号处理技术和模式识别技术发展起来的电子鼻技术是过去二十年中发展最为迅速的气相分析和气体检测技术之一,它已逐渐在生物医学、环境监测、农业生产、食品检测等多个领域得到应用.电子鼻是利用对待测气体具有交叉敏感性的传感器阵列将待测气体中的混杂气味组分信息转化为与时间、成分、浓度或含量相关的可测物理信号组,利用信号采集系统输出含有待测气体特征信息的数字信号,通过模式识别系统分析数字信号得到待测气体综合气味信息和隐含特征,实现对待测气体快速、系统、准确的鉴别和分析.本文综述了电子鼻技术中的传感器技术和模式识别技术及在中国白酒品牌鉴定、风味识别、酒龄检测方面的最新研究进展;以聚合物石英压电传感器型电子鼻为例,阐明该电子鼻的技术方案及其在中国白酒检测中的应用;展望电子鼻未来研究方向.
二、遗传算法在电子鼻中的应用研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、遗传算法在电子鼻中的应用研究（论文提纲范文）
（1）面向伤口感染辅助诊断的气味感知系统机器学习算法研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 缩写词表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 伤口感染的危害与挑战 |
| 1.1.2 伤口感染信息的传感方法 |
| 1.1.3 伤口感染信息的分析策略 |
| 1.1.4 本文研究意义 |
| 1.2 电子鼻概述及相关研究现状 |
| 1.2.1 电子鼻概述 |
| 1.2.2 电子鼻相关研究现状 |
| 1.3 FAIMS概述及相关研究现状 |
| 1.3.1 FAIMS概述 |
| 1.3.2 FAIMS相关研究现状 |
| 1.4 本文主要研究内容和创新点 |
| 1.4.1 主要研究内容 |
| 1.4.2 主要创新点 |
| 1.5 本文组织结构安排 |
| 2 双路气味传感系统 |
| 2.1 引言 |
| 2.2 系统设计和构建 |
| 2.2.1 系统总体设计 |
| 2.2.2 电子鼻检测单元 |
| 2.2.3 FAIMS检测单元 |
| 2.3 系统的设备性能 |
| 2.4 本章小结 |
| 3 大鼠伤口感染气味实验和气味数据集 |
| 3.1 引言 |
| 3.2 伤口感染模型 |
| 3.2.1 皮肤切割缝合感染模型 |
| 3.2.2 全层皮肤缺损感染模型 |
| 3.3 大鼠伤口感染实验 |
| 3.3.1 细菌悬浮液的制备 |
| 3.3.2 大鼠及其饲养 |
| 3.3.3 实验伤口的制备 |
| 3.3.4 伤口样本的采集 |
| 3.3.5 伤口感染效果的查证 |
| 3.4 大鼠伤口气味采集实验 |
| 3.5 大鼠伤口感染气味数据集 |
| 3.6 本文使用的其他气味数据集 |
| 3.6.1 培养皿细菌液气味数据集 |
| 3.6.2 FAIMS临床感染气味数据集 |
| 3.7 本章小结 |
| 4 基于特征组选择的电子鼻阵列优化算法研究 |
| 4.1 引言 |
| 4.2 基于线性变换的特征相关性评价方法 |
| 4.3 干扰特征去除算法 |
| 4.4 特征组进化算法 |
| 4.5 算法验证和讨论 |
| 4.5.1 算法验证协议 |
| 4.5.2 验证结果和讨论 |
| 4.6 本章小结 |
| 5 基于动态分析策略和空域信息集成的FAIMS识别算法研究 |
| 5.1 引言 |
| 5.2 局部警报和全局特征集成算法 |
| 5.2.1 数据预处理和全局处理模块 |
| 5.2.2 局部报警模块 |
| 5.2.3 信息集成模块和测试过程 |
| 5.3 算法验证和讨论 |
| 5.3.1 算法验证协议 |
| 5.3.2 验证结果和讨论 |
| 5.4 本章小结 |
| 6 基于双路气味感知系统的信息融合算法研究 |
| 6.1 引言 |
| 6.2 信息融合算法的设计思路 |
| 6.2.1 信息融合简介 |
| 6.2.2 本章信息融合算法的设计思路 |
| 6.3 基于双路气味感知系统的信息融合算法 |
| 6.3.1 信息融合算法框架 |
| 6.3.2 特征提取模块 |
| 6.3.3 特征选择模块 |
| 6.3.4 模型融合模块 |
| 6.4 算法验证和讨论 |
| 6.4.1 算法验证协议 |
| 6.4.2 验证结果和讨论 |
| 6.5 本章小结 |
| 7 总结和展望 |
| 7.1 本文主要研究内容及成果 |
| 7.2 今后工作的展望 |
| 参考文献 |
| 附录 |
| A.作者在攻读学位期间发表及录用的学术论文 |
| B.作者在攻读学位期间获得的专利 |
| C.作者在攻读学位期间参与的科研项目 |
| D.学位论文数据集 |
| 致谢 |
（2）用于智能电子鼻系统的新型混合气体识别算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的意义 |
| 1.2 电子鼻系统的背景研究 |
| 1.2.1 电子鼻系统原理介绍 |
| 1.2.2 现有的电子鼻技术 |
| 1.2.3 电子鼻系统的应用介绍 |
| 1.3 混合气体在电子鼻的研究发展与趋势 |
| 1.4 本论文的主要研究内容、工作贡献以及论文内容的安排 |
| 1.4.1 论文的主要研究内容 |
| 1.4.2 论文的内容安排 |
| 第2章 电子鼻系统的关键技术 |
| 2.1 气体传感器阵列 |
| 2.1.1 气体传感器阵列介绍 |
| 2.1.2 混合气体的反应机理 |
| 2.2 数据预处理 |
| 2.2.1 气体在气体传感器反应特性 |
| 2.2.2 信号预处理 |
| 2.2.3 气体响应特征提取 |
| 2.2.4 气体特征选择 |
| 2.3 电子鼻的模式识别技术 |
| 2.3.1 电子鼻的模式分类 |
| 2.3.2 电子鼻的回归分析 |
| 2.4 神经网络技术 |
| 2.4.1 BP神经网络 |
| 2.4.2 卷积神经网络 |
| 2.4.3 循环神经网络 |
| 2.5 小结 |
| 第3章 一维卷积神经网络的多标签混合气体种类识别 |
| 3.1 一维卷积神经网络的整体框架 |
| 3.1.1 自动的特征提取部分 |
| 3.1.2 分类部分的实现 |
| 3.1.3 卷积阶段 |
| 3.2 多标签的分类方式 |
| 3.3 数据预处理和评价标准 |
| 3.3.1 数据预处理 |
| 3.3.2 评价标准 |
| 3.4 实验过程 |
| 3.4.1 参数调节 |
| 3.4.2 对比方法介绍 |
| 3.5 实验结果对比与分析 |
| 3.5.1 实验结果 |
| 3.5.2 实验对比 |
| 3.6 小结 |
| 第4章 基于CNN-RNN的混合气体浓度的实时预测 |
| 4.1 问题阐述与方案提出 |
| 4.2 CNN-RNN整体框架 |
| 4.2.1 卷积神经网络部分 |
| 4.2.2 循环神经网络部分 |
| 4.2.3 目标函数 |
| 4.3 对比方法与评价标准 |
| 4.3.1 对比方法 |
| 4.3.2 评价指标 |
| 4.4 数据预处理和实验细节 |
| 4.4.1 实验数据介绍 |
| 4.4.2 数据预处理 |
| 4.4.3 实验细节 |
| 4.5 实验结果对比与分析 |
| 4.5.1 实验结果分析 |
| 4.5.2 实验结果对比 |
| 4.6 小结 |
| 第5章 结论 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间的研究成果 |
（3）伤口感染检测医用电子鼻的传感器阵列优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 电子鼻技术概述 |
| 1.2 医用电子鼻的研究现状 |
| 1.3 传感器阵列优化的意义和研究现状 |
| 1.3.1 传感器阵列优化的意义 |
| 1.3.2 传感器阵列优化的研究现状 |
| 1.4 论文的主要内容和结构安排 |
| 2 伤口感染检测医用电子鼻的硬件平台及数据采集实验 |
| 2.1 引言 |
| 2.2 伤口感染检测医用电子鼻 |
| 2.3 实验设计与数据采集实验 |
| 2.3.1 细菌培养液数据采集实验 |
| 2.3.2 动物伤口感染数据采集实验 |
| 2.4 本章小结 |
| 3 伤口感染检测医用电子鼻中的分析方法 |
| 3.1 传感器阵列信号预处理 |
| 3.2 神经网络用于样本数据的分类识别 |
| 3.2.1 神经网络原理简介 |
| 3.2.2 细菌培养液样本数据分类结果 |
| 3.2.3 动物伤口感染样本数据分类结果 |
| 3.3 支持向量机用于样本数据的分类识别 |
| 3.3.1 支持向量机原理简介 |
| 3.3.2 细菌培养液样本数据分类结果 |
| 3.3.3 动物伤口感染样本数据分类结果 |
| 3.4 本章小结 |
| 4 基于因子分析的电子鼻传感器阵列优化 |
| 4.1 引言 |
| 4.2 因子分析的原理 |
| 4.3 基于因子分析的传感器阵列优化 |
| 4.4 优化实验结果 |
| 4.4.1 细菌培养液样本数据的优化结果 |
| 4.4.2 动物伤口感染样本数据的优化结果 |
| 4.5 本章小节 |
| 5 基于希尔伯特-施密特独立准则的电子鼻传感器阵列优化 |
| 5.1 引言 |
| 5.2 希尔伯特-施密特独立准则的原理 |
| 5.3 基于希尔伯特-施密特独立准则的传感器阵列优化 |
| 5.4 优化实验结果 |
| 5.4.1 细菌培养液样本数据的优化结果 |
| 5.4.2 动物伤口感染样本数据的优化结果 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 论文主要研究内容及成果 |
| 6.2 本文存在的不足及其展望 |
| 参考文献 |
| 附录 |
| A. 作者在攻读学位期间发表的论文目录 |
| B. 作者在攻读学位期间参与的科研项目 |
| C. 本论文中的实验数据和程序清单等相关信息 |
| D. 学位论文数据集 |
| 致谢 |
（4）石英压电型电子鼻与电子舌研究及在白酒检测中的应用（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究目的与意义 |
| 1.1.1 生物感知与机器感知 |
| 1.1.2 电子鼻与电子舌 |
| 1.1.3 电子鼻与电子舌在中国白酒检测中的应用 |
| 1.2 石英压电型电子鼻与电子舌及研究现状 |
| 1.2.1 石英压电传感器及研究现状 |
| 1.2.2 白酒检测中电子鼻与电子舌模式识别系统研究现状 |
| 1.2.3 温度变化条件下的电子鼻信号漂移抑制研究现状 |
| 1.3 研究内容及论文结构 |
| 1.3.1 研究内容 |
| 1.3.2 论文结构 |
| 2 石英压电型电子鼻与电子舌中传感器敏感涂层的开发 |
| 2.1 前言 |
| 2.1.1 基于真空电子束色散镀膜技术的石英压电传感器开发 |
| 2.1.2 基于层层自组装技术的石英压电传感器开发 |
| 2.2 基于层层自组装方法的MOFs敏感涂层的制备实验 |
| 2.2.1 实验材料选择 |
| 2.2.2 实验设计方案 |
| 2.2.3 结果表征方法 |
| 2.3 基于层层自组装方法的高取向性MOFs敏感涂层制备结果 |
| 2.3.1 前驱液浓度对MOFs晶体取向的影响分析 |
| 2.3.2 MOFs晶体取向性计算 |
| 2.3.3 MOFs晶体取向生长模型 |
| 2.3.4 MOFs晶体取向缺陷分析 |
| 2.4 本章小结 |
| 3 中国白酒检测中的石英压电型电子鼻与电子舌模式识别系统研究 |
| 3.1 电子鼻与电子舌信号采集与模式分析 |
| 3.1.1 石英压电型电子鼻与电子舌 |
| 3.1.2 信号采集与模式分析 |
| 3.2 中国白酒品牌鉴定中的电子鼻MDS-SVM模式识别系统研究 |
| 3.2.1 实验方案与研究方法 |
| 3.2.2 基于MDS方法的数据预处理 |
| 3.2.3 SVM算法的模式分类与优化 |
| 3.2.4 不同模式识别算法分类能力比较 |
| 3.2.5 小结 |
| 3.3 中国白酒香型鉴定中的电子鼻RF模式识别系统研究 |
| 3.3.1 实验方案与研究方法 |
| 3.3.2 随机森林模式识别模型的训练 |
| 3.3.3 随机森林分类算法的优化 |
| 3.3.4 不同模式识别算法分类能力比较 |
| 3.3.5 小结 |
| 3.4 同品牌不同产品白酒检测的电子舌BPNN模式识别系统研究 |
| 3.4.1 实验方案与研究方法 |
| 3.4.2 隐层节点优化对检测精度的影响分析 |
| 3.4.3 网络隐含层数优化对检测精度的影响分析 |
| 3.4.4 激活函数选择对检测精度的影响分析 |
| 3.4.5 不同模式识别算法分类能力比较 |
| 3.4.6 小结 |
| 3.5 本章小结 |
| 4 温度变化条件下的石英压电型电子鼻信号漂移抑制 |
| 4.1 前言 |
| 4.2 基于数值分析的温度信号漂移抑制方法分析 |
| 4.2.1 控制方程的建立 |
| 4.2.2 几何模型建模及网格生成 |
| 4.2.3 边界条件与模拟策略 |
| 4.3 石英压电传感器气流扰动静压分布分析 |
| 4.4 石英压电传感器气流扰动气动力分析 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 工作总结 |
| 5.2 研究展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（5）电子鼻的仿生数据分析方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 生物嗅觉系统的信息处理 |
| 1.2.1 嗅觉系统的结构 |
| 1.2.2 嗅觉信息的传导机理 |
| 1.3 电子鼻技术概述 |
| 1.3.1 电子鼻原理 |
| 1.3.2 气体传感技术 |
| 1.3.3 数据分析技术 |
| 1.3.4 电子鼻的发展与应用 |
| 1.4 电子鼻的仿生数据分析 |
| 1.4.1 研究现状 |
| 1.4.2 存在的不足 |
| 1.5 研究内容与创新 |
| 1.5.1 研究思路 |
| 1.5.2 研究工作与创新 |
| 1.5.3 论文结构与内容 |
| 第二章 基于传统处理框架的电子鼻数据分析方法 |
| 2.1 方法框架及意义 |
| 2.2 电子鼻硬件平台 |
| 2.2.1 传感器阵列设计 |
| 2.2.2 气室设计 |
| 2.2.3 电路与软件设计 |
| 2.2.4 平台结构与工作流程 |
| 2.2.5 实验配置与流程 |
| 2.3 传统电子鼻数据分析方法 |
| 2.3.1 信号预处理 |
| 2.3.2 特征提取 |
| 2.3.3 特征降维 |
| 2.3.4 分类识别 |
| 2.4 实验结果与分析 |
| 2.4.1 特征降维方法的影响 |
| 2.4.2 特征数量与采样方法的影响 |
| 2.4.3 不同平台的结果对比 |
| 2.5 本章结语 |
| 第三章 基于脉冲嗅球模型的信号预处理与特征分析 |
| 3.1 方法框架及意义 |
| 3.2 脉冲嗅感受器 |
| 3.2.1 嗅感受器的气味编码 |
| 3.2.2 基于高斯感受野的通道编码 |
| 3.3 初级嗅球模型 |
| 3.3.1 基本单元 |
| 3.3.2 模型结构及特性 |
| 3.3.3 仿生信号的特征提取 |
| 3.4 实验结果与分析 |
| 3.4.1 特征数量与采样方法的影响 |
| 3.4.2 嗅球连接模式的影响 |
| 3.4.3 传统与仿生方法的结果对比 |
| 3.5 本章结语 |
| 第四章 基于脉冲皮层模型的电子鼻仿生数据分析方法 |
| 4.1 方法框架及意义 |
| 4.2 改进脉冲嗅感受器 |
| 4.3 高级嗅球模型 |
| 4.4 嗅皮层模型 |
| 4.4.1 脉冲神经网络基本原理 |
| 4.4.2 模型结构与学习算法 |
| 4.5 实验结果与分析 |
| 4.5.1 不同因素对结果的影响 |
| 4.5.2 泛用性验证 |
| 4.6 本章结语 |
| 第五章 基于时序图像化的跨平台数据分析方法 |
| 5.1 方法框架及意义 |
| 5.2 时间序列的图像化 |
| 5.2.1 时间序列转换 |
| 5.2.2 组合图像生成 |
| 5.3 小型卷积神经网络 |
| 5.3.1 卷积神经网络基本原理 |
| 5.3.2 卷积神经网络在电子鼻应用中存在的问题 |
| 5.3.3 网络结构与策略 |
| 5.4 实验结果与分析 |
| 5.4.1 方法中不同因素的影响 |
| 5.4.2 泛用性验证 |
| 5.5 本章结语 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 发表论文和科研情况说明 |
| 致谢 |
（6）基于电子鼻和电子舌的智能感官检测系统设计与应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 电子鼻和电子舌简介 |
| 1.2.1 电子鼻简介 |
| 1.2.2 电子舌简介 |
| 1.3 国内外发展现状 |
| 1.3.1 电子鼻发展现状 |
| 1.3.2 电子舌发展现状 |
| 1.3.3 电子鼻和电子舌融合发展现状 |
| 1.4 本课题研究内容与创新点 |
| 1.4.1 研究内容及章节安排 |
| 1.4.2 创新点 |
| 1.5 本章小结 |
| 第二章 基于电子鼻和电子舌的智能感官检测系统设计 |
| 2.1 电子鼻检测系统设计 |
| 2.1.1 电子鼻系统硬件设计 |
| 2.1.2 电子鼻系统软件设计 |
| 2.2 电子舌检测系统设计 |
| 2.2.1 电子舌系统硬件设计 |
| 2.2.2 电子舌系统软件设计 |
| 2.3 本章小结 |
| 第三章 信号处理与模式识别 |
| 3.1 特征提取 |
| 3.1.1 电子鼻信号的特征提取 |
| 3.1.2 电子舌信号的特征提取 |
| 3.2 信息融合 |
| 3.2.1 信息融合的原理 |
| 3.2.2 信息融合的分类 |
| 3.3 模式识别 |
| 3.3.1 核主成分分析 |
| 3.3.2 极限学习机 |
| 3.3.3 模糊支持向量机 |
| 3.3.4 最小二乘支持向量机 |
| 3.4 多参数全局优化算法 |
| 3.4.1 网格搜索法 |
| 3.4.2 遗传算法 |
| 3.4.3 粒子群算法 |
| 3.4.4 人工蜂群算法 |
| 3.5 本章小结 |
| 第四章 电子鼻与电子舌对果汁纯度的检测 |
| 4.1 样本的制备 |
| 4.2 电子鼻系统对果汁的检测 |
| 4.3 电子舌系统对果汁的检测 |
| 4.4 特征提取与信息融合 |
| 4.5 模式识别 |
| 4.5.1 核主成分分析 |
| 4.5.2 人工蜂群优化模糊支持向量机 |
| 4.5.3 ABC-FSVM果汁纯度预测模型性能验证 |
| 4.6 本章小结 |
| 第五章 电子鼻与电子舌对掺假白酒的辨识 |
| 5.1 样本的制备 |
| 5.2 电子鼻系统对白酒的检测 |
| 5.3 电子舌系统对白酒的检测 |
| 5.4 特征提取与信息融合 |
| 5.5 模式识别 |
| 5.5.1 极限学习机 |
| 5.5.2 人工蜂群优化最小二乘支持向量机 |
| 5.5.3 ABC-LSSVM白酒纯度预测模型性能的验证 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士期间公开发表论文及获奖情况 |
| 致谢 |
（7）白酒品种鉴别的电子鼻系统设计与研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 中国白酒及检测技术概述 |
| 1.1.1 中国白酒及行业发展现状 |
| 1.1.2 传统的白酒检测技术 |
| 1.2 电子鼻技术及发展应用 |
| 1.2.1 电子鼻原理与发展概况 |
| 1.2.2 电子鼻系统的关键技术 |
| 1.2.3 电子鼻在食品检测中的应用现状 |
| 1.3 本文研究目的、意义及内容 |
| 1.4 本章小节 |
| 第二章 电子鼻系统的设计开发 |
| 2.1 引言 |
| 2.2 硬件系统设计 |
| 2.2.1 气体传感器 |
| 2.2.2 传感器阵列 |
| 2.2.3 电源模块 |
| 2.2.4 数据采集系统 |
| 2.3 电子鼻软件系统 |
| 2.4 电子鼻试验平台 |
| 2.5 本章小结 |
| 第三章 电子鼻数据分析方法理论基础 |
| 3.1 引言 |
| 3.2 数据预处理 |
| 3.3 基于模糊理论的统计模式识别 |
| 3.3.1 模糊集理论 |
| 3.3.2 主成分分析 |
| 3.3.3 模糊鉴别主成分分析 |
| 3.3.4 模糊线性判别分析 |
| 3.3.5 模糊非相关判别分析 |
| 3.4 K-近邻分类器 |
| 3.5 交叉验证 |
| 3.6 神经网络模式识别 |
| 3.7 本章小结 |
| 第四章 基于电子鼻系统的白酒检测实验 |
| 4.1 引言 |
| 4.2 实验材料及数据采集 |
| 4.2.1 实验材料 |
| 4.2.2 数据采集过程 |
| 4.3 数据预处理方法 |
| 4.4 本章小结 |
| 第五章 电子鼻对不同种类白酒的分类鉴别及结果分析 |
| 5.1 引言 |
| 5.2 基于模糊特征提取算法的电子鼻白酒分类 |
| 5.2.1 主成分分析结果与讨论 |
| 5.2.2 鉴别主成分分析结果与讨论 |
| 5.2.3 模糊鉴别主成分分析结果与讨论 |
| 5.2.4 线性判别分析结果与讨论 |
| 5.2.5 模糊线性判别分析结果与讨论 |
| 5.2.6 模糊非相关判别分析结果与讨论 |
| 5.3 基于BP神经网络的白酒分类鉴别 |
| 5.3.1 BP网络结构的设计 |
| 5.3.2 设置网络参数 |
| 5.3.3 BP神经网络识别结果分析 |
| 5.4 本章小结 |
| 第六章 总结 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表论文及参加科研项目 |
（8）电子鼻系统的高效气体识别技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外相关工作研究进展 |
| 1.2.1 信号处理技术 |
| 1.2.2 特征和传感器优化 |
| 1.2.3 模式识别技术 |
| 1.2.4 温度调制模式 |
| 1.2.5 漂移补偿的研究 |
| 1.3 电子鼻存在的问题 |
| 1.4 本文的主要研究内容 |
| 2 基于稀疏表示的分类算法 |
| 2.1 实验数据获取 |
| 2.1.1 实验测试平台的搭建 |
| 2.1.2 数据获取及预处理 |
| 2.2 稀疏表示理论基础 |
| 2.2.1 MP算法 |
| 2.2.2 内点法 |
| 2.3 基于SRC算法的气体识别 |
| 2.4 与其他算法性能比较 |
| 2.4.1 BP人工神经网络 |
| 2.4.2 决策树分类器 |
| 2.4.3 结果比较分析 |
| 2.5 本章小结 |
| 3 基于字典学习的气体识别算法研究 |
| 3.1 引言 |
| 3.2 MOD-SRC算法 |
| 3.2.1 MOD算法 |
| 3.2.2 MOD-SRC算法 |
| 3.2.3 基于MOD-SRC算法的气体识别 |
| 3.3 KSVD-SRC字典学习算法 |
| 3.3.1 K-SVD算法 |
| 3.3.2 KSD-SRC算法 |
| 3.3.3 基于KSVD-SRC算法的气体识别 |
| 3.4 不同算法性能比较 |
| 3.5 本章小结 |
| 4 基于联合字典学习的漂移抑制的研究 |
| 4.1 引言 |
| 4.2 基于联合字典学习的气体识别算法 |
| 4.2.1 联合字典学习模型 |
| 4.2.2 JDL-LS算法 |
| 4.2.3 模型参数设置 |
| 4.2.4 稀疏性和相干性分析 |
| 4.2.5 基于JDL-LS算法的气体识别 |
| 4.2.6 JDL-ADMM算法 |
| 4.2.7 基于JDL-ADMM算法的气体识别 |
| 4.3 基于在线JDL-ADMM算法的漂移抑制的研究 |
| 4.3.1 在线JDL-ADMM算法 |
| 4.3.2 数据来源 |
| 4.3.3 特征提取 |
| 4.3.4 基于在线JDL-ADMM算法的漂移抑制 |
| 4.4 本章小节 |
| 5 周期温度调制技术的研究 |
| 5.1 引言 |
| 5.2 数据获取 |
| 5.3 基于短时傅里叶变换的信号处理技术 |
| 5.3.1 STFT特征提取 |
| 5.3.2 基于JDL-ADMM的气体识别 |
| 5.4 遗传算法选择最优特征 |
| 5.5 与其他算法的性能比较 |
| 5.6 小结 |
| 6 自适应温度调制技术的研究 |
| 6.1 自适应温度调制测试电路设计 |
| 6.1.1 硬件电路设计 |
| 6.1.2 实验数据获取 |
| 6.1.3 自适应加热波形 |
| 6.2 基于Gabor变换的数据处理算法 |
| 6.3 不同数据处理算法的比较 |
| 6.3.1 基于小波变换的特征提取 |
| 6.3.2 基于傅里叶变换的特征提取 |
| 6.3.3 识别结果比较 |
| 6.4 小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（9）基于电子鼻技术的山核桃内部品质快速无损检测方法的研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 主要缩略词清单 |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 坚果品质检测技术的研究现状 |
| 1.2.1 感官评定 |
| 1.2.2 理化指标检测 |
| 1.2.3 精密仪器检测 |
| 1.2.4 无损检测技术 |
| 1.3 电子鼻检测技术 |
| 1.4 研究内容 |
| 1.5 技术路线 |
| 1.6 本章小结 |
| 第2章 实验材料与数据分析方法 |
| 2.1 实验材料与样品处理方法 |
| 2.1.1 实验材料 |
| 2.1.2 山核桃样品处理方案 |
| 2.2 实验仪器与设备 |
| 2.2.1 电子鼻 |
| 2.2.2 气相色谱质谱联用仪 |
| 2.2.3 其它仪器和设备 |
| 2.3 实验方案与检测条件设计 |
| 2.3.1 检测条件设计 |
| 2.3.2 实验方案设计 |
| 2.3.3 其它指标测定方法 |
| 2.4 数据分析方法 |
| 2.4.1 传感器信号分析方法 |
| 2.4.2 特征提取和特征选择 |
| 2.4.3 特征矩阵降维方法 |
| 2.4.4 数理统计分析方法 |
| 2.4.5 建模方法介绍 |
| 2.5 数据划分和模型性能评价 |
| 2.6 本章小结 |
| 第3章 采后储藏过程中未加工山核桃内部品质检测 |
| 3.1 前言 |
| 3.2 实验方案与研究方法 |
| 3.2.1 样品处理 |
| 3.2.2 加速储藏实验条件验证 |
| 3.2.3 挥发性成分检测 |
| 3.2.4 理化参数检测 |
| 3.2.5 电子鼻检测 |
| 3.3 采后储藏过程中未加工山核桃品质指标与电子鼻信号分析 |
| 3.3.1 山核桃储藏过程中脂肪酸含量的变化 |
| 3.3.2 山核桃储藏过程中理化指标变化 |
| 3.3.3 山核桃储藏过程中挥发性成分变化 |
| 3.3.4 山核桃储藏过程中传感器响应特性分析 |
| 3.3.5 不同特征提取方法分析结果 |
| 3.4 电子鼻对不同储藏时间山核桃的区分 |
| 3.4.1 电子鼻数据主成分分析 |
| 3.4.2 基于单一特征值对不同储藏时间山核桃的区分 |
| 3.4.3 基于多特征值对不同储藏时间山核桃的区分 |
| 3.5 基于电子鼻预测不同储藏时间山核桃的脂肪酸含量 |
| 3.5.1 PLSR预测结果 |
| 3.5.2 RF预测结果 |
| 3.5.3 多目标BP神经网络预测结果 |
| 3.6 基于电子鼻预测山核桃的理化指标 |
| 3.7 山核桃储藏时间追溯 |
| 3.8 本章小结 |
| 第4章 不同烘烤时间成品山核桃品质检测 |
| 4.1 前言 |
| 4.2 实验方案与研究方法 |
| 4.2.1 样品处理 |
| 4.2.2 挥发性成分检测 |
| 4.2.3 电子鼻检测 |
| 4.3 不同烘烤时间山核桃品质指标与电子鼻信号分析 |
| 4.3.1 不同烘烤时间山核桃挥发性成分的变化 |
| 4.3.2 不同烘烤时间山核桃的传感器响应特性分析 |
| 4.4 电子鼻对不同烘烤时间山核桃的区分 |
| 4.4.1 BPNN的分类结果 |
| 4.4.2 投票法分类结果 |
| 4.5 基于电子鼻的山核桃烘烤香气品质鉴别 |
| 4.5.1 烘烤山核桃香气品质PLSR鉴别结果 |
| 4.5.2 烘烤山核桃香气品质BPNN鉴别结果 |
| 4.6 电子鼻预测山核桃挥发性成分含量 |
| 4.7 本章小结 |
| 第5章 不同储藏时间对山核桃加工成品品质影响的追溯 |
| 5.1 前言 |
| 5.2 实验方案与研究方法 |
| 5.2.1 样品处理 |
| 5.2.2 挥发性成分检测 |
| 5.2.3 理化参数检测 |
| 5.2.4 电子鼻检测 |
| 5.3 山核桃加工成品品质指标与电子鼻信号分析 |
| 5.3.1 不同储藏时间后加工山核桃成品的挥发性成分检测结果 |
| 5.3.2 新鲜山核桃加工成品货架期内的挥发性成分检测结果 |
| 5.3.3 新鲜山核桃加工成品货架期内脂肪酸检测结果 |
| 5.3.4 山核桃加工成品的传感器响应特性分析 |
| 5.4 电子鼻对储藏后加工山核桃成品的区分 |
| 5.5 电子鼻对货架期内新鲜山核桃加工成品的区分 |
| 5.6 电子鼻对储藏后加工山核桃挥发性成分的预测 |
| 5.7 电子鼻对货架期内新鲜山核桃成品的挥发性成分含量的预测 |
| 5.8 电子鼻对货架期内山核桃脂肪酸含量的预测 |
| 5.9 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要研究结论 |
| 6.2 主要创新点 |
| 6.3 进一步研究展望 |
| 参考文献 |
| 研究生期间主要成果 |
（10）电子鼻研究进展及在中国白酒检测的应用（论文提纲范文）
| 1 电子鼻系统 |
| 1.1 电子鼻原理 |
| 1.2 电子鼻 |
| 2 气体传感器研发进展 |
| 2.1 金属氧化物半导体(MOS)电导型气体传感器 |
| 2.2 电化学气体传感器 |
| 2.3 石英晶体微天平(QCM)气体传感器 |
| 2.4 声表面波(SAW)气体传感器 |
| 3 模式识别系统研究进展 |
| 3.1 主成分分析算法(principal component analysis,PCA) |
| 3.2 K近邻算法(K-nearest neighbor,K-NN) |
| 3.3 线性判别式分析(linear discriminant analysis,LDA) |
| 3.4 支持向量机(support vector machine,SVM) |
| 3.5 Adaboost集成分类器 |
| 3.6 人工神经网络(artificial neural network,ANN) |
| 4 电子鼻在中国白酒检测中的应用 |
| 4.1 中国白酒品牌鉴定 |
| 4.2 中国白酒风味识别 |
| 4.3 中国酒酒龄检测 |
| 5 聚合物石英压电传感器型电子鼻 |
| 5.1 聚合物石英压电传感器型电子鼻介绍 |
| (1)聚合物石英压电传感器阵列模块. |
| (2)信号采集模块. |
| (3)模式识别系统. |
| 5.2 聚合物石英压电传感器型电子鼻在中国白酒检测中的应用 |
| 6 结论与展望 |
四、遗传算法在电子鼻中的应用研究（论文参考文献）
- [1]面向伤口感染辅助诊断的气味感知系统机器学习算法研究[D]. 孙彤. 重庆大学, 2020(02)
- [2]用于智能电子鼻系统的新型混合气体识别算法研究[D]. 温志煌. 深圳大学, 2019(09)
- [3]伤口感染检测医用电子鼻的传感器阵列优化研究[D]. 张赐. 重庆大学, 2019(01)
- [4]石英压电型电子鼻与电子舌研究及在白酒检测中的应用[D]. 李强. 北京科技大学, 2019(07)
- [5]电子鼻的仿生数据分析方法研究[D]. 柳英杰. 天津大学, 2019
- [6]基于电子鼻和电子舌的智能感官检测系统设计与应用研究[D]. 马泽亮. 山东理工大学, 2019(03)
- [7]白酒品种鉴别的电子鼻系统设计与研究[D]. 朱锦. 江苏大学, 2019(02)
- [8]电子鼻系统的高效气体识别技术研究[D]. 何爱香. 大连理工大学, 2018(02)
- [9]基于电子鼻技术的山核桃内部品质快速无损检测方法的研究[D]. 姜水. 浙江大学, 2018(05)
- [10]电子鼻研究进展及在中国白酒检测的应用[J]. 李强,谷宇,王南飞,董涵. 工程科学学报, 2017(04)