预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共43页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

编号 本科生毕业设计(论文) 题目:基于传感器阵列的电子鼻 系统的设计 物联网工程学院电子信息工程专业 学号 学生姓名 指导教师 二〇一三年六月 摘要 摘要 电子鼻系统是模仿生物嗅觉系的一种通过使用电学来分析和识别混合气体的一种电子设备.利用单一气敏传感器对气体响应的非专一性和对特定气体的择优响应特性,根据实际应用,将多个单一气敏元件优化组合来构成气敏传感器阵列,气体被吸入气室腔内,被传感器阵列感应到.利用阵列的多维空间气体响应模式,传感器将感应的信号转化成电信号,通过信号处理后,送到模式识别系统进行模式识别,并将识别结果输出显示,从而对气体进行定性定量识别. 本论文叙述了整个电子鼻系统,对CH4、CO和H2三种不同浓度比的混合气体进行了定量分析.系统以STC89C52单片机为控制核心,3个基于金属氧化物半导体SnO2的德国GGA系列传感器构成气敏传感器阵列,并设计了信号预处理电路等硬件电路部分;上位机软件采用VC++6.0开发,利用混合编程技术,嵌入Matlab引擎,借助Matlab的人工神经网络工具箱(ANNToolbox)函数实现BP网络模式识别算法. 电子鼻系统将气敏传感器阵列与模式识别技术相结合,能够很好地分析和辨识混合气体的组份及其浓度.系统还采用了人工神经网络法,有效地解决了传统的单一气体传感器普遍存在的交叉敏感性问题,有助于气体检测精度的提高. 关键词:电子鼻;气体传感器阵列;信号预处理;BP网络 Abstract 目录 PAGEI PAGEI ABSTRACT Electronicnosesystemisanelectronicdeviceofmodelingbiologicalolfactorysystembyusingelectricitytoanlysisandidentifymixtures.Asinglegassensorofgasresponseofnon-specificandspecifictothepreferredresponsecharacteristicsofgas,accordingtotheactualapplication,formapluralityofsinglegassensoroptimizationcombinationtoagassensorarrayandthegasisinhaledairchambercavity,inductedbythesensorarray.Usingmultidimensionalspacegasresponsepatternsofarray,thesensorwilltranslateinductionsignalintotheelectricalsignal,throughsignalprocessing,sendtothepatternrecognitionsystemtopatternrecognitionandtoutputanddisplaytherecognitionresult,toidentificatethegas. ThispaperdescribesthequantitativeanalysisoftheelectronicnosesystemappliedforCH4、COandH2ofmixedgasesofdifferentconcentrationratio.STC89C52SCMiscontrolcore,integratedgassensorarraycomposedof3metaloxidesemiconductorbasedonGermanGGAseriessensorandthedesignofthesignalpretreatmentcircuit;thePCsoftwaredevelopmentusingVC++6.0,usingthemixedprogrammingtechnology,embeddedMatlabengine,ImplementationofBPnetworkpatternrecognitionalgorithmusingartificialneuralnetworktoolboxfunctionofMatlab. Theelectronicnosesystemofgassensorarrayandpatternrecognitiontechnologytocombine,analysisandidentificationofmixedgascompositionandconcentrationwell.Thesystemalsousestheartificialneuralnetworkmethod,toeffectivelyso