基于機器學習的氣體識別系統(tǒng).pdf

1、由于工業(yè)化進程的不斷加快，空氣污染已經(jīng)成為一個熱門話題，尤其是有毒氣體的污染日益嚴重，對人體造成危害也越來越大，為了保障人們的身體健康，發(fā)展高性能、低成本的多傳感器與智能技術相結合的快速識別系統(tǒng)識別出氣體種類，做到防患未然具有重要的現(xiàn)實意義?；跈C器學習的貝葉斯網(wǎng)絡理論的多傳感器數(shù)據(jù)融合技術的氣體識別系統(tǒng)，對于提高系統(tǒng)的檢測精度，檢測速度有較高的效率。本文采用基于多傳感器的貝葉斯網(wǎng)絡數(shù)據(jù)融合技術，設計一套多氣體識別系統(tǒng)。該系統(tǒng)具有數(shù)據(jù)采

2、集、氣體識別、實時顯示、聲光報警、串口通訊等功能。 論文在分析了貝葉斯理論的分類原理和一氧化碳、硫化氫、氨氣傳感器的檢測原理之后，提出以傳感器氣體采集模塊和貝葉斯理論為識別算法構成的系統(tǒng)總體方案。系統(tǒng)硬件由3個部分組成：即TMS320LF2407控制器部分、信號調理電路部分和上位機通訊電路。系統(tǒng)軟件則包括兩個部分：下位機程序和上位機軟件程序。在此基礎上基于MATLAB做出仿真數(shù)據(jù)，證明貝葉斯理論在氣體識別方面的可行性。

3、論文改進了貝葉斯網(wǎng)絡的數(shù)據(jù)融合方法，利用傳感器的原始數(shù)據(jù)，對測量數(shù)據(jù)進行后驗概率的估算，并將其分類。通過分析貝葉斯定理的變體形式以及迭代法的思想，提出了一種對樸素加權貝葉斯分類模型的算法改進的方法，通過不斷的用后驗概率迭代前一次先驗概率，較為精確計算后驗概率，再根據(jù)這些特征屬性子集的特點，得到模塊的分類條件概率表，然后通過貝葉斯定理的變形公式對各子模塊的條件概率表進行整合，最后得到總體的分類結果。將所提出的貝葉斯理論應用到多氣體識別系統(tǒng)