作者:常炳国 单位:湖南大学 出版:《湖南大学学报(自然科学版)》2009年第07期 页数:3页  (PDF与DOC格式可能不同) PDF编号:PDFHNDX2009070180 DOC编号:DOCHNDX2009070189 下载格式:PDF + Word/doc 文字可复制、可编辑
《OGSA结合RBF网络数据融合技术在红外气体分析中的应用》PDF+DOC2005年第01期 张永怀,刘君华,林继鹏 《基于电子鼻技术的混合气体检测方法研究》PDF+DOC 张青春,叶小婷 《基于人工神经网络的电子鼻对混合气体检测研究》PDF+DOC2010年第05期 耿志广,王希武,王寅龙,神鹏飞 《基于KPCA和RBF网络的电子鼻气体识别》PDF+DOC2007年第06期 赵赟,郭振华,刘锦淮 《基于传感器阵列的可燃混合气体RBF网络分析》PDF+DOC2013年第03期 刘建国,安振涛,张倩 《传感器阵列的CO与H_2S混合气体检测系统设计与试验》PDF+DOC2015年第01期 梁喜凤,刘立豪 《PSO-BP神经网络在多元有害气体检测中的应用》PDF+DOC2015年第02期 龚雪飞,徐景,孙寿通,刘萍,简家文 《基于RBF网络的光纤位移传感器温度补偿研究》PDF+DOC2004年第02期 韦兆碧,刘晔,马志瀛,胡光辉,时德钢 《基于RBF神经网络和粒子群算法的ECT传感器结构优化》PDF+DOC2009年第04期 孙强,石天明 《基于蚁群聚类算法的RBF神经网络在压力传感器中的应用》PDF+DOC2013年第06期 孙艳梅,都文和,冯昌浩,刘道森,卢俊国,崔全领,苗凤娟,宋志章
  • 基于传感器阵列和神经网络构造智能系统用于检测混合气体的低质量分数.传感器阵列获取质量分数为1×10-6~5×10-6范围的H2,C2H4,C2H2混合气体响应和质量分数为5×10-5~3×10-4范围的CO响应.通过RBF神经网络学习改善低质量分数混合气体检测的灵敏度.把传感器响应作为神经网络输入,神经网络输出为H2,C2H4,C2H2和CO的质量分数.实例分析表明,系统能较好地克服低质量分数混合气体检测过程中普遍存在的交叉灵敏度,得到满意的检测结果。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。