[发明专利]基于PNN神经网络的复合型气体传感器的气体识别方法

权利要求书

1.基于PNN神经网络的复合型气体传感器的气体识别其特征在于：将复合型传感器与四层全连接神经网络结合，复合型传感器是通过检测裂化塔内气体的成分与含量产生不同的阵列响应。

2.根据权利要求1所述的基于PNN神经网络的复合型气体传感器的气体识别，其特征在于：通过PNN神经网络的向前传播，使得该模型通过简单快速的方式可以对裂化塔内不同气体进行定性和定量识别。

3.根据权利要求2所述的基于PNN神经网络的复合型气体传感器的气体识别，其特征在于：所述基于PNN神经网络的复合型气体传感器的气体识别方法特征在于：

(1)识别裂化塔内危险气体和氧气的含量。

(2)通过大量数据收集与识别，对石油炼制工业的安全和效率问题起到一定帮助，节省成本与时间；通过大量训练，该模型将会自学习到裂化塔内气体的定性和定量，在塔内起到实时监测作用，有很大的工业价值。

4.根据权利要求3所述的基于PNN神经网络的复合型气体传感器的气体识别方法，其特征在于：所述的该复合型系统由四部分组成，分别为传感器阵列，信号调理电路，数据采集卡，PC端。包括8个不同的工作电极，一个辅助电极和一个参比电极。有研究发现，不同种类的贵金属电极对不同化学成分的敏感性不同，导致其表面的电化学信号经汇总后可形成被测溶液的“指纹图谱”。信号调理电路，用于控制三电极系统的恒压电势并完成采集信号的放大与滤波功能。

5.根据权利要求4所述的基于PNN神经网络的复合型气体传感器的气体识别方法，其特征在于：所述的该复合型系统中，数据采集卡，通过其A/D模块产生电极激励信号并利用A/D模块采集传感器响应信号。PC上位机软件，用于对检测过程进行操控，并对采集到的电极响应信号进行分析。

6.根据权利要求5所述的基于PNN神经网络的复合型气体传感器的气体识别方法，其特征在于：所述四层神经网络，输入的电极信号为一维，即通过复合型传感器得到的一维电流信号，所以输入是一维信号。本多层PNN神经网络共计四层，输入层，模式层，求和层，输出层。两个隐藏层每层18个神经元，输出层为16个神经元。