PSO-BP神经网络在多元有害气体检测中的应用

龚雪飞; 徐景; 孙寿通; 刘萍; 简家文

doi:10.13873/J.1000-9787(2015)02-0154-03

Chinese

您当前的位置：

首页 >

文章列表页 >

PSO-BP神经网络在多元有害气体检测中的应用

应用技术 | 更新时间：2025-09-11

- PSO-BP神经网络在多元有害气体检测中的应用
- Application of PSO-BP neural network in multiple harmful gas detection
- 传感器与微系统 2015年34卷第2期页码：154-156+160
- 作者机构：
  
  宁波大学信息科学与工程学院
- 作者简介：
- 基金信息：
  
  浙江省科技厅重大科技专项重点工业项目（2011C16037）;浙江省宁波市科技局自然科学基金资助项目（2013A610002）
- DOI：10.13873/J.1000-9787(2015)02-0154-03
  中图分类号： TP183;TP274
- 纸质出版：2015
- 稿件说明：
移动端阅览
[1]龚雪飞,徐景,孙寿通,刘萍,简家文.PSO-BP神经网络在多元有害气体检测中的应用[J].传感器与微系统,2015,34(02):154-156+160.

GONG Xue-fei, XU Jing, SUN Shou-tong, et al. Application of PSO-BP neural network in multiple harmful gas detection[J]. 2015, 34(2): 154-156+160.
[1]龚雪飞,徐景,孙寿通,刘萍,简家文.PSO-BP神经网络在多元有害气体检测中的应用[J].传感器与微系统,2015,34(02):154-156+160. DOI： 10.13873/J.1000-9787(2015)02-0154-03.

GONG Xue-fei, XU Jing, SUN Shou-tong, et al. Application of PSO-BP neural network in multiple harmful gas detection[J]. 2015, 34(2): 154-156+160. DOI： 10.13873/J.1000-9787(2015)02-0154-03.

摘要

针对目前常见的多元有害气体检测问题

搭建了一种基于传感器阵列和BP神经网络相结合的多元有害气体检测系统。该检测系统中采用了BP神经网络算法对传感器阵列的4种混合有害气体的响应信号进行回归分析。为了提高BP神经网络的预测准确性

又利用了粒子群优化（PSO）算法对BP神经网络的权值与阈值进行了优化。结果显示:通过PSO优化的BP（PSO-BP）神经网络预测的平均相对误差小于2%

能够有效解决气体传感器交叉敏感问题。

Abstract

Aiming at problem of muliple harmful gas detection

a gas detection system is developed by combining sensor array with BP neural network algorithm. This test system uses BP neural network algorithm for regression analysis on response signal of four kinds of mixture harmful gases measured by sensor array. In order to improve prediction accuracy of BP neural network

adopt PSO algorithm to optimize BP neural network weights value and threshold value. The results show that the average relative error predicted by PSO optimized BP neural network（ PSO-BP） is less than 2 %

it can effectively solve problem of cross-sensing of gas sensor.

关键词

Keywords

references

BP神经网络性能与隐藏层结构的相关性探究 [J]. 杨守建,陈恳. 宁波大学学报(理工版) . 2013(01)

结合面法向和切向接触刚度的MPSO-BP神经网络算法的建模 [J]. 杨红平,傅卫平,王雯,师彪,杨世强. 仪器仪表学报 . 2012(08)

混合有毒气体检测算法研究 [J]. 郑杰. 计算机仿真 . 2011(08)

Using an improved back propagation neural network to study spatial distribution of sunshine illumination from sensor network data [J] . Hu Junguo,Zhou Guomo,Xu Xiaojun. Ecological Modelling . 2013

A hybrid co-evolutionary cultural algorithm based on particle swarm optimization for solving global optimization problems [J] . Yang Sun,Lingbo Zhang,Xingsheng Gu. Neurocomputing . 2012

A memetic particle swarm optimization algorithm for multimodal optimization problems [J] . Hongfeng Wang,Ilkyeong Moon,Shenxiang Yang,Dingwei Wang. Information Sciences . 2012

浏览量

358

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

Adaboost集成BP神经网络在传感器阵列检测系统中的应用

基于频分复用的压电传感器阵列信号处理电路设计

基于MOS传感器阵列对有害混合气体的检测研究

高精度室内痕量气体监测系统设计

基于传感器阵列的恶臭气体检测