收稿日期:2022-10-29基金项目:国家自然科学基金(52172069);江苏重点研发项目(BE2019094)通信作者:刘桂武,教授,博士,主要从事金属/陶瓷的润湿及应用气体传感器方面的研究。E-mail:gwliu76@ujs.edu.cn电子元件与材料ElectronicComponentsandMaterials第42卷Vol.42第5期No.55月May2023年2023基于传感器阵列结合GA-BP算法对VOC的识别研究曾海栋,刘桂武,王明松,柏凌,乔冠军(江苏大学材料科学与工程学院,江苏镇江212013)摘要:为提高空气中挥发性有机物(VOC)检测可靠性,提出了一种基于气敏传感器阵列结合遗传算法(GA)优化反向传播(BP)神经网络算法的VOC检测模型。选用多个气体传感器组建阵列对VOC混合气体样本进行响应测试,使用主成分分析(PCA)对响应数据进行数据降维及初步分类探索,使用构建的GA-BP神经网络算法模型在PCA探索性分析的基础上进行定性及定量识别,并与BP神经网络识别结果进行对比。结果表明:遗传算法优化后的BP神经网络多元分类和回归模型性能优良且稳定,气体分类识别准确率达96%,浓度回归预测均方根误差为1.8×10-2,平均相对误差为5.2%,平均训练耗时分别降至1.5s和1.12s,效果显著优于BP神经网络算法模型。这些研究结果进一步拓展了GA-BP算法结合气敏传感器在挥发性有机物检测识别中的应用前景。关键词:挥发性有机物;传感器阵列;遗传算法;气体识别中图分类号:TN212.2文献标识码:ADOI:10.14106/j.cnki.1001-2028.2023.1650引用格式:曾海栋,刘桂武,王明松,等.基于传感器阵列结合GA-BP算法对VOC的识别研究[J].电子元件与材料,2023,42(5):526-533.Referenceformat:ZENGHaidong,LIUGuiwu,WANGMingsong,etal.VOCrecognitionmodelbasedonsensorarrayandGA-BPalgorithm[J].ElectronicComponentsandMaterials,2023,42(5):526-533.VOCrecognitionmodelbasedonsensorarrayandGA-BPalgorithmZENGHaidong,LIUGuiwu,WANGMingsong,BAIling,QIAOGuanjun(SchoolofMaterialsScienceandEngineering,JiangsuUniversity,Zhenjiang212013,JiangsuProvince,China)Abstract:Inordertoimprovethedetectionreliabilityofvolatileorganiccompounds(VOC)intheair,aVOCdetectionmodelbasedongassensorarraycombinedwithgeneticalgorithm(GA)optimizedbackpropagation(BP)neuralnetworkalgorithmwasproposed.MultiplegassensorswereusedtoformanarraytotesttheresponseofVOCmixedgassamples.Principalcomponentanalysis(PCA)wasusedtoreducethedimensionoftheresponsedataa...
