叶南海，赵晓锋，任传法，陈红岩，曲　健（.浙江环球滤清器有限公司，浙江瑞安3504；.中国计量学院机电工程学院，浙江杭州3008）

支持向量机算法在CO浓度传感器中的应用

叶南海1，赵晓锋1，任传法1，陈红岩2，曲健2
（1.浙江环球滤清器有限公司，浙江瑞安325204；2.中国计量学院机电工程学院，浙江杭州310018）

针对基于红外光谱的CO气体定量分析模型对机动车尾气排放中有害气体CO的定量分析；选取了浓度范围在0.5%～20%的15组不同浓度的CO气体样本，建立CO浓度的支持向量机（SVM）回归分析模型，基于改进的网格搜索法对SVM的相关参数进行了优化。实验结果表明：经过SVM的回归分析，与传统的光谱吸收方法相比，处理后浓度值比实验所得浓度值更接近CO标定值；与粒子群优化（PSO）算法作对比，采用网格搜索法获得的最佳参数c=0.707，g=0.5，PSO获得的c=55.911，g=0.01，所用时间比PSO算法节省约40%。SVM应用于CO的浓度分析，符合实验要求，回归效率提高。

红外光谱；支持向量机；网格搜索；尾气排放

0　引言

传统的气体定量分析检测技术主要有电化学法、色谱法和光学吸收法。其中，李国林等人［1］利用CO气体分子在4.6 μm处的基频吸收带，采用新脉冲的红外光源和双通道的热释电探测器研制了一种CO浓度检测系统；白泽生等人［2］利用红外吸收型CO2气体传感器设计了一种CO2气体检测方法，与气相色谱仪测量值的差值在3%以内。传统的气体检测方法受外界环境如温度、湿度、压强和自身元器件工作的稳定性和精度影响较大，所以，测量的准确度不稳定，需要结合其他方法进行回归拟合。……