刘文贞，陈红岩，袁月峰，郭晶晶，李孝禄

（中国计量学院机电工程学院，杭州310018）

基于遗传算法的小波神经网络在多组分气体检测中的应用

刘文贞，陈红岩*，袁月峰，郭晶晶，李孝禄

（中国计量学院机电工程学院，杭州310018）

由于利用不分光红外吸收法（NDIR）的多组分气体传感器对汽车尾气（主要成分为CO2、CO、HC化合物）进行同时测量时，所测气体浓度是交叉吸收干扰后的结果，造成测量误差大，分析精度低。针对此问题，将遗传算法优化的小波神经网络用于建立基于红外光谱的三组分气体定量分析模型中。采集CO2、CO、HC的浓度信号，作为模型输入，通过模型回归分析，得到对应的混合气体组分浓度，解决气体之间相互干扰的问题。最后通过实验数据对模型性能进行仿真分析，结果表明，该模型的平均误差相比于传统模型明显减低，取得较好的精度。

汽车尾气；交叉吸收干扰；小波神经网络；遗传算法

EEACC:7230doi:10.3969/j.issn.1004-1699.2016.07.026

在涉及到非线性干扰问题时，国内外研究人员对于多元校正理论在很多领域进行了大量的研究，提出了许多特定领域行之有效的校正算法，如多元线性回归法（MLR）、主成分分析（PCA）、人工神经网络（ANN）、支持向量机（SVM）、偏最小二乘（PLS）回归分析等［1-6］。但是当分析体系存在严重的非线性响应时，以上方法有些难以对这种非线性响应进行有效的描述，而且背景或噪音会产生干扰并影响建模的准确性。有学者采用小波神经网络（WNN）对多组分气体进行建模［7］，取得了不错的检测结果。然而小波神经网络性能与网络参数密切相关，当前主要采用梯度下降法对网络参数进行优化，梯度变化方向相对固定，限制了小波神经网络参数优化的方向，且存在易陷入局部极小点和引起振荡效应等不足。……