张志刚,陈红岩,曲 健

(1.浙江农业商贸职业学院汽车技术系,浙江 绍兴 312088;2.中国计量大学机电工程学院,杭州 310018)

多组分汽车尾气定量检测系统*

张志刚1,陈红岩2*,曲 健2

(1.浙江农业商贸职业学院汽车技术系,浙江 绍兴 312088;2.中国计量大学机电工程学院,杭州 310018)

针对混合气体浓度检测中,气体间交叉吸收干扰及红外光谱数据计算量过大等问题,提出了一种基于网格搜索的支持向量机方法,建立多组分混合气体定量分析模型。运用网格搜索法对支持向量机建模中的参数进行优化选择,并与遗传算法优化的BP网络建模效果作对比。实验表明:SVM建模所用时间为39.824 s,BP神经网络约为2 682 s;SVM建模预测结果均方差明显低于BP网络。SVM建模时间约为BP网络的1/60,收敛速度更快,且预测精度更高。

气体检测;定量分析;支持向量机;BP神经网络;交叉干扰

目前,气体的定量分析技术已广泛应用于食品安全、环境监测、生产安全等多个领域[1]。在进行多组分气体同时测量时,待测气体的吸收谱线存在严重的交叉重叠现象,如果不加以回归分析修正,将严重影响测量的灵敏度和精度[2],需要后续的数据处理。

现代气体检测技术有人工神经网络ANN(Artificial Neural Network)方法和支持向量机SVM(Support Vector Machine)方法等。其中,耿志广[3]等将神经网络与气体传感器阵列技术相结合,克服了传感器阵列在混合气体检测中的交叉敏感现象;黄小燕[4[5]等利用粒子群优化算法对支持向量机进行参数优化,用于混合气体定量分析,进一步提高了预测精度;李玉军[6]等人将粒子群优化与最小支持二乘向量机相结合,并与遍历优化算法相比较,寻优时间节省40倍以上,预测结果误差水平相当。……