刘伟玲 吴龙焦 张思祥 闫子琪

摘  要： 为了评估恶臭对人类和环境的影响，需要有效鉴别出恶臭成分，设计并研发了以传感器阵列为核心的在线检测恶臭成分的电子鼻系统。针对传感器响应曲线几何特征提取方式的不足，提出分段拟合曲线的方式进行特征值提取。采用主成分分析（PCA）和线性判别分析（LDA）两种降维方式对原始数据降维，并结合支持向量机（SVM）和BP神经网络进行分类识别。结果表明，SVM和BP神经网络结合LDA都能100%识别出三种恶臭物质，SVM结合PCA识别率为92%，BP神经网络结合PCA识别率为94%。

关键词： 电子鼻系统; 气体识别; 特征值提取; 特征降维; 气体分类; 在线检测

中图分类号： TN98?34; TP212.9                 文献标识码： A                       文章编号： 1004?373X（2020）06?0057?04

Research on mixed gas recognition based on electronic nose technology

LIU Weiling ， WU Longjiao， ZHANG Sixiang， YAN Ziqi

（ School of Mechanical Engineering， Hebei University of Technology， Tianjin 300130， China）

Abstract： In order to evaluate the impact of foul smell on human?beings and environment， it is necessary to effectively identify foul smell′s components. An electronic nose system with sensor array as its core for the online detection of foul smell′s components is designed and developed. As for the insufficiency of the geometric feature extraction method of sensor response curve， the method of segment fitting curve is proposed to extract feature values. The principal component analysis （PCA） and linear discriminant analysis （LDA） are used for the dimension reduction of original data， and the support vector machine （SVM） and BP neural network are combined with them for the classification and identification. The results show that both SVM and BP neural network combined with LDA can recognize three kinds of foul smell substances in 100%， the recognition rate of SVM combined with PCA is 92%， and the recognition rate of BP neural network combined with PCA is 94%.

Keywords： electronic nose system; gas identification; feature value extraction; feature dimension reduction; oder classification; only detection

0  引  言

隨着我国现代工业的迅猛发展，经济增长的同时也带来了巨大的环境污染问题。恶臭作为一种环境污染，已经成为当今世界七大公害之一[1]。恶臭物质对人体消化系统、呼吸系统和神经系统都会造成不同程度的损害，严重危害人类身心健康。恶臭物质成分不同，对人类造成的影响也不同。有效鉴别恶臭成分是治理恶臭和评价恶臭对人类影响的一个重要环节。因此，研究一款能够智能鉴别恶臭成分的检测系统具有重要意义。

电子鼻是模仿生物鼻的一种人工嗅觉系统，它能够快速、准确获取气味特征，并根据这些特征准确鉴别不同气味的成分。与常规仪器分析法相比，电子鼻采样时间和分析时间短，对复合恶臭物质能实现有效鉴别。目前，电子鼻广泛应用于食品[2]、农产品[3]、环境监测[4]、安全[5]等领域。……