传感技术学报
傳感技術學報
전감기술학보
Journal of Transduction Technology
2006年
3期
552-554,558
,共4页
张覃轶%谢长生%李登峰%张顺平%柏自奎
張覃軼%謝長生%李登峰%張順平%柏自奎
장담질%사장생%리등봉%장순평%백자규
气体传感器阵列%可挥发有机物(VOCs)%模式识别
氣體傳感器陣列%可揮髮有機物(VOCs)%模式識彆
기체전감기진렬%가휘발유궤물(VOCs)%모식식별
采用6个不同掺杂的纳米ZnO气体传感器组成的阵列实现了乙醇、丙酮、苯、甲苯、二甲苯的识别.研究表明,掺杂可大幅度提高传感器的敏感度和对可挥发有机物(VOCs)的选择性.对比了k近邻法、线性判别法、反传人工神经网络、概率神经网络、学习向量量化等在本实验中的应用.反传人工神经网络具有最高识别率,可达100%.本研究表明电子鼻在空气质量监测中具有广阔的应用前景.
採用6箇不同摻雜的納米ZnO氣體傳感器組成的陣列實現瞭乙醇、丙酮、苯、甲苯、二甲苯的識彆.研究錶明,摻雜可大幅度提高傳感器的敏感度和對可揮髮有機物(VOCs)的選擇性.對比瞭k近鄰法、線性判彆法、反傳人工神經網絡、概率神經網絡、學習嚮量量化等在本實驗中的應用.反傳人工神經網絡具有最高識彆率,可達100%.本研究錶明電子鼻在空氣質量鑑測中具有廣闊的應用前景.
채용6개불동참잡적납미ZnO기체전감기조성적진렬실현료을순、병동、분、갑분、이갑분적식별.연구표명,참잡가대폭도제고전감기적민감도화대가휘발유궤물(VOCs)적선택성.대비료k근린법、선성판별법、반전인공신경망락、개솔신경망락、학습향량양화등재본실험중적응용.반전인공신경망락구유최고식별솔,가체100%.본연구표명전자비재공기질량감측중구유엄활적응용전경.
