基于SAW传感器的嵌入式电子鼻测试系统和测试方法

摘要

本发明公开了基于SAW传感器的嵌入式电子鼻测试系统和测试方法，包括如下步骤：（1）微控制器获取相关训练数据和测试数据；（2）若所获取的数据格式不符合规范，则进行处理，否则跳过此步；（3）若收到设置参数信号，则跳至第（6）步，否则自动设置相关参数；（4）根据神经网络的规则调整相关参数，直到训练完成；（5）若训练结果达到要求，则跳至第（8）步，否则继续；（6）根据参数信号设置相关参数，直到训练完成；（7）若训练结果达到要求，则跳至第（8），否则跳回第（6）步；（8）把训练结果用于模式识别或者软件测量，根据测试数据，得到实际输出。本发明简化和优化了神经网络算法，能将其训练过程移植到嵌入式平台中。

主权项

一种基于SAW传感器的嵌入式电子鼻测试系统的测试方法，其特征在于，包括如下步骤：（1）微控制器获取相关训练数据和测试数据；（2）若所获取的数据格式不符合规范，则进行处理，否则跳过此步；（3）若收到设置参数信号，则跳至第（6）步，否则自动设置相关参数；（4）根据神经网络的规则调整相关参数，直到训练完成；（5）若训练结果达到要求，则跳至第（8）步，否则继续；（6）根据参数信号设置相关参数，直到训练完成；（7）若训练结果达到要求，则跳至第（8），否则跳回第（6）步；（8）把训练结果用于模式识别或者软件测量，根据测试数据，得到实际输出；所述步骤（2）中的数据格式包括：训练样本维数n、理想输出维数m、训练样本个数、理想输出个数、测试样本个数N、训练样本的数据和理想输出的数据；对数据格式不符合规范的处理方法包括：（2‑1）按照如下规律“训练样本数据1，训练样本数据2……训练样本数据N；理想输出1，理想输出2……理想输出数据P；测试数据1，测试数据2……测试数据M”，其中M代表需要测试的个数；N代表用于输入的样本个数；P与分析的气体数目相同；（2‑2）训练样本或测试样本的数据归一化处理，范围是0.0‑1.0；（2‑3）输出的数据归一化处理，范围是0.0‑1.0；步骤（3），（4），（6）中的相关参数包括神经网络的节点数K，学习效率 ，训练中止误差，最大循环次数 ，规定时间t；所述步骤(3)和(6)中的参数信号如果需要修改，则按照以下格式“Y: 神经网络节点数：学习效率：训练中止误差：最大循环次数：规定时间”，否则不发送信号；步骤（4）中的神经网络的规则包括：3层BP神经网络、权值初始化规则、学习效率的规则、隐层节点数选取规则、训练停止规则；权值初始化规则的权值初始化为随机的初始化，初始化的权值取值区间为（‑1,1）；所述学习效率的规则选取较大的学习率为初始值，学习效率计算公式为：，其中，为学习效率的初始值，表示最大循环次数时候的学习效率，表示最大循环次数，若训练迭代一次后，误差增大，那么采取策略:进行调整，直到满足条件中止，若训练迭代一次后，误差减小，采取策略：进行调整，直到满足条件中止；所述隐层节点数选取规则采用公式：，其中，K表示隐层节点数，n表示训练样本维数，m表示理想输出维数，a为大于1的常数，其最大为50，如果消耗的时间小于预期的时间，直接选取a对应的K值作为隐层节点数，否则改变a的值，使得a = a * 0.7，并将对应的K的值作为隐层节点数；所述训练停止规则，包括：规则1：“当前误差小于训练中止误差，并且保持稳定变化”；规则2：“当前循环次数小于最大循环次数，并且连续测试的误差变化小于1%”，规则3：“在规定的时间内完成测试，并且当前循环次数和当前误差分别满足规则1和规则2”；步骤（8）中用于计算的训练结果，包括①对权值矩阵的保存，使整个过程都是在同一个权值矩阵的条件下；②对隐层节点数，学习效率，最大循环次数，训练中止误差，程序运行时间进行存储，并将测试后结果发送至远程端。