基于多重自组织神经网络的电子鼻在线漂移补偿方法

摘要

本发明提供了一种基于多重自组织神经网络的电子鼻在线漂移补偿方法，该方法通过在电子鼻执行漂移补偿之前增加预判决步骤，使得电子鼻能够结合气体传感器阵列前后的电信号输出阵列值的变化情况以及气体传感器阵列电信号输出阵列值与多重自组织神经网络中各个神经元之间的差距，自行判别气体传感器阵列的敏感响应状态(暂态响应或是稳态响应)以及是否有干扰气体参与了漂移补偿训练，从而自行屏蔽气体传感器阵列的暂态响应或者对干扰气体的响应，保证电子鼻不会对神经元进行错误的漂移补偿，增强了电子鼻在漂移补偿训练中的自适应抗干扰能力，使得电子鼻能够进行在线的漂移补偿训练，并保证电子鼻经在线漂移补偿后依然保持良好的检测识别性能。

主权项

1.基于多重自组织神经网络的电子鼻在线漂移补偿方法，其特征在于，包括如下步骤：A）初始化步骤，其具体为：a1）初始化时刻t=0；a2）获取t=0时刻电子鼻气体传感器阵列的电信号输出阵列X_ts(0)：X_ts(0)=[x_ts,1(0),x_ts,2(0),…,x_ts,i(0)]；其中，i表示电子鼻气体传感器阵列中气体传感器的个数；x_ts,1(0),x_ts,2(0),…,x_ts,i(0)表示在t=0时刻电子鼻气体传感器阵列中i个气体传感器的电信号输出值；B）在线漂移补偿步骤；具体为：b1）时刻t自加1；b2）获取当前时刻电子鼻气体传感器阵列的电信号输出阵列X_ts(t)：X_ts(t)=[x_ts,1(t),x_ts,2(t),…,x_ts,i(t)]；其中，x_ts,1(t),x_ts,2(t),…,x_ts,i(t)表示在当前时刻电子鼻气体传感器阵列中i个气体传感器的电信号输出值；b3）求取当前时刻的电信号输出阵列斜率其中，n为时刻差参数，取值为1～10之间的整数；X_ts(t-n)表示在此前第n个时刻电子鼻气体传感器阵列的电信号输出阵列；||X_ts(t)-X_ts(0)||表示取X_ts(t)与X_ts(0)的欧氏距离，||X_ts(t)-X_ts(t-n)||表示取X_ts(t)与X_ts(t-n)的欧氏距离；判断当前时刻的电信号输出阵列斜率是否大于预设的斜率筛选阈值若则当前时刻的在线漂移补偿步骤到此终止；否则，继续执行步骤b4）；b4）求取当前时刻电子鼻气体传感器阵列的电信号输出阵列X_ts(t)与电子鼻中匹配获胜神经元的归一化欧氏距离Δd(t)：k∈{1,2,…,K}，m∈{1,2,…,M_k}；其中，K表示电子鼻的自组织神经网络的数量，M_k表示电子鼻的第k个自组织神经网络中神经元的数量；表示在此前一时刻电子鼻的第k个自组织神经网络中第m个神经元，则表示所述神经元中的i个特征电信号值；符号表示取归一化值，和分别表示取所述电信号输出阵列X_ts(t)的归一化值和取所述神经元的归一化值；表示取与的欧氏距离；表示取与的欧氏距离在所有k∈{1,2,…,K}和m∈{1,2,…,M_k}情况中的最小值；判断当前时刻电子鼻气体传感器阵列的电信号输出阵列X_ts(t)与电子鼻中匹配获胜神经元的归一化欧氏距离Δd(t)是否大于预设的距离筛选阈值θ_d，若Δd(t)>θ_d，则当前时刻的在线漂移补偿步骤到此终止；否则，继续执行步骤b5）；b5）求取匹配获胜神经元所在自组织神经网络的序号k_1st以及匹配次获胜神经元所在自组织神经网络的序号k_2nd：其中，表示取的欧氏距离在所有k∈{1,2,…,K}和m∈{1,2,…,M_k}情况中仅大于的次最小值；判断匹配获胜神经元与匹配次获胜神经元是否在同一自组织神经网络，若k_1st=k_2nd，按照下式对匹配获胜神经元和匹配次获胜神经元所在自组织神经网络中各个神经元进行漂移补偿：k=k_1st或k_2nd；若k_1st≠k_2nd，则按照下式分别对匹配获胜神经元所在自组织神经网络中各个神经元和匹配次获胜神经元所在自组织神经网络中各个神经元进行漂移补偿：其中，表示在当前时刻电子鼻的第k个自组织神经网络中第m个神经元，则表示所述神经元中的i个特征电信号值；a为补偿比例系数，取值范围为0<a≤1；C）循环执行步骤B），直至电子鼻终止在线漂移补偿工作。