一种对硫化氢气体的电子鼻检测方法

    公开(公告)号:CN116935981A

    公开(公告)日:2023-10-24

    申请号:CN202310879706.9

    申请日:2023-07-18

    Applicant: 西南大学

    Abstract: 一种对硫化氢气体的电子鼻检测方法,包括以下步骤:1)采集不同浓度的硫化氢气体的气味数据;2)对气味数据进行预处理和特征提取,得到特征点数据;3)构建CNN模型;4)利用特征点数据和气味数据对CNN模型进行训练,得到特征提取模型;5)构建XGBoost模型;6)利用特征点数据和硫化氢气体浓度对XGBoost模型进行训练,得到回归预测模型;7)实时采集待监测环境的气味数据,并输入至特征提取模型中,得到特征点数据;8)将特征点数据输入至回归预测模型中,得到待监测环境硫化氢气体浓度的预测值。本发明通过CNN模型与XGBoost模型的结合,实现对硫化氢气体的预测,并为进一步的研究和应用提供了有价值的指导。

    一种用于气敏传感的石墨烯氧化锡复合材料的制备方法

    公开(公告)号:CN109975368A

    公开(公告)日:2019-07-05

    申请号:CN201910218412.5

    申请日:2019-03-21

    Applicant: 西南大学

    Abstract: 本发明的目的是提供一种用于气敏传感的石墨烯氧化锡复合材料的制备方法,通过把氧化锡颗粒放置在等离子体反应的区域,且无需控制加热温度;把甲烷或其他有机化合物引入到反应体系中,在氢等离子作用下适当增加碳的含量,从而在氧化锡颗粒上快速制备石墨烯阵列的目的,此种方法可直接利用在氧化锡颗粒基底上制备石墨烯,从而得到大比表面积的石墨烯包覆的氧化锡复合材料,该结构大大提高了石墨烯的表面载流子浓度。为实现碳包覆氧化锡复合材料制备提供了一个简洁的方法。

    基于忆阻交叉阵列与Q学习的机器人路径规划系统

    公开(公告)号:CN107085429A

    公开(公告)日:2017-08-22

    申请号:CN201710366671.3

    申请日:2017-05-23

    Applicant: 西南大学

    CPC classification number: G05D1/0221 G06N20/00

    Abstract: 本发明公开了一种基于忆阻交叉阵列与Q学习的机器人路径规划系统,一方面将Q学习中距离目标点的回报由离散点的形式改为用函数表达,另一方面,当机器人距障碍物一定范围时让其以直线趋近目标点,并且本发明提出了具有连续输入输出、动态可变电阻、纳米尺寸的忆阻交叉阵列模型,详细推导了改变忆阻值所需要的电压以及所需的施加时间。最后经实验分析,证明了方案的有效性。本发明提出了利用忆阻交叉阵列来实现机器人路径规划系统的新方案,将为忆阻器以及机器人路径规划更为广阔的应用提供新的思路。

    基于参数-特征迁移学习的混合气体检测方法

    公开(公告)号:CN119782963A

    公开(公告)日:2025-04-08

    申请号:CN202411865944.5

    申请日:2024-12-18

    Applicant: 西南大学

    Abstract: 一种基于参数‑特征迁移学习的混合气体检测方法,包括:1:构建一种基于参数‑特征迁移学习的混合气体检测系统;2:气体信号获取模块获取源域数据集和目标域数据集;3:预处理模块对源域数据集和目标域数据集进行预处理操作;4:使用源域样本集对源域模型进行训练,得到源域模型的最优参数;5:将最优参数通过参数共享迁移到目标域模型中,采用特征自适应进行源域、目标域特征对齐,并微调目标域模型参数;6:使用目标域样本集训练目标域模型;7:获取待检测混合气体数据,并进行预处理操作;8:使用目标域模型对待检测数据进行气体检测,并输出检测结果。效果:不仅能够在目标气体数据量较少的情况下保证适用性,还能实现高精度的气体检测效果。

    用于啤酒识别的基于卷积神经网络的便携式电子鼻

    公开(公告)号:CN119667082A

    公开(公告)日:2025-03-21

    申请号:CN202411709071.9

    申请日:2024-11-27

    Applicant: 西南大学

    Abstract: 一种用于啤酒识别的基于卷积神经网络的便携式电子鼻,其特征在于:设置有垂直环形的气体传感器阵列,该气体传感器阵列经ADC模数转换器连接有预处理模块,该预处理模块连接啤酒识别模块;所述气体传感器阵列用于采集啤酒气体信号,并传递给预处理模块;所述预处理模块用于对所述啤酒气体信号预处理操作,然后将预处理后的啤酒气体数据传递给啤酒识别模块;所述啤酒识别模块为基于通道注意力机制和余弦退火热重启策略的二维卷积神经网络模型CC‑2DCNN,用于根据啤酒气体数据进行啤酒识别,并输出啤酒识别结果。效果:提高了啤酒识别的准确性和可靠性,为检测假冒啤酒和防止啤酒变质提供了可靠解决方案。

    基于忆阻交叉阵列与Q学习的机器人路径规划系统

    公开(公告)号:CN107085429B

    公开(公告)日:2019-07-26

    申请号:CN201710366671.3

    申请日:2017-05-23

    Applicant: 西南大学

    Abstract: 本发明公开了一种基于忆阻交叉阵列与Q学习的机器人路径规划系统,一方面将Q学习中距离目标点的回报由离散点的形式改为用函数表达,另一方面,当机器人距障碍物一定范围时让其以直线趋近目标点,并且本发明提出了具有连续输入输出、动态可变电阻、纳米尺寸的忆阻交叉阵列模型,详细推导了改变忆阻值所需要的电压以及所需的施加时间。最后经实验分析,证明了方案的有效性。本发明提出了利用忆阻交叉阵列来实现机器人路径规划系统的新方案,将为忆阻器以及机器人路径规划更为广阔的应用提供新的思路。

    基于MEMS电子鼻的气体浓度预测方法

    公开(公告)号:CN119537858A

    公开(公告)日:2025-02-28

    申请号:CN202411650307.6

    申请日:2024-11-19

    Applicant: 西南大学

    Abstract: 一种基于MEMS电子鼻的气体浓度预测方法,包括:1:构建微型便携式电子鼻系统;2:气体传感器阵列采集气体特征数据;3:预处理模块对气体特征数据进行预处理操作,得到标准数据;4:气体浓度预测网络中的一维卷积层获取标准数据,并对其进行一维卷积操作,得到卷积数据;5:批归一化层对卷积数据进行批归一化操作,得到归一化数据;6:第一最大池化层对归一化数据进行池化操作,得到第一池化数据;7:注意力层对第一池化数据进行关键特征提取,得到通道特征数据;8:第二最大池化层对通道特征数据进行池化操作,得到第二池化数据;9:全连接层对第二池化数据进行全连接操作,输出气体浓度预测结果。效果:提高了电子鼻的检测精度和便携性。

    铂氮掺杂CNT、掺杂CNT传感器的制备方法及应用

    公开(公告)号:CN112014440B

    公开(公告)日:2022-02-01

    申请号:CN202010919227.1

    申请日:2020-09-04

    Applicant: 西南大学

    Abstract: 本发明公开了一种铂氮掺杂CNT、掺杂CNT传感器的制备方法及应用,通过本发明提供的铂氮掺杂CNT、掺杂CNT传感器的制备方法可以制备得到铂氮掺杂CNT以及铂氮掺杂CNT传感器,增强了CNT对SF6分解组分的吸附能力和反应能力,并且制备得到的铂氮掺杂CNT以及铂氮掺杂CNT传感器对SF6分解组分中的SO2F2有特异性识别能力,在将其用于检测SF6分解组分中SO2F2的浓度时,具有高灵敏度和高准确性。

Patent Agency Ranking