Bu çalışmada, sensörlerin kararlı durum sinyalleri kullanılarak trikloretilen ve karbontetraklorid gazlarının
nicel sınıflandırılması yapılmasına çalışılmıştır. Bu amaçla, Yapay Sinir Ağları (YSA) kullanılmıştır. YSA, gaz
konsantrasyon tahmini ve gaz karışımı sınıflandırması için kullanılmıştır. Gaz konsantrasyon tahmini için, gaz
sensörlerinin geçici durum cevabı ve gaz karışımı sınıflandırması için, sensör kararlı durum cevapları alınmıştır. Bir
ileri-beslemeli çok-katmanlı gizli-katmanlı yapay sinir ağı, geriye-yayılım ve Levenberg-Marquardt öğrenme
algoritmalarıyla gerçekleştirilmiştir. Bu sistem için başarılı performanslar elde edilmiş ve YSA’nın uçucu organik
bileşimlerin nicel sınıflandırılması için uygunluğu gözlenmiştir.
In this study, quantitative classification of tricholoroethylene and carbontetrachloride was tried using
steady state responses of sensors. For this purpose, Artificial Neural Networks (ANN) were used. ANN was used for
gas concentration estimation and quantitative classification of the gas mixture. For gas concentration estimation, the
gas sensor transient state responses were taken and for quantitative classification of the gas mixture, the gas sensor
steady state responses were taken. A feed-forward multi-layer neural network with hidden layers trained by a backpropagation
and Levenberg-Marquardt learning algorithms has been implemented. Acceptable performance is
obtained for this system and the appropriateness of ANN for the quantitative classification of volatile organic
compounds is observed.
Binary gas mixture classification artificial neural networks
Diğer ID | JA23RD37UY |
---|---|
Bölüm | Makaleler |
Yazarlar | |
Yayımlanma Tarihi | 1 Ağustos 2005 |
Gönderilme Tarihi | 1 Ağustos 2005 |
Yayımlandığı Sayı | Yıl 2005 Cilt: 1 Sayı: 2 |