[发明专利]一种气体嗅觉智能识别方法、系统、介质、设备及终端

权利要求书

1.一种气体嗅觉智能识别方法，其特征在于，所述气体嗅觉智能识别方法包括：

利用机器学习算法对气体传感器采集到的特征数据集进行训练，得到综合分类模型，进而利用综合分类模型得到气体种类预测结果。

2.如权利要求1所述气体嗅觉智能识别方法，其特征在于，所述气体嗅觉智能识别方法包括以下步骤：

步骤一，获取气体传感器对气体识别的响应恢复曲线数据；

步骤二，从响应恢复曲线中提取特征值；

步骤三，对特征值进行预处理及Z-score标准化，得到特征数据集；

步骤四，将所述特征数据集随机分为训练数据集和测试数据集；

步骤五，利用机器学习算法对训练数据集进行训练，得到综合气体分类模型，并利用测试数据集对所述综合气体分类模型进行检测。

3.如权利要求2所述气体嗅觉智能识别方法，其特征在于，所述步骤二中的特征值包括响应时间、恢复时间、稳态时间、曲线积分面积之和，最大响应值、上升阶段最大正斜率和下降阶段最小负斜率。

4.如权利要求3所述气体嗅觉智能识别方法，其特征在于，所述响应时间为传感器接触的气体浓度发生阶跃变化时，输出变化达到稳定值90％时所需的时间；恢复时间为传感器通气平衡状态恢复到10％信号所需的时间；稳态时间为传感器响应曲线保持平衡状态的时间；

所述曲线积分面积之和采用Newton-Cotes求积公式计算得到；

其中，h为积分步长，是曲线上相邻两点横坐标之间的距离；n表示把积分区域平均分成i+1等份；f(x_i)和f(x_i+1)分别是曲线上第i个和第i+1个函数值；

所述最大响应值为曲线的最大值；

所述上升阶段最大正斜率计算公式如下：

其中，x取值为上升阶段区域；

所述下降阶段最小负斜率计算公式如下：

其中，x取值为下降阶段区域。

5.如权利要求2所述气体嗅觉智能识别方法，其特征在于，所述步骤三中的对从响应恢复曲线中提取出的特征值进行预处理及Z-score标准化包括：

根据预设的无用特征，移除无用数据得到特征值；

利用Z-score标准化，对特征值进行去量纲处理。

6.如权利要求2所述气体嗅觉智能识别方法，其特征在于，所述步骤五中的机器学习算法包括逻辑回归、K最邻近、随机森林、支持向量机以及人工神经网络在内的五种机器学习算法。

7.一种应用如权利要求1～6任意一项所述气体嗅觉智能识别方法的气体嗅觉智能识别系统，其特征在于，所述气体嗅觉智能识别系统包括：

曲线数据获取模块，用于获取气体传感器对气体识别的响应恢复曲线数据；

特征值提取模块，用于从响应恢复曲线中提取特征值；

特征数据集获取模块，用于对特征值进行预处理及Z-score标准化，得到特征数据集，并将特征数据集随机分为训练数据集和测试数据集；

模型构建模块，用于利用机器学习算法对训练数据集进行训练，得到综合气体分类模型，并利用测试数据集对所述综合气体分类模型进行检测。

8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1～6任意一项所述气体嗅觉智能识别方法的步骤。

9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1～6任意一项所述气体嗅觉智能识别方法的步骤。

10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求7所述气体嗅觉智能识别系统。