ОПТИМИЗАЦИЯ 'ЭЛЕКТРОННОГО НОСА' ДЛЯ КЛАССИФИКАЦИИ БЕНЗИНОВ МЕТОДОМ КЛАСТЕРНОГО АНАЛИЗА

Autor: Kruglenko, I.
Jazyk: ukrajinština
Rok vydání: 2008
Předmět:
Zdroj: Sensor Electronics and Microsystem Technologies; Том 5, № 4 (2008); 62-66
Сенсорная электроника и микросистемные технологии; Том 5, № 4 (2008); 62-66
Сенсорна електроніка і мікросистемні технології; Том 5, № 4 (2008); 62-66
ISSN: 1815-7459
2415-3508
Popis: In the present work the use of the cluster analysis method in the fuzzy logic concept for the optimisations of the cross-selective sensor arrays (“e-Nose”) for the specific applied problems is considered. The ability of approach to form the sensor array with definite chemical functionality demonstrated for the classification of the gasoline products of the regular grades. The optimisations of the e-Nose in the kinetic mode and selection of the most informative part of the sensor response enabled to reduce the analysis time, the number of the sensors in array, to improve the discriminatory capability of the system as a whole.
У даній роботі розглядається використання методу кластерного аналізу в понятті нечіткої логіки для оптимізації селективних сенсорних масивів (“e-ніс”) для певних прикладних проблем. Здатність підходу сформувати сенсорний масив з певною хімічною функціональністю продемонстровано для класифікації бензинових продуктів. Оптимізація e-носа і вплив повторюваних експериментальних відгуків на класифікаційну здатність сенсорів, можливість скоротити час аналізу, число датчиків в масиві, щоб покращити дискримінаційну здатність системи в цілому — основні задачі даної роботи.
В данной работе рассматривается использование метода кластерного анализа в понятии нечеткой логики для оптимизации селективных сенсорных массивов (“e-ніс”) для определенных прикладных проблем. Способность подхода сформировать сенсорный массив с определенной химической функциональностью продемонстрировано для классификации бензиновых продуктов. Оптимизация e-носа и влияние повторяемых экспериментальных отзывов на классификационную способность сенсоров, возможность сократить время анализа, число датчиков в массиве, чтобы улучшить дискриминационную способность системы в целом — основные задачи этой работы.
Databáze: OpenAIRE
Externí odkaz: