随着科学技术的进步和工业生产的发展，对多组份气体的检测和分析的要求不断提高，但是现有的检测手段越来越不能满足需要，因而发展低成本、高性能的结合了气体传感器阵列与模式识别技术的智能电子嗅觉系统(电子鼻)已成为气体检测的新趋势。 本文分析研究了电子嗅觉系统的基本原理和系统组成，设计构建了一套气体传感器阵列和人工神经网络模式识别技术相结合的混合气体检测系统，并利用这套系统对目前在电子嗅觉系统中使用较广泛的几种信号预处理算法和人工神经网络模型的处理能力和辨识效果进行了分析和比较，最后得出了以下结论： 1) 气体传感器阵列与模式识别技术相结合能够很好地分析和辨识混合气体组份及其浓度。气体传感器不拘泥于某一种气体传感器，只要是具有宽响应范围的气体传感器均可使用，这大大降低了电子嗅觉系统的成本。对传感器阵列响应的后续信号处理分析的原理基本相同，因此，模式识别算法一定程度上具有通用性。 2) 信号预处理是提高电子嗅觉系统性能的一个必要步骤。在使用较多的几种信号预处理算法中，阵列归一化算法消除了传感器信号中的浓度因素，因此，在对气体浓度不感兴趣但要求准确识别气体类别的时候特别有用。 3) 人工神经网络以其非线性映射能力、高容错性和鲁棒性，有效地解决了由气体传感器普遍存在的交叉敏感性所带来的非线性严重等问题，并能在一定程度上抑制传感器的漂移或噪声，有助于气体检测精度的提高。反向传播(BP)神经网络和径向基函数(RBF)神经网络各具特点，辨识能力稍有差别。径向基函数神经网络的训练时间远小于反向传播神经网络，且不存在局部极小问题。另外，利用两个反向传播神经网络级联所形成的两级网络辨识气体的组份及其浓度的能力比单级反向传播神经网络高。 人工神经网络与气体传感器相结合，用于识别、分类、诊断和预测，将进一步提高气体检测系统的智能水平。现在，这类系统大都用微型计算机或单片机实现神经网西北工业大学硕士学位论文摘要络的功能，还处于实验室的研究阶段。随着人工智能和人工神经网络的发展，特别是神经网络芯片集成度和速度的提高，应用人工神经网络的电子嗅觉系统必将得到迅速发展和广泛应用。