An explosive gas recognition system using neural networks

신경회로망을 이용한 폭발성 가스 인식 시스템

In this paper, we have implemented a gas recognition system for classification and identification of explosive gases such as methane, propane, and butane using a sensor array and an artificial neural network. Such explosive gases which can be usually detected in the oil factory and LPG pipeline are very dangerous for a human being. We analyzed the characteristics of a multi-dimensional sensor signals obtained from the nine sensors using the principal component analysis(PCA) technique. Also, we implemented a gas pattern recognizer using a multi-layer neural network with error back propagation learning algorithm, which can classify and identify the sorts of gases and concentrations for each gas. The simulation and experimental results show that the proposed gas recognition system is effective to identify the explosive gases. And also, we used DSP board(TMS320C31) to implement the proposed gas recognition system using the neural network for real time processing.

다중 센서 어레이와 신경회로망을 이용하여 메탄, 프로판, 부탄 등의 폭발성 가스의 종류 및 농도를 실시간으로 분석하고, 인식하여 결과를 실시간으로 출력할 수 있는 가스 인식 시스템을 구현하였다. 정유 공장이나 도시가스 배관 등에 비교적 많이 분포하는 폭발성 가스인 메탄, 프로판, 부탄 등의 가스들을 분류하고, 그 농도를 인식할 수 있는 시스템의 구현을 위해, 우선 9개의 후막형 반도체식 가스 센서로 구성된 가스 센서 어레이로부터 얻어지는 다차원 신호를 Principal Component Analysis(PCA)를 이용하여 그 특성을 분석하였다. 분석 결과를 바탕으로 오차역전파 학습 알고리즘을 갖는 다층 구조 신경회로망을 이용하여 가스 종류 및 농도를 정확하게 인식할 수 있는 가스 인식 시스템을 구현하였으며, 실시간 처리 시스템을 위해 TMS320C31 DSP 보드를 이용하여 가스인식 시스템을 구현하였다.