随着工业的快速发展,污染物排放量的逐年升高,在线式空气质量监测仪凭借其便携性、实时性等诸多优点,在工业领域获得了极大的应用。目前传统的在线式工业现场空气质量监测仪普遍存在忽略气体传感器具有交叉敏感性的问题,难以达到较高的监测精度。本课题针对上述不足,设计研制了一款新型的基于传感器阵列的高精度低成本工业现场VOCs气体在线监测设备。本文选择使用苯、二甲苯和甲醛3个工业现场常见的VOCs气体传感器构建气体传感器阵列,并基于嵌入式技术设计了检测系统的硬件平台,通过和气体传感器阵列模块相互连接,实现工业现场VOCs气体浓度的在线监测。本文采用热力学基本原理计算静态配气量,通过静态配气法进行检测试验,建立传感器阵列对苯、甲醛、二甲苯各自的响应曲线模型。通过试验获取传感器阵列对三种VOCs混合气体的响应数据。本文对实验测得的原始数据采用粗大误差剔除的方法进行数据清洗,以该数据为基础,建立低成本传感器阵列到高成本PID传感器之间的非线性映射关系所需的数据集。以数据集为基础,通过机器学习中的BP神经网络,极限学习机(ELM),小波神经网络模型(WNN),建立低成本传感器阵列到高成本PID传感器之间的非线性回归模型,实现传感器安装以及维护成本的降低。通过样本数据对模型进行验证,表明该非线性回归模型的误差较低,检测误差控制在10%以内,能够满足工业需求。最后,通过设计基于Flask框架的可视化程序,利用阿里云的云端服务器架构,实现监测数据远程传输以及可视化功能,形成了一套低成本安装以及维护的工业现场VOCs气体在线监测系统。