近年来，传感器阵列与模式识别相结合的气体检测新方法备受关注，该方法能够对混合气氛进行定性定量分析，克服了单个传感器不能自动识别气体种类和数量的缺陷，在环境检测、能源化工、食品安全、医疗卫生等方面有着广泛的应用价值。本文针对目前常见的多元有害气体检测问题，主要围绕检测平台的搭建、气体传感器的选取与阵列的制备、数据预处理电路设计、多路信号采集和模式识别算法等方面展开研究，设计并搭建了一套基于传感器阵列和BP神经网络模式识别相结合的多元有害气体检测系统。主要内容包括：1）在实验室前期工作的基础上，根据实验需求，通过LabVIEW软件实现对气体浓度的实时控制与调节，配置了实验所需有害气氛，搭建密闭的测试平台；2）在此平台上，采用费加罗公司TGS系列和阿尔法公司的几个气敏传感器构成传感器阵列，并对传感器分别测试；3）自主设计数据预处理调理电路与采集系统，对传感器阵列信号进行采集；4）利用BP神经网络算法对采集的数据进行分析、识别，实现了对多元混合有害气体含量的有效检测；5）为进一步提高BP神经网络预测的准确性，对BP神经网络的隐藏层神经元数、学习率与隐藏层数等参数进行优化选取，求得最优解。本文研究结果表明，该检测系统能被成功运用于对CO、CO2、NO2、O2四种不同浓度比例混合气体的分类与识别，可以准确的识别气氛，定量识别气体误差仅为1%，可测气体浓度范围从10ppm到5000ppm，有效提高了混合有害气体检测的准确度，最终实现了对混合气体的定性检测和定量分析。