随着传感器技术、数据处理技术、计算机技术、人工智能技术、并行计算的软件和硬件技术等相关技术的发展,电子鼻动态特征信息处理技术必将成为未来电子鼻发展的重要研究方法与手段。 本文介绍了动态特征信息处理的原理与基本方法,在总结了传统动态信息预处理和模式识别方法的基础上,提出了多BP子网络的新方法,建立了最小二乘法在电子鼻动态测量系统中的应用模型,并将径向基神经网络用于电子鼻的动态信息识别中,同时提出了多组预测的方法。为验证并比较各种模式识别算法在电子鼻动态信息处理技术中的辨识效果,设计构建了一套气体传感器阵列和模式识别技术相结合的电子鼻气体检测系统。利用该电子鼻动态测量实验装置,在开放的实验环境下,取有实际意义的雪碧,橙汁和绿茶三种饮料样本进行实验,获取了恒温下及温度调制下的动态实验数据,并进行了定性识别。实验结果表明,BP神经网络的识别能力较差,训练时间长,网络难以收敛到指定误差。因此常规的单级BP网络在电子鼻动态信息处理中得不到较好的应用。而自行设计的多BP子网方法结合恒温下动态测量数据则有较好的识别能力,准确率可达100%。将径向基函数算法应用于处理恒温动态数据和动态温度调制数据时,采用多组预测可将识别率分别由89.7%和70.4%提高到100%和95.3%,可见多组预测的有效性。最小二乘法模型简易,识别效率较高,用该方法来进行数据建模和智能识别,使得两种数据的识别准确率均达到100%,因此这种方法在电子鼻动态信息处理技术中有着很好的应用前景。可见,利用适当的模式识别算法,结合动态响应特性进行识别,能够增加分析信息的维数,获取有关环境气体更为充分的信息,有利于提高电子鼻系统的分析精度,获得气体的高识别率。