随着科学技术的进步和对大气环境监测的重视,对火电厂烟气排放多组分气体的检测要求不断提高,因而利用多个高性能传感器元件筑成传感阵列,并结合基于智能算法的模式识别与数据挖掘技术实现混合组分气体浓度高精度检测,在火电厂烟气排放等多组分污染气体检测领域具有重要的应用前景。本论文致力于采用纳米修饰石墨烯传感阵列协同智能信息处理技术构建火电厂烟气组分检测系统。首先对气敏复合薄膜体系进行系统研究:在附有叉指回形电极的PCB衬底上,通过水热法和层层自组装方法制备基于金属氧化物（MOx）修饰还原氧化石墨烯（rGO）的MOx/rGO敏感薄膜,并采用SEM、XRD和拉曼光谱技术对样品微观形貌和结构进行表征。研究了四种MOx/rGO薄膜气敏传感器（SnO₂/rGO、TiO₂/rGO、CuO/rGO、ZnO/rGO）对于烟气组分气体NO₂、SO₂、CO的室温气敏特性,包括动态切换响应特性、灵敏度、响应/恢复特性、重复稳定性、选择性等,室温下其检测气体浓度下限达到亚ppm甚至ppb量级。基于异质结的能带结构、电荷转移及敏感材料的理化特性,揭示了MOx/rGO薄膜对目标气体的敏感特性和响应机理。在此基础上,筛选并构筑高性能气敏传感阵列,获取了传感阵列对单组分、两组分以及三组分烟气气体的稳态响应,研究了NO₂、SO₂、CO三种气体对传感阵列响应的交叉敏感性。最后,构建了BP神经网络,LS-SVM,RBF神经网络模型用于火电厂烟气组分识别与浓度预测。其中RBF神经网络模型获得较好的预测效果,最大相对误差小于0.4%,训练速度快,泛化能力强,具有较好的应用价值。本论文以“新材料-新器件-新方法-新应用”为主线,研究了纳米修饰石墨烯薄膜传感阵列构筑及协同智能模型用于火电厂烟气排放检测,为研制新型火电厂烟气组分智能检测装备提供了一种新途径。论文研究工作对于推动火电厂烟气排放监测新装置的产业化具有现实的迫切性和长远的社会经济效益,对于汽车尾气排放监测及大气环境监测具有重要的借鉴参考价值。