随着对低浓度气体检测研究的不断深入，近年来呈现出越来越多的检测方法，如超声波技术、光干涉原理、红外吸收光谱原理、环形光路的Sagnac效应及腔衰荡测量等技术。随机共振方法是近30年来发展起来的强噪声背景下微弱特征信号增强检测的新方法。本论文设计一种基于随机共振的低浓度气体检测系统，弥补了现有低浓度气体检测技术灵敏度不高、费时、成本高和难以普及的不足。随机共振是一个非线性系统，能将部分噪声能量转化为信号能量以增强微弱信号检测能力，有效提高系统输出信噪比和检测特性。针对随机共振在工程实际信号中系统参数优化困难的问题，论文提出了一种自适应参数调节随机共振，并进一步结合最优化理论，利用智能优化算法，构建了基于遗传算法的随机共振系统。论文首先介绍了随机共振理论及其国内外研究现状，双稳态随机共振系统，并详细总结了最优化理论中的常用智能优化算法。其次对随机共振系统的参数特性进行研究，从物理概念和实验仿真两个角度分析理解系统参数是如何影响随机共振现象的产生的，为确定各参数的调整方向(增大或减小)以尽快的选择参数，使系统达到随机共振状态奠定理论基础。对于工程实际信号，传统的调节噪声强度的方法不能有效的检测出微弱信号，且系统的灵敏度不高，因此研究通过调节系统参数来达到随机共振状态的方法是有必要的，本论文以加权信噪比作为评价指标，利用自适应参数调节算法搜索最佳系统参数，有效的解决了系统参数优化困难的问题。更快速、更准确地从强噪声背景中检测微弱特征信号一直是随机共振系统研究的重点，本论文结合最优化理论，提出基于全局优化的遗传算法，对随机共振的系统参数和噪声强度同时进行自适应调整，确定最佳系统参数和噪声强度。在低浓度氨气检测中的实验表明，系统的输出信噪比明显、检测速度和精度均有了很大的提高，并且通过回归分析发现气体浓度和加权信噪比最大值之间具有很好的线性关系。本文为低浓度气体检测技术提供了新思路，在随机共振系统参数的自适应选择和提高系统检测速度和精度上提出了可行有效的算法，所设计的基于随机共振的低浓度气体检测系统和提出的智能优化算法具有一定的应用前景。