为了满足电力系统中对SF6气体精确测量的需求，基于非分光红外差分检测原理，设计了一种便携式的SF6气体传感器。系统采用单光束双波长结构，对直射式和梯形反射式气室进行光学仿真，最终确定了气室类型，提高了系统的紧凑性和灵敏度。在电路方面设计了一种小信号放大滤波电路，有效地将有用信号从噪声中提取出来；传感器采用高精度高性能模数转换器将模拟电信号转换为数字信号送入单片机处理，大大提高了检测精度。实验结果表明，该传感器能够准确检测体积分数为0～2×10-3范围内的SF6气体，满量程精度可达4.2%。

非色散红外SF6气体传感器具有测量范围广、灵敏度高、抗干扰能力强等优点,在电力系统中具有广泛的应用。在实际检测过程中,环境气压的变化对气体传感器的检测精度有较大的影响,提出利用RBF神经网络建立气体传感器气压补偿模型,运用其泛化和非线性映射能力对环境气压波动引起的测量误差进行补偿。实验结果表明：采用气压补偿模型后的气体传感器在气体浓度3 260 mg/m3~9 781 mg/m3,气压100 kPa~120 kPa范围内,最大测量误差由±646 mg/m3降为±52 mg/m3,测量精度为±0.53%FS。该方法相比于拟合法和硬件电路补偿法具有更高的测量精度和稳定性,降低了传感器的体积和成本。

核 Fisher 的鉴别方法 (KFDA) 是模式识别中较为突出的提取图像非线性特征的方法。 为了更好地提取掌纹图像的非线性特征, 将KFDA 方法引入到掌纹识别中。首先对掌纹图像做小波变换进行降维,在保留原始图像轮廓信息和特征的基础上, 用核Fisher判决方法进行特征提取并引入零空间的核 Fisher(ZKFDA) 方法解决小样本问题,最后用最小距离分类器 进行掌纹匹配。通过 PolyU 掌纹图像库,实验结果表明,在不同的特征个数下, KFDA 方法比二维 Fisher 准则 (2DFLD)方法识别率高;零空间ZKFDA的平均识别率高于 KFDA, 并且计算量大大减少。在核函数选取上,取 RBF 核函数的识别性能最佳。