气体传感检测技术是变压器油中溶解故障特征气体在线监测的关键,实现混合气体的自动分辨及分别检测的气体传感阵列技术是多组分混合气体检测的发展方向,交叉敏感是气体传感阵列检测的技术瓶颈,结合智能算法的气体传感阵列是解决这一问题的有效手段。论文针对具有代表性的氢气（H₂）、一氧化碳（CO）和乙炔（C₂H₂）三种变压器故障特征气体,设计了气体传感器阵列,通过大量气敏特性实验得出的数据建立样本库,结合多种智能算法,建立了基于深度置信网络的混合气体定性识别模型和基于优化算法的混合气体定量分析模型,有效抑制了混合气体的交叉敏感,实现了混合气体的智能分辨和分别检测。论文的主要工作有:针对H₂、CO和C₂H₂三种气体选取八个TGS传感器,组装成气体传感器阵列;设计了从配气、测试、采集等实验流程,搭建了气体传感阵列检测实验平台。针对检测灵敏度、重复性和选择性三个特性开展了传感器阵列气敏特性实验研究。通过大量气敏特性实验结果形成三种特征气体的气敏实验数据样本库。建立了基于BPNN（前向反馈神经网络）和DBN（深度置信网络）的混合气体定性识别模型,结合预处理后的气敏实验样本库数据,对两种模型进行识别分析,对比分析表明:相比于单一BP神经网络模型,结合分类器的DBN网络对混合气体的定性识别率提高了5个百分点,能有效降低气体传感器的交叉敏感度,平均正确率达到了94.11%。建立了基于SVR（支持向量回归机）的用于H₂、CO和C₂H₂三种气体定量分析的回归模型,结合预处理后的气敏实验样本库数据对其进行计算,结果表明:H₂的定量模型和预测效果较好,C₂H₂的其次,CO的不理想。将GA（遗传算法）和SVR结合构成遗传支持向量回归机,将PSO（粒子群算法）与SVR结合构成粒子群支持向量回归机。经过优化的定量分析模型解决了传统参数寻优方法容易陷入局部极小值的不足,优化后的H₂、CO和C₂H₂三种气体定量分析模型具有较好的可靠性（均方误差MSE<0.1）和较高的预测精度（平方相关系数SCC>0.96）。论文工作为多组分气体传感阵列检测奠定了基础。