随着城市化进程的不断加快,汽车普及率持续提高成为日常生活中最为普遍的交通工具。随之而来产生的车内空气质量问题,再加上酒驾问题的日益严重,针对车载微环境气体的相关研究也越发广泛。因此,实现对车载微环境气体的组分识别和浓度预测,对保障驾乘人员的身体健康和安全具有重要的现实意义。本论文为实现纳米修饰二硫化钨（WS2）气敏传感器阵列协同智能优化算法模型构建车载微环境气体的检测系统,主要完成以下工作:采用水热法制备金属氧化物（MOx）及WS2纳米材料,并基于层层自组装技术和旋涂法成功合成WS2基复合薄膜传感器。同时采用XRD、SEM、TEM、EDS、XPS、BET等表征技术实现对纳米材料原子价态、形貌特征、孔径大小等性质的分析。然后,分别从动态切换响应、稳定性、重复性、选择性等方面探究WO3/WS2、Ni-In2O3/WS2、Zn O/WS2薄膜传感器对乙醇、甲醛和苯三种主要目标气体的气敏性能。并基于电荷转移特性、异质结能带结构、半导体复合材料结构以及密度泛函理论揭示了纳米修饰二硫化钨复合薄膜潜在的敏感机理。以此为基础,筛选高性能传感器件构建气敏传感阵列,并获取气敏阵列在混合目标气体作用下的多维响应数据。最后,采取粒子群优化神经网络算法构建PSO-BP算法模型,实现对车载微环境目标气体的组分识别和浓度预测,并根据模型的预测结果得知,PSO-BP模型对混合目标气体有着理想的预测效果。本论文探究了二硫化钨基气敏传感器的气敏性能,并基于筛选出的气敏传感阵列获取对目标气体检测的多维响应数据,采用气敏阵列和智能识别算法相结合的方法实现对混合目标气体的组分识别与浓度预测。为探究新型车载微环境目标气体的在线监测提供了理论依据,也为保障驾乘人员的身体健康和安全有着重要的现实意义。