本发明涉及电子鼻校准技术领域，具体公开了一种基于凸集投影和极限学习机的电子鼻漂移通用校准方法，从机器学习的角度，基于极限学习机构建约束网络net₁和校准网络net₂，采用电子鼻在未发生漂移的特征数据集X训练约束网络net₁，保存网络参数，然后将发生漂移的特征数据集X_d作为约束网络net₁的输入，并基于凸集投影对net₁网络的输入X_d进行迭代调整，求得校准后的传感器特征数据集X_c，再将特征数据集X_c作为校准网络net₂的标签，输入特征数据集X_d共同训练后以对未知气体响应信号进行校准，能够提升电子鼻发生漂移后对气体识别的容差性能，利用训练得到的网络对未知气体样本能够达到漂移补偿的效果，从而提高电子鼻在其他气体传感器发生漂移后的气体识别精度。