CN109374686B - 一种气体传感器 - Google Patents
一种气体传感器 Download PDFInfo
- Publication number
- CN109374686B CN109374686B CN201811454680.9A CN201811454680A CN109374686B CN 109374686 B CN109374686 B CN 109374686B CN 201811454680 A CN201811454680 A CN 201811454680A CN 109374686 B CN109374686 B CN 109374686B
- Authority
- CN
- China
- Prior art keywords
- gas concentration
- concentration signal
- parameter
- time
- sub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
Landscapes
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
Abstract
本发明公开了一种气体传感器,属于传感器技术领域。它包括半导体传感器和微控制器,微控制器按如下步骤处理数据:读取半导体传感器模块检测到的电压信号;将电压信号转换为电阻信号再转化为气体浓度信号参数;把气体浓度信号数值对时间进行积分,获得各时间段的气体浓度信号积分参数;获得核心气体浓度信号积分参数以及视觉类气体浓度信号积分参数;建立包括核心气体浓度信号积分参数以及视觉类气体浓度信号积分参数的多参数组参数;多参数组参数作为过程参数对监测状况进行整体判断,反馈结果。本发明通过包括多个参数或组合从不同角度体现各种特征,通过多参数组参数对监测状况进行整体判断,大幅度提高了传感器采集精度,监测结果更加准确。
Description
技术领域
本发明属于传感器技术领域,具体地说,涉及一种气体传感器。
背景技术
气体浓度的检测依赖于气体检测变送器,传感器是其核心部分,按照检测原理的不同,主要分为金属氧化物半导体式传感器、催化燃烧式传感器、定电位电解式气体传感器、迦伐尼电池式氧气传感器、红外式传感器、PID光离子化传感器等。现阶段,常规传感器一般是采用敏感材料制作成的一种检测装置,能感受到被测量的信息,并能将感受到的信息,按一定规律变换成为电信号或其他所需形式的信息输出,以满足信息的传输、处理、存储、显示、记录和控制等要求。在所有的气体传感器中,其中金属氧化物半导体式传感器,因其反应十分灵敏,故目前广泛使用的领域为测量气体的微漏现象。但检测对象的微弱信号变化检测比较困难,一方面传感器测量精度有限,分辨微小信号及其变化比较困难,单纯使用放大电路,很容易因干扰导致判断结果有误;另一方面,绝大多数传感器信号所反映的异常参数是时变性暂态参数,随时间变化差别很大,绝大多数隐患早期阶段,暂态参数绝大部分时间内为正常数值,早期隐患的异常一般具有统计意义,例如出现频率趋快、数值渐大。
现有传感器技术基于传感器的储存空间、通讯带宽及通讯流量的限制,往往只能对短时段的全体数据计算处理,或者是对长时间的部分随机抽样数据进行处理,很难获得时间足够长的全体数据的大尺度特征信息,或者时间足够短的突发异常信息。
公开号为CN105509815B,公开日为2017年11月21日的中国专利公开了一种基于积分算法的非电量信号采集监测方法,包括以下步骤:设置非电量传感器,将非电量传感器的输出信号,转换还原为非电量信号参数,把非电量信号参数或非电量信号参数变化量对时间进行积分,获得各时间段非电量信号参数进行存储;根据各时间段非电量积分参数对非电量信号参数状况进行判断,并对异常进行监测。该专利将非电量检测转换成非电量积分参数检测,有利于对细小隐患进行累积放大,即在隐患发生的中早期及时发现预警处理,避免隐患严重化,从而避免损失,降低风险。但是,该专利的检测数据过于单一,也并没有直接提取有效数据。
且现有的气体传感器普遍存在跳变性,显示出的数据经常十分跳跃,且毛刺信号较大,影响使用效果,不能真实的反应监测数据。针对上述问题,中国专利公开号CN102944583A,公开日2013-02-27的专利文件公开了一种基于漂移补偿的金属氧化物气体传感器阵列气体浓度检测方法,该方法借助独立成分分析,屏蔽了环境温度、湿度以及因环境因素导致的异常值对漂移规律和漂移量估算的影响,找出基线响应情况下气体浓度独立成分随时间漂移变化的规律;此后在金属氧化物气体传感器阵列对气体样本进行气体浓度检测处理时,利用基线响应情况下气体浓度独立成分随时间漂移变化的规律估算出气体浓度独立成分的漂移量对气体浓度检测响应数据中的气体浓度独立成分进行漂移补偿,然后借助气体浓度检测响应数据中漂移补偿过后的气体浓度独立成分利用气体浓度预测函数进行预测换算得到敏感气体气体浓度检测结果,能够有效提高漂移规律和漂移量的估算精度,保证了金属氧化物气体传感器阵列气体浓度检测的准确性。但是该发明在气体传感器的灵敏度还有改进的空间。
发明内容
1、要解决的问题
针对现有的气体传感器对细微气体浓度变化监测困难,且精度不高的问题,本发明提供一种气体传感器。本发明的传感器通过对突变信号的积分处理并通过构造多参数组,对气体浓度进行整体判断,显著提高传感器采集精度,监测结果更加准确。
2、技术方案
为解决上述问题,本发明采用如下的技术方案。
一种气体传感器,包括半导体传感器和微控制器模块,所述微控制器模块按如下步骤处理数据:
S1、读取半导体传感器检测到的电压信号,将所述电压信号转化为电阻信号;
S2、将所述电阻信号转换为气体浓度信号参数,所述气体浓度信号参数包括气体浓度信号数值及其产生时间;
S3、把气体浓度信号数值对时间进行积分,获得各时间段的气体浓度信号时间积分参数;
S4、获得核心气体浓度信号时间积分参数;所述核心气体浓度信号时间积分参数是气体浓度信号数值以突变为时间起止边界的时间段的气体浓度信号时间积分;建立包括核心气体浓度信号时间积分参数的突变多参数组;
设定气体浓度信号参数的稳态基准值带阈,沿时间方向根据各时间段内气体浓度信号数值与稳态基准值带阈的关系,判断气体浓度信号处于稳态中的子稳态或稳态中的子突变、稳态之间的迁移跃变还是各具体过程;
所述突变包括稳态中的子突变和稳态之间的迁移跃变;
相邻子突变之间的未超出稳态基准值带阈的时间段部分为一个子稳态,建立包括子稳态时间段的气体浓度信号时间积分参数的子稳态多参数组;
S5、建立包括各子稳态多参数组、各子突变多参数组和迁移跃变多参数组的稳态多参数组参数,所述稳态多参数组参数也包括稳态持续时间段的气体浓度信号时间积分参数,及其开始时间、持续时长、气体浓度极值、产生序号中的一个或多个;
S6、所述稳态多参数组参数作为过程参数对监测状况进行整体判断,反馈结果。
作为优化方案,步骤2中,电阻信号通过以下算式进行信号转换:lgR=αlgc+β,其中,R为电阻;c为气体浓度参数;α与β是相应的一组对数线性系数。
作为优化方案,步骤S3中,在微控制器模块中设置步骤程序S31、S32,其中:
S31、对气体浓度信号数值进行自积分计算,获得某时间段的气体浓度信号自积分参数;所述自积分频率与采样频率一致,自积分频率和气体浓度信号数值大小成反比例调整,气体浓度信号数值小,则加快自积分频率,所述某时间段均在一个子突变或一个子稳态时间段范围内;
S32、将某时间段的气体浓度信号自积分参数除以该时间段内自积分总次数,获得视觉类气体浓度信号参数,所述视觉类气体浓度信号参数用于显示输出,所述视觉类气体浓度信号参数对应的自积分时间段长度在1s~10s范围内。
作为优化方案,步骤S4中,在一个稳态中,设定气体浓度信号数值的均值为E,按E的比例设定阈值W,那么设定E±W为该稳态的稳态基准值带阈;
当气体浓度信号数值的变化量在一半以上的时间稳定单向超出或单向低于前一阶段的稳态基准值带阈,则从一个稳态进入另一个新的稳态;在同一稳态中,气体浓度信号数值超出稳态基准值带阈后又返回的时间段区间为一个子突变,一个稳态包含一个或多个子突变;同一稳态中包含一个或多个子稳态。
作为优化方案,步骤S4中,所述子稳态多参数组包括子稳态的相关参数,所述子稳态的相关参数为所述子稳态的起点时间、持续时长、视觉类气体浓度信号积分、子稳态时间段气体浓度信号时间积分、产生序号中的一个或多个。
作为优化方案,步骤S5中,所述稳态多参数组参数包括各个稳态中子突变的相关参数,所述各个稳态中子突变的相关参数包括突变开始时间、突变时长、突变期气体浓度极值、突变正负性、视觉类气体浓度信号参数、核心气体浓度信号时间积分、产生序号中的一个或多个;所述突变正负性,是指气体浓度信号数值上升的突变为正突变,下降的突变为负突变。
3、有益效果
相比于现有技术,本发明的有益效果为:
(1)本发明在获得各时间段气体浓度信号时间积分参数的基础上,通过构造从一个稳态迁移跃变到后一稳态的迁移跃变过程,以及每个稳态的各个子突变过程,从而捕捉气体浓度信号数值沿时间方向变化的每一个渐变过程和突变过程,并生成从每个具体过程起始时间开始的,具体迁移跃变时长或子突变时长为时间段长度的积分参数,即核心气体浓度信号时间积分参数。通过构造包括气体浓度信号参数、气体浓度信号时间积分参数、核心气体浓度信号时间积分参数以及视觉类气体浓度信号时间积分参数的多参数组参数,多参数组参数能够从不同角度体现检测气体的综合信息,且视觉类气体浓度信号时间积分参数更适用于使用者观看,不会造成视觉卡顿,本发明的视觉类气体浓度信号时间积分参数的时间尺寸的长度限制在1s~10s范围内,且1s~10s的视觉类气体浓度信号时间积分参数,在间隔为1ms的采样间隔包含2000~10000个气体浓度数值的气体浓度信号时间积分参数,大幅度提高气体传感器输出数据精度,又适合人眼视觉更新变化习惯,显示不迟钝,解决了现有气体传感器容易跳变的缺陷;
本发明并不机械地依赖气体浓度信号对时间进行积分,扩大时间范围提高半导体传感器监测精度,而是通过相关的多个参数或组合从不同角度体现各种特征,通过多参数组参数对监测状况进行整体判断,大幅度提高了传感器采集精度,监测结果更加准确;
(2)本发明的气体传感器,在检测过程中对检测对象的响应时间可以做到1秒钟响应上万次,故选择不同时间尺寸长度对气体浓度信号数值进行积分,获得各时间段的气体浓度信号时间积分参数,选择0.001s~10s内任一单位时间长度间隔可以使得检测更加灵敏,对于突变过程可以精确的表达出突变的整体程度;若选择十几秒、几十秒或者一分钟时间长度间隔对气体浓度进行积分,可以针对平稳信号进行检测,得到被检测气体的变化趋势;针对平稳或者突变信号均可采用不同时间尺寸长度对气体浓度进行监控,使得整个传感器更加智能;
(3)本发明的多参数组参数还包括迁移跃变以及子突变这些突变的相关参数,掌握突变的起始时间,突变存在的时长;通过突变过程的气体浓度信号积分、极值等参数表达具体突变的整体程度;通过子突变跳变的正负符号表达跳变的上升或下降属性,通过某个长时间段内各个子突变跳变的正负符号的分时分布表达检测气体的宏观振荡特性。例如,某次采集的空气中氨气气体浓度单个数据,可能意义不明确,不具备实用性,但增加采集时间、地点作为相关参数,就会让人清楚知道是某时某地的氨气气体浓度。
附图说明
图1为本发明方法流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细描述。
实施例1
一种气体传感器,包括半导体传感器和微控制器模块,半导体传感器连接到微控制器模块上,微控制器模块具有通讯接口电路;如图1所示,微控制器模块按如下步骤处理数据:
S1、一定采样频率下读取半导体传感器检测到的电压信号,通过欧姆定律确定电阻信号;半导体气体传感器的气敏特性,是在一定温度下半导体化合物跟所接触的气体(氧化性或还原性)发生反应而导致电阻值发生变化的现象,例如表面控制型金属氧化半导体气敏材料的表面存在许多活性中心,空气中氧分子吸附在金属氧化物半导体的表面,并从其表面获得电子而形成化学吸附的O2 -、O-、O2-,结果表面电阻增加。当还原性气体作为被检测气体与气敏元件表面接触时,这些气体与化学吸附氧进行反应,导致氧原子捕获的电子重新回到氧化物表面中去,表面电阻下降。当氧化性气体作为被检测气体与气敏元件表面接触时,这些气体与化学吸附氧进行反应,导致表面吸附的O2 -、O-捕获更多的电子而形成更多的O2-使表面电阻升高。
S2、通过算式lgR=αlgc+β,将电阻信号转换为气体浓度信号参数,其中,R为电阻;c为气体浓度参数;α与β是相应的一组对数线性系数。不同的气体传感器对应的α和β值也不同,这是气体传感器具有的特性。气体浓度信号参数包括气体浓度信号数值及其产生时间。
S3、按照一定时间间隔对气体浓度信号参数进行积分,获得各时间段的气体浓度信号时间积分参数;其中不同的时间尺寸长度包括0.001s~60s之间的任一单位时间长度间隔,例如1s一个间隔采集信号并显示,在这个0~1s的时间间隔内,通过在间隔为1ms的采样间隔包含2000~10000个气体浓度数值的气体浓度信号时间积分参数,将气体浓度信号数值对细分的时间不断积分,在检测过程中对检测对象的响应时间可以做到1s响应上万次,故选择不同时间尺寸长度对气体浓度信号数值进行积分,选择0.001s~10s内任一单位时间长度间隔可以使得检测更加灵敏,对于突变过程可以精确的表达出突变的整体程度;若选择十几秒、几十秒或者一分钟时间长度间隔进行监测,可以针对平稳信号进行检测,得到被检测气体的变化趋势;针对平稳或者突变信号均可采用不同时间尺寸长度对气体浓度进行监控,使得整个传感器更加智能,最终采集到数秒、十数秒、数十秒、分钟为时间尺寸的各时间段的气体浓度信号时间积分参数,判断选择其中相对稳定的气体浓度信号时间积分参数,经处理转换成与传感器采集相关的信号数据,对外输出给显示、通讯使用。
更具体的说,S31、对气体浓度信号数值进行自积分,可采取连续累加,获得某时间段的应变信号自积分参数Mt;所述自积分频率f与S1中采样频率一致,根据气体浓度信号数值不同可进行调整,气体浓度信号数值小、信号微弱,可调节加快采样频率,但在同一时间段内,自积分频率不变,通过加快采样和积分频率,获得更大的自积分数值,在相同时间内把微弱数值转变为较大数值;所述某时间段均在一个子突变或一个子稳态时间段范围内;
S32、通过某时间段的气体浓度信号自积分参数除以该时间段内自积分的总次数,计算获得视觉类气体浓度信号参数,所述自积分的总次数N=T/f,其中T为该时间段的时长,所述视觉类气体浓度信号参数用于显示输出,所述视觉类气体浓度信号参数对应的自积分时间段长度宜在1s~10s范围内。
视觉类气体浓度信号时间积分参数用于显示输出,所谓视觉类气体浓度信号时间积分参数即满足使用者人眼观测习惯,不会太长时间才显示一个数据,造成卡顿;也不会因为显示时间过短,数据跳跃过大,读取误差较大,且时间较短显示数据难免会出现异常数据和毛刺,本实施例的视觉类气体浓度信号时间积分参数的时间尺寸的长度限制在1s~10s范围内;1s~10s的视觉类气体浓度信号时间积分参数,在间隔为1ms的采样间隔包含2000~10000个气体浓度数值的气体浓度信号时间积分参数,对其中干扰毛刺进行积分平摊,减少干扰信号对真实值的影响,大幅度提高传感器输出数据准确度,解决了现有气体传感器显示数据忽大忽小跳变的缺陷,在1s~10s范围内的快速更新,兼具适合人眼视觉更新变化习惯,显示不迟钝;
S4、获得核心气体浓度信号时间积分参数;所述核心气体浓度信号时间积分参数是气体浓度信号数值以突变为时间起止边界的时间段的气体浓度信号时间积分;建立包括核心气体浓度信号时间积分参数的突变多参数组;
设定气体浓度信号参数的稳态基准值带阈,沿时间方向根据各时间段内气体浓度信号参数值与稳态基准值带阈的关系,判断气体浓度信号处于稳态或稳态中的子突变、稳态之间的迁移跃变各具体过程;所述突变包括稳态中的子突变和稳态之间的迁移跃变;相邻子突变之间的未超出稳态基准值带阈的时间段部分为一个子稳态,建立包括子稳态时间段的气体浓度信号时间积分参数的子稳态多参数组;所述子稳态多参数组包括子稳态的相关参数,所述子稳态的相关参数为所述子稳态的起点时间、持续时长、视觉类气体浓度信号积分、子稳态时间段气体浓度信号时间积分、产生序号中的一个或多个。
具体来说,稳态基准值带阈、稳态、子突变和迁移跃变按如下方法确定:
在一个稳态中,设定气体浓度信号数值的均值为E,E可以是平均值,也可以是其他均值;按E的比例设定阈值W,那么E±W为该稳态的稳态基准值带阈。对于E值的确定,不需要监测完整个稳态,一个稳态很可能持续一个月、一年或者多年以上的时间,那么为了尽快确定E值,我们可以选取一天的气体浓度信号数值的均值作为E;W根据实际需要以及测量精度来选取,一般可以在E的10%-80%范围内选取,例如,有时为了提高测量精度,可以选取E的10%,但要根据实际使用的传感器来具体确定这个比例。本专利所述稳态具有大多数(一般50%以上)时间值气体浓度信号数值在稳态基准值带阈范围内,瞬间或短时间气体浓度信号数值在数值超出基准带阈范围,但能很快返回到稳态基准值带阈;当气体浓度信号数值的变化量在一半以上的时间稳定单向超出或在一半以上的时间稳定单向低于前一阶段的稳态基准值带阈,则从一个稳态进入另一个新的稳态;在同一稳态中,气体浓度信号数值超出稳态基准值带阈后又返回的时间段区间为一个子突变。此外,根据实际需要,子突变之间的迁移跃变也可作为突变;
S5、建立包括各子稳态多参数组、各子突变多参数组和迁移跃变多参数组的稳态多参数组参数,所述稳态多参数组参数也包括稳态持续时间段的气体浓度信号时间积分参数,及其开始时间、持续时长、气体浓度极值、产生序号中的一个或多个;
S6、所述稳态多参数组参数作为过程参数对监测状况进行整体判断,反馈结果。例如,通过多参数组的时间参数,可具体掌握监测气体发生相关突变的开始时间、延续时长;通过其他具体参数可判断各突变的具体变化程度、发展趋势,及时反馈准确的结果。例如,对压力/形变/应变等类传感器,外界条件的变化会在一定时间产生突变,但随着相关外界条件消失,又会回到原稳态,如一辆汽车长时间停在一个设置有应变传感器的地方,但汽车移走后,应变情况又恢复原状,现有传感器很难检测到这种突变,但是本发明不仅能检测到这种突变,还能根据时间、地点等参数判断出该突变发生的原因。
本实施例采用的智能传感器的信号采集监测方法,并不机械地依赖气体浓度信号对时间进行积分,扩大时间范围提高传感器监测精度。气体浓度信号数值变化具有渐变和突变,通常在数小时或数日或数月长时间渐变阶段或过程形成的积分参数值,可能会小于甚至远小于几秒钟或几分钟极短时间突变阶段内形成的积分参数值。如果不加分辨地把渐变阶段和突变阶段的积分参数混合在一起,就必然抹掉渐变阶段和突变阶段各自的特征信息,实用意义大幅降低。本发明通过构造从一个稳态迁移跃变到其后一稳态的迁移跃变过程,以及每个稳态的各个子突变过程,从而捕捉到核心气体浓度信号时间积分参数并加以利用,建立包括气体浓度信号参数、气体浓度信号时间积分参数、核心气体浓度信号时间积分参数以及视觉类气体浓度信号时间积分参数的多参数组参数。
单一参数一般只体现为检测气体的具体某一特征,一般敏感材料传感器单次采集的气体浓度信号数值通常直接体现为最主要的特征参数,但也避免不了太过单一和片面,增加其它相关参数会就能多角度增加传感器的实际效果。本实施例构造了包括气体浓度信号参数、气体浓度信号时间积分参数以及核心气体浓度信号时间积分参数的多参数组参数,通过相关的多个参数或组合从不同角度体现各种特征,从而构成足以体现检测气体综合特征的多参数组。通过多参数组参数对监测状况进行整体判断,大幅度提高了传感器采集精度,监测结果更加准确。
本发明在早期隐患监测预警中具有显著的实际效果,早期隐患具有信号微弱、变化缓慢、实时数据量大等特点,尽管这些长时间缓慢变化的海量数据中隐藏着各种信息需要表达,但绝大部分信息是低效重复的,既没有本地大量储存的价值,也没有占用大容量公网带宽及流量资源上传到云平台的价值。本发明通过细分的各个迁移跃变过程或子突变过程的气体浓度信号时间积分参数,把微弱信号转变成容易观察的足够大信号,这是一种大数据处理方式,实现对微弱信号及其变化的放大效应,从而大幅度提高传感器精度。本发明沿着时间方向化繁为简,把气体浓度信号海量数据转化为在依次连续的稳态及其各个子突变、稳态间的迁移跃变等过程场景,通过数据量很少但表达内容丰富的多参数组从多角度全方位表达各个具体过程场景的综合特征。本发明大幅度降低有效数据容量,在以渐变为主的早期隐患阶段,可能连续多日仅有几个稳态过程场景的依次产生,甚至仍处于同一稳态阶段,这几日的气体浓度信号数据总量可能几十兆甚至几百兆,但有效数据可能只是一个仍在延续的稳态及其几个子突变的多参数组参数,数据容量可能只有几十或上百字节数目,但足以清楚表达这几日的监测气体状况和变化情况。把数据海量气体浓度信号数据向数据量极少的多参数组轻量级数据的传感器边缘侧处理转换,不仅显著有利于传感器边缘侧存储和数据传输,而且大幅度降低了观察物理世界的难度,从而大幅度提高了对物理对象或检测对象进行早期隐患监测预警实际效果。
实施例2
实施例2与实施例1的方案基本相同,区别仅在于,在步骤S2中,当气体浓度信号较大时,建立一个把气体浓度信号除以大整数获得的微小数值的计算公式或气体浓度信号的倒数,把该微小数值对时间积分,以获得各个时间段的气体浓度信号时间积分参数。
为了简化计算公式,当气体浓度信号数值大于1时,可以将其倒数对时间积分,获得各时间段的气体浓度信号时间积分参数。
实施例3
本实施例与实施例1的方案基本相同,区别在于:
稳态多参数组参数还包括各个稳态中子突变的相关参数,所述各个稳态中子突变的相关参数包括突变开始时间、突变时长、突变期气体浓度极值、突变正负性、视觉类气体浓度信号参数、核心气体浓度信号时间积分、产生序号中的一个或多个;所述突变正负性,是指气体浓度信号数值上升的突变为正突变,下降的突变为负突变。
从前一稳态迁移跃变到下一稳态的迁移跃变过程持续的时间为迁移跃变时长,迁移跃变产生的开始时间为该迁移跃变的起点时间,该迁移跃变所在时间段内气体浓度信号对时间的积分,形成该迁移跃变的气体浓度信号积分,该迁移跃变气体浓度信号数值大于E+W,为正迁移跃变,该迁移跃变气体浓度信号数值小于E-W,为负迁移跃变,该迁移跃变为正迁移跃变时气体浓度信号的最大值或为负迁移跃变时的最小值为该迁移跃变的极值,一个迁移跃变的起点时间、持续时长、气体浓度信号积分、正负符号、极值和产生序号等,其中的两个或多个构成该迁移跃变的多参数组,该多参数组还可扩展包括与该迁移跃变相关的其它参数。
气体浓度信号数值在数值超出基准带阈范围,经过一段时间后才返回到稳态基准值带阈,为该稳态的一个子突变或子突变跳变,一个稳态可包含多个子突变,这段时间为该子突变持续时长,子突变形成时的时间为该子突变的起点时间,该子突变所在时间段内气体浓度信号对时间的积分,形成该子突变的气体浓度信号积分,该子突变气体浓度信号数值大于E+W,为正子突变,该子突变气体浓度信号数值小于E-W,为负子突变,该子突变为正子突变时气体浓度信号的最大值或为负子突变时的最小值为该子突变的极值,一个子突变的起点时间、持续时长,气体浓度信号时间积分参数、正负符号、极值和产生序号等,其中的两个或多个构成该子突变的多参数组,该多参数组还可扩展包括与该子突变相关的其它参数;
本发明通过沿时间方向连续采集众多气体浓度信号数据,分析获得在各时间段内气体浓度信号的连续变化过程情况,监测是否产生突变——稳态的迁移跃变或稳态内部的子突变跳变,掌握突变的起始时间,突变存在的时长;通过突变过程的气体浓度信号积分、极值等参数表达具体突变的整体程度;通过子突变跳变的正负符号表达跳变的上升或下降属性,通过某个长时间段内各个子突变跳变的正负符号的分时分布表达检测气体的宏观振荡特性。例如,某次采集的空气中氨气气体浓度单个数据,可能意义不明确不具备实用性,但增加采集时间、地点作为相关参数,就会让人清楚知道是某时某地的氨气气体浓度。
本发明能够将传感器单次采集转变成沿时间方向的多次连续采集,形成基于气体浓度信号的多参数数据,通过对多参数数据的分析处理,从而可获得潜藏的众多特征。分别通过相关的多个参数或相互的组合从不同角度体现各种特征,从而构成体现检测气体综合特征的多参数组。
Claims (6)
1.一种气体传感器,包括半导体传感器和微控制器模块,其特征在于,所述微控制器模块按如下步骤处理数据:
S1、读取半导体传感器检测到的电压信号,将所述电压信号转化为电阻信号;
S2、将所述电阻信号转换为气体浓度信号参数,所述气体浓度信号参数包括气体浓度信号数值及其产生时间;
S3、把气体浓度信号数值对时间进行积分,获得各时间段的气体浓度信号时间积分参数;
S4、获得核心气体浓度信号时间积分参数;所述核心气体浓度信号时间积分参数是气体浓度信号数值以突变为时间起止边界的时间段的气体浓度信号时间积分;建立包括核心气体浓度信号时间积分参数的突变多参数组;
设定气体浓度信号参数的稳态基准值带阈,沿时间方向根据各时间段内气体浓度信号数值与稳态基准值带阈的关系,判断气体浓度信号处于稳态中的子稳态或稳态中的子突变、稳态之间的迁移跃变还是各具体过程;
所述突变包括稳态中的子突变和稳态之间的迁移跃变;
相邻子突变之间的未超出稳态基准值带阈的时间段部分为一个子稳态,建立包括子稳态时间段的气体浓度信号时间积分参数的子稳态多参数组;
S5、建立包括各子稳态多参数组、各子突变多参数组和迁移跃变多参数组的稳态多参数组参数,所述稳态多参数组参数也包括稳态持续时间段的气体浓度信号时间积分参数,及其开始时间、持续时长、气体浓度极值、产生序号中的一个或多个;
S6、所述稳态多参数组参数作为过程参数对监测状况进行整体判断,反馈结果;
其中:设定气体浓度信号数值的均值为E,按E的比例设定阈值W,那么E±W为该稳态的稳态基准值带阈;
稳态:指大多数时间值气体浓度信号数值在稳态基准值带阈范围内为稳态;
子突变:在同一稳态中,气体浓度信号数值超出稳态基准值带阈后又返回的时间段区间为一个子突变。
2.根据权利要求1所述的一种气体传感器,其特征在于,步骤S2中,所述电阻信号通过以下算式进行信号转换:lgR=αlgc+β,其中,R为电阻;c为气体浓度参数;α与β是相应的一组对数线性系数。
3.根据权利要求1或2所述的一种气体传感器,其特征在于,步骤S3中在微控制器模块中设置步骤程序S31、S32,其中:
S31、对气体浓度信号数值进行自积分计算,获得某时间段的气体浓度信号自积分参数;所述自积分频率与采样频率一致,所述某时间段均在一个子突变或一个子稳态时间段范围内;
S32、将某时间段的气体浓度信号自积分参数除以该时间段内自积分总次数,获得视觉类气体浓度信号参数,所述视觉类气体浓度信号参数用于显示输出,所述视觉类气体浓度信号参数对应的自积分时间段长度在1s~10s范围内。
4.根据权利要求1或2所述的一种气体传感器,其特征在于,
当气体浓度信号数值的变化量在一半以上的时间稳定单向超出或单向低于前一阶段的稳态基准值带阈,则从一个稳态进入另一个新的稳态;在同一稳态中,气体浓度信号数值超出稳态基准值带阈后又返回的时间段区间为一个子突变,一个稳态包含一个或多个子突变;同一稳态中包含一个或多个子稳态。
5.根据权利要求3所述的一种气体传感器,其特征在于,步骤S4中,所述子稳态多参数组包括子稳态的相关参数,所述子稳态的相关参数为所述子稳态的起点时间、持续时长、视觉类气体浓度信号积分、子稳态时间段气体浓度信号时间积分、产生序号中的一个或多个。
6.根据权利要求3所述的一种气体传感器,其特征在于,步骤S5中,所述稳态多参数组参数包括各个稳态中子突变的相关参数,所述各个稳态中子突变的相关参数包括突变开始时间、突变时长、突变期气体浓度极值、突变正负性、视觉类气体浓度信号参数、核心气体浓度信号时间积分、产生序号中的一个或多个;所述突变正负性,是指气体浓度信号数值上升的突变为正突变,下降的突变为负突变。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811454680.9A CN109374686B (zh) | 2018-11-30 | 2018-11-30 | 一种气体传感器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811454680.9A CN109374686B (zh) | 2018-11-30 | 2018-11-30 | 一种气体传感器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109374686A CN109374686A (zh) | 2019-02-22 |
CN109374686B true CN109374686B (zh) | 2021-08-20 |
Family
ID=65376675
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811454680.9A Active CN109374686B (zh) | 2018-11-30 | 2018-11-30 | 一种气体传感器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109374686B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112461998A (zh) * | 2020-11-10 | 2021-03-09 | 四川君逸数码科技股份有限公司 | 一种地下管廊气体传感器自动校准方法 |
CN116595403B (zh) * | 2023-07-17 | 2023-09-15 | 天津膜术工场环保科技有限公司 | 一种排风管道气体状态实时监测管理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0021190A1 (de) * | 1979-06-16 | 1981-01-07 | Bayer Ag | Vorrichtung zur individuellen Überwachung der Exposition einer Person gegenüber toxischen Gasen |
CN101063655A (zh) * | 2006-04-27 | 2007-10-31 | Ir微系统股份有限公司 | 气体检测方法和气体检测装置 |
CN104487844A (zh) * | 2012-06-19 | 2015-04-01 | 艾可系统瑞典公司 | 测量呼气酒精浓度的方法及装置 |
CN105509815A (zh) * | 2016-01-21 | 2016-04-20 | 单立辉 | 一种基于积分算法的非电量信号采集监测方法 |
CN108061746A (zh) * | 2016-11-09 | 2018-05-22 | 日本碍子株式会社 | 气体传感器的输出劣化抑制方法 |
-
2018
- 2018-11-30 CN CN201811454680.9A patent/CN109374686B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0021190A1 (de) * | 1979-06-16 | 1981-01-07 | Bayer Ag | Vorrichtung zur individuellen Überwachung der Exposition einer Person gegenüber toxischen Gasen |
CN101063655A (zh) * | 2006-04-27 | 2007-10-31 | Ir微系统股份有限公司 | 气体检测方法和气体检测装置 |
CN104487844A (zh) * | 2012-06-19 | 2015-04-01 | 艾可系统瑞典公司 | 测量呼气酒精浓度的方法及装置 |
CN105509815A (zh) * | 2016-01-21 | 2016-04-20 | 单立辉 | 一种基于积分算法的非电量信号采集监测方法 |
CN108061746A (zh) * | 2016-11-09 | 2018-05-22 | 日本碍子株式会社 | 气体传感器的输出劣化抑制方法 |
Non-Patent Citations (1)
Title |
---|
基于真空技术的高精度气体传感器测试系统;沈伟 等;《物理实验》;20160531;第36卷(第5期);第7-12页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109374686A (zh) | 2019-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104921736B (zh) | 一种包含参数估计功能滤波模块的连续血糖监测设备 | |
CN116111727B (zh) | 基于动态温度阈值的综合配电箱异常监测方法 | |
CN109374686B (zh) | 一种气体传感器 | |
CN115840924B (zh) | 一种压力变送器测量数据智慧处理系统 | |
CN103892830A (zh) | 一种基于人体皮肤电阻变化的情绪检测方法及系统 | |
CN104545870A (zh) | 用于心率检测的床垫和心率检测方法 | |
CN105975536A (zh) | 网络资源的推荐方法和装置 | |
CN105243285A (zh) | 一种大数据健康预测系统 | |
CN109581268B (zh) | 一种光纤电流互感器故障诊断方法及装置 | |
CN106405280B (zh) | 一种智能变电站在线监测参数趋势预警方法 | |
WO2019228048A1 (zh) | 凝血时间判定方法、电子设备及存储介质 | |
CN107704192A (zh) | 一种滤波算法及其探测器 | |
KR20230174757A (ko) | 방전 잔여 시간의 계산 방법, 장치 및 컴퓨터 장치 | |
CN116633975A (zh) | 一种基于云计算的智能手表健康数据监测系统及方法 | |
CN106326672A (zh) | 入睡检测方法与系统 | |
CN116910655A (zh) | 一种基于装置量测数据的智能电能表故障预测方法 | |
CN109556741B (zh) | 一种传感器数据处理方法及一种智能温度传感器 | |
CN116380980A (zh) | 一种气体浓度的确定方法、装置、电子设备及介质 | |
CN113888841B (zh) | 燃气报警器系统 | |
CN115542128A (zh) | 一种数字集成电路实时功耗测试评估装置及评估方法 | |
CN109556649B (zh) | 一种智能传感器的信号采集监测方法 | |
CN109520643B (zh) | 一种微弱应力应变信号测量用传感器 | |
CN115336981A (zh) | 一种可穿戴设备佩戴状态的检测方法及相关组件 | |
Dreesman et al. | Challenges for signal generation from medical social media data | |
CN110457359B (zh) | 一种关联性分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |