CN109632891A - 一种利用阵列气体传感器监测气体种类以及浓度的方法 - Google Patents
一种利用阵列气体传感器监测气体种类以及浓度的方法 Download PDFInfo
- Publication number
- CN109632891A CN109632891A CN201811556837.9A CN201811556837A CN109632891A CN 109632891 A CN109632891 A CN 109632891A CN 201811556837 A CN201811556837 A CN 201811556837A CN 109632891 A CN109632891 A CN 109632891A
- Authority
- CN
- China
- Prior art keywords
- change rate
- sensing element
- response
- gas
- resistance change
- 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.)
- Granted
Links
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
- G01N27/12—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body in dependence upon absorption of a fluid; of a solid body in dependence upon reaction with a fluid, for detecting components in the fluid
-
- 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
- G01N27/12—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body in dependence upon absorption of a fluid; of a solid body in dependence upon reaction with a fluid, for detecting components in the fluid
- G01N27/128—Microapparatus
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 Electric Means (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
Abstract
本发明提供了一种利用阵列气体传感器监测气体种类以及浓度的方法。该方法包括如下步骤:实时采集阵列气体传感器的电阻值,并实时计算一预设时段内多功能传感元件的电阻变化率;预判当前空气中是否存在目标气体;若预判不存在目标气体,则判断连续的多功能传感元件的m个电阻变化率中是否有m‑x个电阻变化率大于第一电阻变化率阈值θr1,若有,则确定当前空气中存在目标气体;提取阵列气体传感器检测到的与电阻值的相关特征,并构成特征向量;采用分类器对特征向量进行识别,从而识别出目标气体的种类;根据目标气体的种类计算对目标气体具有响应的目标单一传感元件此刻的第一响应值;根据响应值‑浓度公式以及第一响应值计算获得目标气体的浓度值。
Description
技术领域
本发明涉及气体浓度检测技术领域,尤其涉及一种利用阵列气体传感器监测气体种类以及浓度的方法。
背景技术
气体传感器是将与气体种类及浓度有关的信息转换成电信号的变化,根据这些电信号的变化达到对待测气体在环境中的定性及定量的识别及判断,从而可以进行特定气体的实时检测、监控以及报警。
传统的阵列气体传感器对气体的定性及定量的测试,其方法是首先将每种气体构成一个模式,根据所检测到气体的特征识别出所检测样本的类别,然后将每种气体的每个浓度构成一个模式,根据所检测到气体的特征预测出所检测样本的浓度。或者是将每种气体的每个浓度构成一个模式,根据所检测到气体的特征预测出所检测到气体的类别及浓度。
然而,这种预测出气体浓度的方式需要对每种气体传感器采集不同浓度的气体构成样本的数据集,不仅增加了测试成本,而且增加了预测气体浓度的复杂度。并且,上述方法仅适合于将一个测量做完后,再返回对其进行数据的分析,预测出气体的类别及浓度,无法实时预测出气体的类别以及浓度。
并且,通常采用的气体检测技术中,大部分气体传感器对气体浓度的检测方法主要是,根据气体传感器在接触气体前后其电阻值都在特定的范围内而判断出是否有目标气体,并根据气体传感器电阻值的变化计算出气体浓度。这种检测气体浓度的方式对气体传感器的要求相对较高,需要气体传感器的基础电阻比较稳定,且该传感器在特定浓度气体的环境下响应电阻应在一定的范围内。如若气体传感器的基础电阻不在一定范围内或气体传感器在特定浓度气体的环境下或者在特定温湿度环境影响下气体传感器的响应电阻不在一定范围内,但气体传感器对特定气体的灵敏度在一定范围内,上述计算气体浓度的方法就不能适用于这一类气体传感器。因此,现有的检测技术具有一定的限制,使之不能广泛应用在各类气体传感器上。
发明内容
本发明的一个目的是解决现有技术中无法实时检测出气体种类以及浓度的技术问题。
本发明的另一个目的是要解决现有技术中的传感器基础电阻漂移等技术问题。
特别地,本发明提供了一种利用阵列气体传感器监测气体种类以及浓度的方法,所述阵列气体传感器由多个气体传感元件以阵列排布的方式组成,所述多个气体传感元件包括对多种气体均具有响应的多功能传感元件以及分别对所述多种气体具有响应的多个单一传感元件,每个所述单一传感元件在对应的气体的不同浓度值下具有不同的响应值,所述方法包括如下步骤:
实时采集所述阵列气体传感器的电阻值,并实时计算一预设时段内所述多功能传感元件的电阻变化率,获得与数据集合{ΔT1,ΔT2,……,ΔTn}一一对应的数据集合{θ1,θ2,……,θn},其中,ΔTn为第n预设时段,θn为第n预设时段内对应的所述多功能传感元件的电阻变化率;
根据前一时刻空气中是否存在所述目标气体来预判当前时刻空气中是否存在所述目标气体;
若预判不存在所述目标气体,则进一步判断连续的所述多功能传感元件的m个电阻变化率中是否有m-x个电阻变化率大于第一电阻变化率阈值θr1,若有,则确定当前空气中存在所述目标气体;
提取所述阵列气体传感器检测到的与所述电阻值的相关特征,并构成特征向量;
采用分类器对所述特征向量进行识别,从而识别出所述目标气体的种类;
根据所述目标气体的种类计算对所述目标气体具有响应的目标单一传感元件此刻的第一响应值;
调取所述目标单一传感元件对应的响应值-浓度公式,并根据所述响应值-浓度公式以及所述第一响应值计算获得此刻所述目标气体的浓度值。
可选地,根据所述响应值-浓度公式计算获得电阻变化率为正值时的最小电阻变化率θmin;其中
所述第一电阻变化率阈值θr1稍小于或等于所述最小电阻变化率θmin。
可选地,所述方法还包括如下步骤:
若判断连续的所述多功能传感元件的m个电阻变化率中没有m-x个电阻变化率大于第一电阻变化率阈值θr1,则返回实时采集所述多功能传感元件的电阻值的步骤。
可选地,所述根据所述响应值-浓度公式以及所述第一响应值计算获得所述目标气体的浓度值之后,返回实时采集所述阵列气体传感器的电阻值的步骤。
可选地,所述方法还包括如下步骤:
若判断连续的所述多功能传感元件的m个电阻变化率中有m-x个电阻变化率大于第一电阻变化率阈值θr1,则计算此刻所述多功能传感元件的第二响应值α2,其中,m为大于零且小于n的正整数,x为远小于m的正整数;
判断所述第二响应值α2是否大于第一响应阈值αs1,若是,则确定当前空气中存在所述目标气体。
可选地,根据所述响应值-浓度公式计算获得电阻变化率为负值时的最大电阻变化率θmax;其中
所述第一电阻变化率阈值θr1稍大于或等于所述最大电阻变化率θmax。
可选地,所述方法还包括如下步骤:
若预判存在所述目标气体,则进一步判断连续的所述多功能传感元件的s个电阻变化率中是否有s-y个电阻变化率小于第二电阻变化率阈值θr2,若有,则计算当前预设时段ΔT内电阻变化Δβ,其中,s为大于零且小于n的正整数,y为远小于s的正整数;。
进一步判断电阻变化Δβ是否大于电阻变化阈值Δβs,若是,则确定当前空气中不存在所述目标气体。
可选地,在判断连续的所述多功能传感元件的s个电阻变化率中没有s-y个电阻变化率小于第二电阻变化率阈值θr2或着进一步判断中电阻变化Δβ不大于电阻变化阈值Δβs之后,还包括如下步骤:
根据所述目标气体的种类计算对所述目标气体具有响应的目标单一传感元件此刻的第三响应值;
调取所述目标单一传感元件对应的响应值-浓度公式,并根据所述响应值-浓度公式以及所述第三响应值计算获得所述目标气体的浓度值。
可选地,所述实时采集所述阵列气体传感器的电阻值之后、所述并实时计算一预设时段内所述多功能传感元件的电阻变化率之前,还包括如下步骤:对所述阵列气体传感器的当前电阻值进行预处理;
其中,所述预处理包括数据去噪与归一化处理。
根据本发明实施例的方法,通过计算多功能传感元件的电阻变化率来确定是否存在目标气体,在确定存在目标气体之后根据分类器识别目标气体的种类,确定完目标气体的种类后再根据单一传感元件的响应值来预测目标气体的浓度。因此,本发明实施例降低了计算气体浓度的复杂度,可以实时检测目标气体的种类以及浓度,提高了气体定性以及定量的检测速度,使得该阵列气体传感器的应用范围更加广泛。该方法是定性再定量,不仅适用于气体浓度的预测,同样适用于气体的报警。并且,在对传感元件进行训练时,可以仅需对多功能传感元件进行仅存在空气以及目标气体进入之后电阻值的变化的训练即可,而不需要采集不同目标气体的不同浓度气体构成样本的数据集。而单一传感元件,可以仅进行不同浓度目标气体进入后电阻值的变化的训练即可,而不需要采集从空气进入,到不同浓度目标气体进入以及目标气体逐渐消失的数据集。如此,可以降低了测试成本。
此外,确定是否存在目标气体以及获取目标气体的浓度都只需要计算电阻变化率以及响应值这两个参数即可,并不关心某一时刻的电阻值,也不关心传感器的基础电阻值。因此,即便阵列气体传感器的基础电阻存在漂移的现象,也不影响检测结果,从而从根本上解决了气体传感器的基础电阻不稳定以及漂移问题。
此外,本发明的方法对基础电阻也没有任何要求,解决了大批传感器基础电阻不在一定范围内而需要使用多套算法的问题,降低了大批量传感器的制作成本。因此,可以解决较小浓度的目标气体不能识别的问题,降低了对测试环境的要求,可以更有效地消除环境干扰,提高了传感器的重复性与一致性。因而,本发明的方法可以适用于更多类型的传感器如纳米材料气体传感器,适用于更为广泛的测试环境,尽可能地避免传感器在空气背景下由于基线不问导致误判成有目标气体进来的情况,也尽可能地避免传感器不能识别有较小响应目标气体的情况。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:
图1是根据本发明一个实施例的利用阵列气体传感器监测气体种类以及浓度的方法的示意性流程图;
图2是根据本发明一个实施例的利用阵列气体传感器监测气体种类以及浓度的方法的整体示意性流程图。
具体实施方式
本发明实施例中阵列气体传感器可以是由多个气体传感元件以阵列排布的方式组成,多个气体传感元件包括对多种气体均具有响应的多功能传感元件以及分别对多种气体具有响应的多个单一传感元件,每个单一传感元件在对应的气体的不同浓度值下具有不同的响应值。单一传感元件的灵敏度大于多功能传感元件的灵敏度。每个气体传感单元可以为单独的一个气体传感器,即每个气体传感器均具有一个基底。阵列气体传感器优选为微型结构,即构成该阵列气体传感器的多个气体传感元件共用一个基底,该气体传感元件可以包括敏感层以及电极,敏感层形成在共用的基底上,电极由敏感层引出。关于微型结构的阵列气体传感器的结构可以参考本公司在先申请的相关专利,例如申请号为201510061540.5的中国专利,此处不再赘述。
图1示出了根据本发明一个实施例的利用阵列气体传感器监测气体种类以及浓度的方法的示意性流程图。图2示出了根据本发明一个实施例的利用阵列气体传感器监测气体种类以及浓度的方法的整体示意性流程图。如图1和图2所示,该方法包括:
步骤S1,实时采集阵列气体传感器的电阻值,并实时计算一预设时段内多功能传感元件的电阻变化率,获得与数据集合{ΔT1,ΔT2,……,ΔTn}一一对应的数据集合{θ1,θ2,……,θn},其中,ΔTn为第n预设时段,θn为第n预设时段内对应的多功能传感元件的电阻变化率;
步骤S2,根据前一时刻空气中是否存在所述目标气体来预判当前时刻空气中是否存在所述目标气体;
步骤S3,若预判不存在目标气体,则进一步判断连续的多功能传感元件的m个电阻变化率中是否有m-x个电阻变化率大于第一电阻变化率阈值θr1,若有,则确定当前空气中存在目标气体;
步骤S4,提取阵列气体传感器检测到的与电阻值的相关特征,并构成特征向量;
步骤S5,采用分类器对特征向量进行识别,从而识别出目标气体的种类;
步骤S6,根据目标气体的种类计算对目标气体具有响应的目标单一传感元件此刻的第一响应值;
步骤S7,调取目标单一传感元件对应的响应值-浓度公式,并根据响应值-浓度公式以及第一响应值计算获得目标气体的浓度值。
步骤S1中,实时采集阵列气体传感器的电阻值时,每采集一个电阻值就对其进行预处理。其中,预处理包括数据去噪、归一化处理、移动平移等。一个预设时段内实时采集的数据例如可以为下表1所示:
表1
T<sub>t+1</sub> | T <sub>t+2</sub> | T<sub>t+3</sub> | T<sub>t+4</sub> | T<sub>t+5</sub> | T<sub>t+6</sub> | T<sub>t+7</sub> |
R<sub>t+1</sub> | R<sub>t+2</sub> | R<sub>t+3</sub> | R<sub>t+4</sub> | R<sub>t+5</sub> | R<sub>t+6</sub> | R<sub>t+7</sub> |
其中,t为包含零的任一正整数。Tt+a为第t+a时刻,Rt+a为第t+a时刻时采集的多功能传感元件的电阻值。以时刻T为横轴,电阻值R为纵轴,可以得到T-R点图。点图中的多个点可以连接在一起,由于每个电阻值都是经过预处理的,最终多个点连接在一起时可以连出一条直线。该直线的斜率即可以作为该预设时段内的多功能传感元件的电阻变化率。
例如t取值为0时,上述表1中包含T1至T7时刻对应的电阻值R1至R7。例如t取值为1时,上述表1中包含T2至T8时刻对应的电阻值R2至R8。例如t取值为2时,上述表1中包含T3至T9时刻对应的电阻值R3至R9。例如t取值为n-1时,上述表1中包含Tn至Tn+6时刻对应的电阻值Rn至Rn+6。那么,可以取ΔT1=T7-T1,ΔT2=T8-T2,ΔT3=T9-T3,……ΔTn=T n+6-Tn。而ΔT1时段内电阻变化率(即该时段内直线的斜率)为θ1,ΔT2时段内电阻变化率为θ2,而ΔT3时段内电阻变化率为θ3,……,ΔTn时段内电阻变化率为θn。将上述数据做成表格形式,如下表2中所示:
表2
ΔT<sub>T+1</sub> | ΔT<sub>T+2</sub> | ΔT<sub>T+3</sub> | ΔT<sub>T+4</sub> | ΔT<sub>T+5</sub> | ΔT<sub>T+6</sub> | ΔT<sub>T+7</sub> |
θ<sub>T+1</sub> | θ<sub>T+2</sub> | θ<sub>T+3</sub> | θ<sub>T+4</sub> | θ<sub>T+5</sub> | θ<sub>T+6</sub> | θ<sub>T+7</sub> |
上述仅为一个实施例,在其他实施例中ΔT可以根据响应值-浓度公式进行分析确定。
步骤S2中,可以通过前一时刻空气中是否存在目标气体来预判当前时刻空气中是否存在目标气体
步骤S3中,若判断当前空气中不存在目标气体,则需进一步判断连续的m个电阻变化率中是否有m-x个电阻变化率大于第一电阻变化率阈值θr1。例如,m为6,x为2。即要进一步判断连续的六个电阻变化率中是否有四个电阻变化率大于第一电阻变化率阈值θr1。根据上表2可知,连续的六个电阻变化率可以为ΔTT+1至ΔTT+6预设时段内对应的电阻变化率θT+1至θT+6。将θT+1至θT+6的值分别与θr1进行比较,若有四个的电阻变化率大于θr1,则确定当前空气中存在目标气体。其中,m为大于零且小于n的正整数,x为远小于m的正整数。其中远小于的概念例如可以为,m取5、6、7、8、9、10或11,或者更大数值,而x一般取值为1、2或3,一般情况下,不会超过3。
步骤S4中,阵列气体传感器检测到的与电阻值的相关特征例如可以为,响应值、电阻变化率、拟合曲线的系数、预定时间内电阻变化率或响应值变化曲线的面积,或者是上述几种的组合等等。阵列气体传感器的特征向量是多功能传感元件和多个单一传感元件所有传感元件构成的总的特征向量。例如构成的特征向量为{多功能传感元件的响应值,多功能传感元件的电阻变化率,多功能传感元件的其他特征,单一传感元件的响应值,单一传感元件的电阻变化率,单一传感元件的其他特征,另一单一传感元件的响应值,另一单一传感元件的电阻变化率,另一单一传感元件的其他特征……}
步骤S5中,分类器可以是现有技术中可以应用到本发明实施例的任意分类器,例如可以为KNN分类器、SVM分类器或决策树分类器等。
步骤S6中,确定完目标气体的种类后就就可以获知应该从哪个单一传感元件上获取其响应值。多功能传感元件和不同的单一传感元件的位置是已经确定的。
步骤S7中,响应值-浓度公式是通过训练获得的。响应值-浓度公式能够反应气体传感器的响应值和目标气体的浓度之间关系。训练时,可以先通入空气,再通入目标气体,并且逐渐增加目标气体的浓度,再逐渐减小目标气体的浓度,直至没有目标气体,采集这整个过程中是多功能传感元件或单一传感元件电阻的所有数据。分析该整个过程的数据,从而确定前述步骤中所有涉及到的阈值以及响应值-浓度公式。可以提前对多功能传感元件或每个单一传感元件均进行训练,从而获得与相应传感元件对应的响应值-浓度公式。
根据多功能传感元件的响应值-浓度公式计算获得电阻变化率为正值时的最小电阻变化率θmin。其中,第一电阻变化率阈值θr1稍小于或等于最小电阻变化率θmin,如:θr1取0.85*θmin的值,但需要确保θr1大于噪音的电阻变化率。
根据本发明实施例的方法,通过计算多功能传感元件的电阻变化率来确定是否存在目标气体,在确定存在目标气体之后根据分类器识别目标气体的种类,确定完目标气体的种类后再根据单一传感元件的响应值来预测目标气体的浓度。因此,本发明实施例降低了计算气体浓度的复杂度,可以实时检测目标气体的种类以及浓度,提高了气体定性以及定量的检测速度,使得该阵列气体传感器的应用范围更加广泛。该方法是定性再定量,不仅适用于气体浓度的预测,同样适用于气体的报警。并且,在对传感元件进行训练时,可以仅需对多功能传感元件进行仅存在空气以及目标气体进入之后电阻值的变化的训练即可,而不需要大量采集不同目标气体的不同浓度气体构成样本的数据集。而单一传感元件,可以仅进行不同浓度目标气体进入后电阻值的变化的训练即可,而不需要采集从空气进入,到不同浓度目标气体进入以及目标气体逐渐消失的数据集。如此,可以降低了测试成本。
此外,确定是否存在目标气体以及获取目标气体的浓度都只需要计算电阻变化率以及响应值这两个参数即可,并不关心某一时刻的电阻值,也不关心传感器的基础电阻值。因此,即便阵列气体传感器的基础电阻存在漂移的现象,也不影响检测结果,从而从根本上解决了气体传感器的基础电阻不稳定以及漂移问题。
此外,本发明的方法对基础电阻也没有任何要求,解决了大批传感器基础电阻不在一定范围内而需要使用多套算法的问题,降低了大批量传感器的制作成本。因此,可以解决较小浓度的目标气体不能识别的问题,降低了对测试环境的要求,可以更有效地消除环境干扰,提高了传感器的重复性与一致性。因而,本发明的方法可以适用于更多类型的传感器如纳米材料气体传感器,适用于更为广泛的测试环境,尽可能地避免传感器在空气背景下由于基线不问导致误判成有目标气体进来的情况,也尽可能地避免传感器不能识别有较小响应目标气体的情况。
如图2所示,该方法还包括如下步骤:若判断连续的多功能传感元件的m个电阻变化率中没有m-x个电阻变化率大于第一电阻变化率阈值θr1,则返回步骤S1。根据响应值-浓度公式以及第一响应值计算获得目标气体的浓度值之后,返回步骤S1。
如图2所示,该方法还包括如下步骤:
若判断连续的多功能传感元件的m个电阻变化率中有m-x个电阻变化率大于第一电阻变化率阈值θr1,则计算此刻多功能传感元件的第二响应值α2,其中,m为大于零且小于n的正整数,x为远小于m的正整数;
判断第二响应值α2是否大于第一响应阈值αs1,若是,则确定当前空气中存在目标气体。
如图2所示,该方法还包括如下步骤:
若预判存在所述目标气体,则进一步判断连续的所述多功能传感元件的s个电阻变化率中是否有s-y个电阻变化率小于第二电阻变化率阈值θr2,若有,则计算当前预设时段ΔT内电阻变化Δβ,其中,s为大于零且小于n的正整数,y为远小于s的正整数,其中远小于的概念例如可以为,s取5、6、7、8、9、10或11,或者更大数值,而y一般取值为1、2或3,一般情况下,不会超过3;根据多功能传感元件的响应值-浓度公式计算获得电阻变化率为负值时的最大电阻变化率θmax。其中,第二电阻变化率阈值θr2稍大于或等于最大电阻变化率θmax,如:θr1取1.05*θmin的值,但需要确保θr2小于噪音的电阻变化率。进一步判断电阻变化Δβ是否大于电阻变化阈值Δβs,若是,则确定当前空气中不存在所述目标气体。
若连续的所述多功能传感元件的s个电阻变化率中没有s-y个电阻变化率小于第二电阻变化率阈值θr2或者进一步判断中电阻变化Δβ没有大于电阻变化阈值Δβs,则确定当前空气中仍存在所述目标气体;
根据目标气体的种类计算对目标气体具有响应的目标单一传感元件此刻的第三响应值;
调取目标单一传感元件对应的响应值-浓度公式,并根据该响应值-浓度公式以及第三响应值计算获得目标气体的浓度值。
在上述步骤中,例如,s为6,y为2。即要进一步判断连续的六个电阻变化率中是否有四个电阻变化率小于第二电阻变化率阈值θr2。根据上表2可知,连续的六个电阻变化率可以为ΔTT+1至ΔTT+6预设时段内对应的电阻变化率θT+1至θT+6。将θT+1至θT+6的值分别与θr2进行比较,若有四个的电阻变化率大于θr2,则计算当前预设时段ΔT内电阻变化Δβ。第二电阻变化率阈值θr2稍大于或等于最大电阻变化率θmax。在该实施例中,需要采集不同种类的目标气体不同浓度构成样本的数据集来对多功能传感元件进行训练。
若连续的多功能传感元件的s个电阻变化率中没有s-y个电阻变化率小于第二电阻变化率阈值θr2,则根据前一时刻气体的种类,此刻的第三响应值及对应的响应值-浓度公式计算出此刻目标气体的浓度值。若电阻变化Δβ没有大于电阻变化阈值Δβs,则根据前一时刻气体的种类,此刻的第三响应值及对应的响应值-浓度公式计算出此刻目标气体的浓度值。
在图2示出的实施例中,目标气体的种类可以有三种,例如分别为一氧化碳、乙醇和甲烷,对应检测这三种目标气体的单一传感元件分别为一氧化碳传感元件、乙醇传感元件和甲烷传感元件。此时,步骤S5中的分类器可以是KNN分类器。在另一实施例中,目标气体的种类可以有三种,例如分别为水、乙醇和甲醇,对应检测这三种目标气体的单一传感元件分别为水传感元件、乙醇传感元件和甲醇传感元件。此时,步骤S5中的分类器可以是SVM分类器。在其他实施例中,目标气体的种类可以有两种,例如分别为一氧化碳和二氧化碳,对应检测这两种目标气体的单一传感元件分别为一氧化碳传感元件和二氧化碳传感元件。此时,步骤S5中的分类器可以是决策树分类器。当然,并不限于上述实施例的内容,可以是其他种类目标气体以及其他分类器。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (10)
1.一种利用阵列气体传感器监测气体种类以及浓度的方法,其特征在于,所述阵列气体传感器由多个气体传感元件以阵列排布的方式组成,所述多个气体传感元件包括对多种气体均具有响应的多功能传感元件以及分别对所述多种气体具有响应的多个单一传感元件,每个所述单一传感元件在对应的气体的不同浓度值下具有不同的响应值,所述方法包括:
实时采集所述阵列气体传感器的电阻值,并实时计算一预设时段内所述多功能传感元件的电阻变化率,获得与数据集合{ΔT1,ΔT2,……,ΔTn}一一对应的数据集合{θ1,θ2,……,θn},其中,ΔTn为第n预设时段,θn为第n预设时段内对应的所述多功能传感元件的电阻变化率;
根据前一时刻空气中是否存在所述目标气体来预判当前时刻空气中是否存在所述目标气体;
若预判不存在所述目标气体,则进一步判断连续的所述多功能传感元件的m个电阻变化率中是否有m-x个电阻变化率大于第一电阻变化率阈值θr1,若有,则确定当前空气中存在所述目标气体;
提取所述阵列气体传感器检测到的与所述电阻值的相关特征,并构成特征向量;
采用分类器对所述特征向量进行识别,从而识别出所述目标气体的种类;
根据所述目标气体的种类计算对所述目标气体具有响应的目标单一传感元件此刻的第一响应值;
调取所述目标单一传感元件对应的响应值-浓度公式,并根据所述响应值-浓度公式以及所述第一响应值计算获得此刻所述目标气体的浓度值。
2.根据权利要求1所述的方法,其特征在于,所述多功能传感元件的响应值-浓度公式还用于计算获得电阻变化率为正值时的最小电阻变化率θmin;其中
所述第一电阻变化率阈值θr1稍小于或等于所述最小电阻变化率θmin。
3.根据权利要求1或2所述的方法,其特征在于,还包括:
若判断连续的所述多功能传感元件的m个电阻变化率中没有m-x个电阻变化率大于第一电阻变化率阈值θr1,则返回实时采集所述多功能传感元件的电阻值。
4.根据权利要求1或2所述的方法,其特征在于,在所述根据所述响应值-浓度公式以及所述第一响应值计算获得所述目标气体的浓度值之后,还包括:
返回实时采集的所述阵列气体传感器的电阻值。
5.根据权利要求1所述的方法,其特征在于,还包括:
若判断连续的所述多功能传感元件的m个电阻变化率中有m-x个电阻变化率大于第一电阻变化率阈值θr1,则计算此刻所述多功能传感元件的第二响应值α2,其中,m为大于零且小于n的正整数,x为远小于m的正整数;
判断所述第二响应值α2是否大于第一响应阈值αs1,若是,则确定当前空气中存在所述目标气体。
6.根据权利要求5所述的方法,其特征在于,所述多功能传感元件的响应值-浓度公式还用于计算获得电阻变化率为负值时的最大电阻变化率θmax;其中
所述第一电阻变化率阈值θr1稍大于或等于所述最大电阻变化率θmax。
7.根据权利要求1所述的方法,其特征在于,还包括:
若预判存在所述目标气体,则进一步判断连续的所述多功能传感元件的s个电阻变化率中是否有s-y个电阻变化率小于第二电阻变化率阈值θr2,若有,则确定当前空气中不存在所述目标气体。
8.根据权利要求7所述的方法,其特征在于,还包括:
若判断连续的所述多功能传感元件的s个电阻变化率中没有s-y个电阻变化率小于所述第二电阻变化率阈值θr2,则计算当前预设时段ΔT内电阻变化Δβ,其中,s为大于零且小于n的正整数,y为远小于s的正整数;
进一步判断电阻变化Δβ是否大于电阻变化阈值Δβs,若是,则确定当前空气中不存在所述目标气体。
9.根据权利要求8所述的方法,其特征在于,在判断连续的所述多功能传感元件的s个电阻变化率中没有s-y个电阻变化率小于第二电阻变化率阈值θr2或着判断电阻变化Δβ不大于电阻变化阈值Δβs之后,还包括:
根据所述目标气体的种类计算对所述目标气体具有响应的目标单一传感元件此刻的第三响应值;
调取所述目标单一传感元件对应的响应值-浓度公式,并根据所述响应值-浓度公式以及所述第三响应值计算获得所述目标气体的浓度值。
10.根据权利要求8所述的方法,其特征在于,在所述实时采集所述阵列气体传感器的电阻值之后,在所述并实时计算一预设时段内所述多功能传感元件的电阻变化率之前,还包括:
对所述阵列气体传感器的当前电阻值进行预处理;
其中,所述预处理包括数据去噪与归一化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811556837.9A CN109632891B (zh) | 2018-12-19 | 2018-12-19 | 一种利用阵列气体传感器监测气体种类以及浓度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811556837.9A CN109632891B (zh) | 2018-12-19 | 2018-12-19 | 一种利用阵列气体传感器监测气体种类以及浓度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109632891A true CN109632891A (zh) | 2019-04-16 |
CN109632891B CN109632891B (zh) | 2022-04-08 |
Family
ID=66075482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811556837.9A Active CN109632891B (zh) | 2018-12-19 | 2018-12-19 | 一种利用阵列气体传感器监测气体种类以及浓度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109632891B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110361422A (zh) * | 2019-07-12 | 2019-10-22 | 北京机械设备研究所 | 一种气体传感器的制备方法和装置 |
CN110927217A (zh) * | 2019-11-22 | 2020-03-27 | 苏州慧闻纳米科技有限公司 | 基于电子鼻系统的食物新鲜度的识别方法及电子鼻系统 |
CN111126575A (zh) * | 2020-01-09 | 2020-05-08 | 同济大学 | 基于机器学习的气体传感器阵列混合气体检测方法及装置 |
CN112557459A (zh) * | 2020-12-02 | 2021-03-26 | 安徽芯核防务装备技术股份有限公司 | 一种mems薄膜半导体气敏传感器阵列识别方法 |
CN112782365A (zh) * | 2020-12-30 | 2021-05-11 | 江苏智闻智能传感科技有限公司 | 一种基于多级分类器的混合气体识别方法 |
CN112782233A (zh) * | 2020-12-30 | 2021-05-11 | 江苏智闻智能传感科技有限公司 | 一种基于阵列气体传感器的气体识别方法 |
CN113607674A (zh) * | 2021-06-30 | 2021-11-05 | 广州德芯半导体科技有限公司 | 基于mems气体传感器阵列的多气体检测方法及系统 |
CN114280251A (zh) * | 2021-12-31 | 2022-04-05 | 江苏智闻智能传感科技有限公司 | 一种气体检测机器人及气体泄露源检测方法 |
CN114460226A (zh) * | 2022-01-10 | 2022-05-10 | 上海工程技术大学 | 一种场景气体记忆和识别的方法及其应用 |
CN114660231A (zh) * | 2020-12-22 | 2022-06-24 | 中国石油化工股份有限公司 | 气体浓度预测方法、系统、机器可读存储介质及处理器 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110199055A1 (en) * | 2010-02-12 | 2011-08-18 | Revolt Technology Ltd. | Methods for charging metal-air cells |
US8265881B1 (en) * | 2011-10-07 | 2012-09-11 | H2Scan Corporation | Techniques for calculating gas concentrations in a fluid environment |
JP2015068802A (ja) * | 2013-09-30 | 2015-04-13 | 国立大学法人 岡山大学 | 薄膜型水素ガスセンサ |
US20160064780A1 (en) * | 2014-08-28 | 2016-03-03 | Apple Inc. | Methods for determining and controlling battery expansion |
CN108107086A (zh) * | 2017-12-12 | 2018-06-01 | 苏州慧闻纳米科技有限公司 | 一种基于阵列气体传感器的气体检测方法及气体传感器 |
CN108463718A (zh) * | 2015-11-02 | 2018-08-28 | 阿尔法莫斯公司 | 气体传感器控制器 |
CN108982054A (zh) * | 2018-08-07 | 2018-12-11 | 亚翔系统集成科技(苏州)股份有限公司 | 一种洁净室腐蚀性气体来源确定方法 |
-
2018
- 2018-12-19 CN CN201811556837.9A patent/CN109632891B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110199055A1 (en) * | 2010-02-12 | 2011-08-18 | Revolt Technology Ltd. | Methods for charging metal-air cells |
US8265881B1 (en) * | 2011-10-07 | 2012-09-11 | H2Scan Corporation | Techniques for calculating gas concentrations in a fluid environment |
JP2015068802A (ja) * | 2013-09-30 | 2015-04-13 | 国立大学法人 岡山大学 | 薄膜型水素ガスセンサ |
US20160064780A1 (en) * | 2014-08-28 | 2016-03-03 | Apple Inc. | Methods for determining and controlling battery expansion |
CN108463718A (zh) * | 2015-11-02 | 2018-08-28 | 阿尔法莫斯公司 | 气体传感器控制器 |
CN108107086A (zh) * | 2017-12-12 | 2018-06-01 | 苏州慧闻纳米科技有限公司 | 一种基于阵列气体传感器的气体检测方法及气体传感器 |
CN108982054A (zh) * | 2018-08-07 | 2018-12-11 | 亚翔系统集成科技(苏州)股份有限公司 | 一种洁净室腐蚀性气体来源确定方法 |
Non-Patent Citations (3)
Title |
---|
国家仪器仪表工业总局: "《中华人民共和国专业标准》", 5 March 1982, 国家仪器仪表工业总局 标准化研究室 * |
张金锐 等: "《石油化工分析基础知识问答》", 28 February 1997, 中国石化出版社 * |
薛华 等: "《分析化学(第二版)》", 31 January 1998, 清华大学出版社 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110361422A (zh) * | 2019-07-12 | 2019-10-22 | 北京机械设备研究所 | 一种气体传感器的制备方法和装置 |
CN110927217A (zh) * | 2019-11-22 | 2020-03-27 | 苏州慧闻纳米科技有限公司 | 基于电子鼻系统的食物新鲜度的识别方法及电子鼻系统 |
CN111126575A (zh) * | 2020-01-09 | 2020-05-08 | 同济大学 | 基于机器学习的气体传感器阵列混合气体检测方法及装置 |
CN111126575B (zh) * | 2020-01-09 | 2023-11-03 | 同济大学 | 基于机器学习的气体传感器阵列混合气体检测方法及装置 |
CN112557459A (zh) * | 2020-12-02 | 2021-03-26 | 安徽芯核防务装备技术股份有限公司 | 一种mems薄膜半导体气敏传感器阵列识别方法 |
CN114660231A (zh) * | 2020-12-22 | 2022-06-24 | 中国石油化工股份有限公司 | 气体浓度预测方法、系统、机器可读存储介质及处理器 |
CN114660231B (zh) * | 2020-12-22 | 2023-11-24 | 中国石油化工股份有限公司 | 气体浓度预测方法、系统、机器可读存储介质及处理器 |
CN112782233A (zh) * | 2020-12-30 | 2021-05-11 | 江苏智闻智能传感科技有限公司 | 一种基于阵列气体传感器的气体识别方法 |
CN112782365A (zh) * | 2020-12-30 | 2021-05-11 | 江苏智闻智能传感科技有限公司 | 一种基于多级分类器的混合气体识别方法 |
CN113607674A (zh) * | 2021-06-30 | 2021-11-05 | 广州德芯半导体科技有限公司 | 基于mems气体传感器阵列的多气体检测方法及系统 |
CN114280251A (zh) * | 2021-12-31 | 2022-04-05 | 江苏智闻智能传感科技有限公司 | 一种气体检测机器人及气体泄露源检测方法 |
CN114280251B (zh) * | 2021-12-31 | 2024-04-12 | 江苏智闻智能传感科技有限公司 | 一种气体检测机器人及气体泄露源检测方法 |
CN114460226A (zh) * | 2022-01-10 | 2022-05-10 | 上海工程技术大学 | 一种场景气体记忆和识别的方法及其应用 |
CN114460226B (zh) * | 2022-01-10 | 2024-02-06 | 上海工程技术大学 | 一种场景气体记忆和识别的方法及其应用 |
Also Published As
Publication number | Publication date |
---|---|
CN109632891B (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109632891A (zh) | 一种利用阵列气体传感器监测气体种类以及浓度的方法 | |
Jiang et al. | Indoor occupancy estimation from carbon dioxide concentration | |
US5239483A (en) | Detection of chemicals | |
Zhang et al. | On-line sensor calibration transfer among electronic nose instruments for monitoring volatile organic chemicals in indoor air quality | |
EP3486643B1 (en) | Sensing system and method for the estimation of analyte concentration | |
Tian et al. | A novel pattern mismatch based interference elimination technique in E-nose | |
Roselyn et al. | Development and implementation of novel sensor fusion algorithm for occupancy detection and automation in energy efficient buildings | |
Lilienthal et al. | A stereo electronic nose for a mobile inspection robot | |
CN108107086B (zh) | 一种基于阵列气体传感器的气体检测方法及气体传感器 | |
CN113390928A (zh) | 气体感测设备以及操作气体感测设备的方法 | |
CN112198209A (zh) | 一种甲醛检测方法及甲醛检测装置 | |
KR100825717B1 (ko) | 가스 검출용 센서 및 그를 포함하는 전자 후각 시스템 | |
GB2545807A (en) | Infrared thermographic porosity quantification in composite structures | |
Srivastava et al. | Spatial upscaling-based algorithm for detection and estimation of hazardous gases | |
CN112198208B (zh) | 一种甲醛检测方法及甲醛检测装置 | |
CN109682858B (zh) | 一种利用气体传感器实时检测气体浓度的方法 | |
CN111521647A (zh) | 气体浓度检测方法、系统、计算机设备及存储介质 | |
CN112782233B (zh) | 一种基于阵列气体传感器的气体识别方法 | |
US20200278310A1 (en) | Method for operating a gas sensor device and gas sensor device | |
US6716638B1 (en) | Measuring conducting paths using infrared thermography | |
US11531016B2 (en) | Method of operating gas sensors and corresponding device, sensor and program product | |
Chen et al. | The research of chronic gastritis diagnosis with electronic noses | |
Sharmilana et al. | Classification and identification of volatile organic solvents based on functional groups using electronic nose | |
CN111522398A (zh) | 接触检测设备和方法 | |
CN206557180U (zh) | 气体浓度分析系统 |
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 |