CN110869754A - 多气体感测系统 - Google Patents
多气体感测系统 Download PDFInfo
- Publication number
- CN110869754A CN110869754A CN201880027199.3A CN201880027199A CN110869754A CN 110869754 A CN110869754 A CN 110869754A CN 201880027199 A CN201880027199 A CN 201880027199A CN 110869754 A CN110869754 A CN 110869754A
- Authority
- CN
- China
- Prior art keywords
- gas
- impedance response
- gas sensor
- transient impedance
- sensor
- 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.)
- Pending
Links
- 230000004044 response Effects 0.000 claims abstract description 99
- 230000001052 transient effect Effects 0.000 claims abstract description 84
- 238000000034 method Methods 0.000 claims abstract description 82
- 239000000203 mixture Substances 0.000 claims abstract description 62
- 239000007789 gas Substances 0.000 claims description 390
- 238000000513 principal component analysis Methods 0.000 claims description 25
- 230000008859 change Effects 0.000 claims description 4
- 238000011088 calibration curve Methods 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 description 27
- 238000010438 heat treatment Methods 0.000 description 26
- 238000005259 measurement Methods 0.000 description 24
- 238000001816 cooling Methods 0.000 description 18
- 239000000463 material Substances 0.000 description 12
- 239000013598 vector Substances 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 229910052760 oxygen Inorganic materials 0.000 description 9
- 238000005070 sampling Methods 0.000 description 9
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 239000001301 oxygen Substances 0.000 description 8
- 230000035945 sensitivity Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 7
- 239000002775 capsule Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 229910044991 metal oxide Inorganic materials 0.000 description 5
- 150000004706 metal oxides Chemical group 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 241000894007 species Species 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000001311 chemical methods and process Methods 0.000 description 3
- 230000007123 defense Effects 0.000 description 3
- 210000001035 gastrointestinal tract Anatomy 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- XOLBLPGZBRYERU-UHFFFAOYSA-N tin dioxide Chemical compound O=[Sn]=O XOLBLPGZBRYERU-UHFFFAOYSA-N 0.000 description 3
- 229910001887 tin oxide Inorganic materials 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 241000283690 Bos taurus Species 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- XLOMVQKBTHCTTD-UHFFFAOYSA-N Zinc monoxide Chemical compound [Zn]=O XLOMVQKBTHCTTD-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000004817 gas chromatography Methods 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 238000012880 independent component analysis Methods 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 230000009131 signaling function Effects 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- 241000283707 Capra Species 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 240000006829 Ficus sundaica Species 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 206010021143 Hypoxia Diseases 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 241000009328 Perro Species 0.000 description 1
- 238000001069 Raman spectroscopy Methods 0.000 description 1
- 241000282898 Sus scrofa Species 0.000 description 1
- 150000001298 alcohols Chemical class 0.000 description 1
- 150000001335 aliphatic alkanes Chemical class 0.000 description 1
- 150000001336 alkenes Chemical class 0.000 description 1
- 150000001345 alkine derivatives Chemical class 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000000941 bile Anatomy 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 230000001079 digestive effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 150000004665 fatty acids Chemical class 0.000 description 1
- 238000000855 fermentation Methods 0.000 description 1
- 230000004151 fermentation Effects 0.000 description 1
- 210000004211 gastric acid Anatomy 0.000 description 1
- 239000010439 graphite Substances 0.000 description 1
- 229910002804 graphite Inorganic materials 0.000 description 1
- 229910052736 halogen Inorganic materials 0.000 description 1
- 150000002367 halogens Chemical class 0.000 description 1
- 229910000039 hydrogen halide Inorganic materials 0.000 description 1
- 239000012433 hydrogen halide Substances 0.000 description 1
- 230000007954 hypoxia Effects 0.000 description 1
- 239000011261 inert gas Substances 0.000 description 1
- 239000002198 insoluble material Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- QGLKJKCYBOYXKC-UHFFFAOYSA-N nonaoxidotritungsten Chemical compound O=[W]1(=O)O[W](=O)(=O)O[W](=O)(=O)O1 QGLKJKCYBOYXKC-UHFFFAOYSA-N 0.000 description 1
- 210000001331 nose Anatomy 0.000 description 1
- 150000007524 organic acids Chemical class 0.000 description 1
- 235000005985 organic acids Nutrition 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000011045 prefiltration Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006557 surface reaction Methods 0.000 description 1
- 239000002341 toxic gas Substances 0.000 description 1
- 229910001930 tungsten oxide Inorganic materials 0.000 description 1
- 238000004065 wastewater treatment Methods 0.000 description 1
- 239000011787 zinc oxide Substances 0.000 description 1
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
- 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
- G01N27/122—Circuits particularly adapted therefor, e.g. linearising circuits
- G01N27/123—Circuits particularly adapted therefor, e.g. linearising circuits for controlling the temperature
- G01N27/124—Circuits particularly adapted therefor, e.g. linearising circuits for controlling the temperature varying the temperature, e.g. in a cyclic manner
-
- 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
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)
Abstract
本文披露了一种用于确定多气体混合物中的至少一种气体的类型和相应浓度的方法,该方法包括:将气体传感器的气敏元件暴露于该多气体混合物;调制供应给该气体传感器的温度控制元件的驱动信号,以使该气敏元件的温度从初始温度变化;在该气敏元件的温度发生变化时记录该气敏元件的瞬态阻抗响应,以获得作为该多气体混合物的特性的瞬态阻抗响应;使用该瞬态阻抗响应以便根据数据库来确定该多气体样本中的至少一种气体的类型和相应浓度,该数据库包括与该至少一种气体相对应的校准数据。本文还披露了一种对多气体感测系统进行校准的方法、一种多气体感测系统、以及用于确定多气体混合物中的至少一种气体的类型和相应浓度的相关方法。
Description
技术领域
本发明涉及用于确定多气体混合物中的一种或多种气体的类型和浓度的方法和系统。
背景技术
现有技术的气体传感器通常通过将感测元件加热到稳态温度并且然后读取传感器元件的稳态阻抗进行操作。当试图检测多气体混合物中多种不同气体的存在时,这会产生问题。已经采用了多种不同的解决方案来解决这个问题。一种选择是利用多个不同的气敏元件,每个气敏元件对不同的气体种类敏感。以这种方式,气敏元件将各自报告对特定气体的检测。另一种选择是利用响应于不同温度下的不同气体的气敏元件。在这些情况下,可以将气敏元件加热到第一稳态温度以获得指示第一气体的存在的第一稳态阻抗,并且然后将这些气敏元件加热到第二稳态温度以获得指示第二气体的存在的第二稳态阻抗(依此类推)。然而,特别是在要检测的不同气体的数量较大的情况下,这两种选择均导致设备和方法越来越复杂且昂贵。
替代性选择是使用另一种方法。存在解决以上所提及问题的更昂贵的系统。然而,这些方法通常成本非常高并且可能难以实施。示例包括光谱分析系统(光谱测定法、红外线、拉曼光谱学)和气相色谱法(GC)。这些系统在实验室环境的背景下非常有用。然而,它们通常体积大、昂贵且功耗大。这使得它们不适用于便携式或低功率应用(诸如用于移动设备的便携式感测设备)、可摄取装置、紧急服务使用和防御应用。这些类型的系统更适于精度和准确度都是最高优先级的实验室环境。
本发明的目的是解决或者改善现有技术的系统和/或方法的至少一个问题。
在说明书中对任何现有技术的引用不是对这种现有技术在任何司法管辖区中形成公共常识的一部分或者可以合理地预期这种现有技术由本领域的技术人员理解、认为是相关的和/或与其他现有技术组合的认可或暗示。
发明内容
在本发明的一个方面,提供了一种用于确定多气体混合物中的至少一种气体的类型和相应浓度的方法,该方法包括:
将气体传感器的气敏元件暴露于该多气体混合物;
调制供应给该气体传感器的温度控制元件的驱动信号,以使该气敏元件的温度从初始温度变化;
在该气敏元件的温度发生变化时记录该气敏元件的瞬态阻抗响应,以获得作为该多气体混合物的特性的瞬态阻抗响应;
使用该瞬态阻抗响应以便根据数据库来确定该多气体样本中的至少一种气体的类型和相应浓度,该数据库包括与该至少一种气体相对应的校准数据。
现有技术的系统和方法依赖于稳态响应来确定多气体混合物中的各气体的组成和浓度。然而,这种方法具有许多缺点。具体地,利用这种现有技术方法,无法使用现有技术的气体传感器基于单个稳态响应来确定多气体混合物中的各气体的组成和浓度。这是因为在稳态下,多气体混合物中的各种气体的响应重叠并且难以区分。与此相比,本发明人已经惊奇地发现,可以使用瞬态阻抗响应来确定多气体混合物中的一种或多种气体的组成和浓度。因此,本发明以一种或多种形式提供了可以用于替换、补足或增强现有气体感测系统的低廉且精确的传感器。
与现有技术的传感器系统和方法相比,本发明使用气敏元件的瞬态阻抗响应。该瞬态阻抗响应提供关于多气体混合物中存在的一种或多种气体在气敏元件的温度升高和降低(诸如由于被动冷却)时的数据。利用适当的模型表征该数据使得可以确定多气体混合物中的一种或多种气体的类型和浓度。
术语“阻抗”可以包括电路、元件及其组合的电阻和电抗两者。然而,在一些实施例中,所测得的阻抗可以仅仅是电阻,诸如在使用DC加热脉冲或者仅测量出电阻的情况下。
在某些形式中,与现有技术的传感器相比,本发明的方法和系统已经降低了硬件要求和功率要求。这是因为依赖于瞬态响应意味着不一定需要多个传感器和/或这些方法和系统不一定需要加热到多个稳态温度——在现有系统中可能需要这两者来检测多种气体。因此,在一种或多种形式中,这些方法和系统能够利用便携式且具有非常低的功率要求(<100mW)的低成本气体传感器,从而使得本发明的方法和系统可用于功率可用性受限且气体类型最初未知的便携式气体感测应用。由于低功率要求,单个传感器可以以单个电池运行多天。
该温度控制元件可以加热或冷却气敏元件。在一个实施例中,该温度控制元件是冷却元件(诸如,珀耳帖冷却器),并且其中,该调制步骤包括调制供应给该气体传感器的冷却元件的驱动信号,以使该气敏元件从初始温度冷却;并且该记录步骤包括在冷却和/或加热该气敏元件期间记录该气敏元件的瞬态阻抗响应,以获得作为该多气体混合物的特性的瞬态阻抗响应。在替代性实施例中,该温度控制元件是加热元件;该调制步骤包括调制供应给该气体传感器的加热元件的驱动信号,以使该气敏元件从初始温度加热;并且该记录步骤包括在加热和/或冷却该气敏元件期间记录该气敏元件的瞬态阻抗响应,以获得作为该多气体混合物的特性的瞬态阻抗响应。
在实施例中,该驱动信号是电压。
在实施例中,该方法进一步包括:从该瞬态阻抗响应导出分数值,并使用该分数值以便根据数据库来确定该多气体样本中的至少一种气体的类型和相应浓度,该数据库包括与该至少一种气体相对应的校准数据。优选地,该分数值是通过将该瞬态阻抗响应与具有相应校准分数值的校准数据的数据库进行比较并使用这些校准分数值对该分数值进行插值来确定的。更优选地,该方法进一步包括对该分数值进行回归分析以标识包括与该分数值相对应的该至少一种气体的多气体混合物的类型。一旦已经标识出该多气体混合物的类型,该方法进一步包括:标识与该多气体混合物相对应的函数,并根据该函数使用该分数值对该至少一种气体的类型和浓度进行插值。
在该实施例的一种形式中,该分数值是使用主成分分析从该瞬态阻抗响应导出的。
在该实施例的一种形式中,在导出该分数值之前,该方法进一步包括对该瞬态阻抗响应进行预滤波以移除离群数据的步骤。
在实施例中,该瞬态阻抗响应被测量为模拟信号,并且该方法进一步包括将该模拟信号转换为数字信号以获得该瞬态阻抗响应。对该模拟信号进行转换的步骤包括以40Hz或更大的采样率对该模拟信号进行采样。优选地,该采样率小于100kHz。
在本发明的某些形式中,调制该驱动信号的步骤包括提供至少一个驱动信号脉冲。优选地,该脉冲具有与方波、正弦波或斜坡之一相对应的脉冲形状,但是可以根据需要使用其他脉冲形状。优选的是,供应该脉冲50ms或更短的时间。优选地,施加该脉冲30ms或更短。更优选地,施加该脉冲20ms或更短。最优选地,施加该脉冲15ms或更短。替代性地或另外,优选的是施加该脉冲至少1ms的时间。更优选地,施加该脉冲至少3ms。甚至更优选地,施加该脉冲至少5ms。最优选地,施加该脉冲至少10ms。在驱动信号是电压的实施例中,该脉冲是电压脉冲。
在电压作为一系列电压脉冲被提供的情况下,针对一系列重复脉冲中的多个重复脉冲中的每个重复脉冲实施测量气敏元件的瞬态阻抗响应的步骤。
在实施例中,在该气敏元件返回到该初始温度之前,发生对该气敏元件的瞬态阻抗响应的测量。
在实施例中,在已经停止施加该驱动信号150ms或更短的时间之后,继续对该气敏元件的瞬态阻抗响应的测量。优选地,测量持续120ms或更短的时间。更优选地,测量持续100ms或更短的时间。甚至更优选地,测量持续90ms或更短的时间。最优选地,测量持续85ms或更短的时间。替代性地或另外地,优选的是测量持续至少50ms的时间。更优选地,测量持续至少60ms的时间。最优选地,测量持续至少70ms的时间。
在实施例中,该方法用于确定多气体混合物中的两种或更多种气体的类型和相应浓度。
在一个实施例中,该气体传感器是单个元件的气体传感器。发明人已经发现,在本发明的一些形式中,单个元件的气体传感器能够以快速(<100ms)响应时间且以低功率要求(<100mW)来标识和量化混合物中的气体。这使得气体传感器能够几乎实时地提供快速测量,这增加了可以以便携式电源操作的益处。
在本发明的另一方面,提供了一种对多气体感测系统进行校准的方法,该方法包括:
(a)将气敏元件暴露于多气体混合物,该多气体混合物包括至少两种已知浓度的已知气体;
(b)调制供应给该气体传感器的温度控制元件的驱动信号,以使该气敏元件的温度从初始温度变化;
(c)在该气敏元件的温度发生变化时记录该气敏元件的瞬态阻抗响应,以获得作为该多气体混合物的特性的瞬态阻抗响应的校准数据;以及
(d)将该校准数据存储在数据库中。
在一个实施例中,该温度控制元件是冷却元件(诸如,珀耳帖冷却器),并且其中,该调制步骤包括调制供应给该气体传感器的冷却元件的驱动信号,以使该气敏元件从初始温度冷却;并且该记录步骤包括在冷却和/或加热该气敏元件期间记录该气敏元件的瞬态阻抗响应,以获得作为该多气体混合物的特性的瞬态阻抗响应。在替代性实施例中,该温度控制元件是加热元件;该调制步骤包括调制供应给该气体传感器的加热元件的驱动信号,以使该气敏元件从初始温度加热;并且该记录步骤包括在加热和/或冷却该气敏元件期间记录该气敏元件的瞬态阻抗响应,以获得作为该多气体混合物的特性的瞬态阻抗响应。
在实施例中,该驱动信号是电压。
在实施例中,该方法进一步包括:从该瞬态阻抗响应导出分数值;以及将该分数值存储在该数据库中。优选地,使用主成分分析来导出该分数值。
在实施例中,该方法进一步包括:重复步骤(a)至步骤(c)以获得该至少两种已知气体的多种不同相对浓度,并存储与该至少两种已知气体的该多种不同相对浓度中的每种相对浓度相对应的校准曲线。优选地,该方法进一步包括:从多个该校准数据导出分数值,并将这些分数值存储在该数据库中。优选地,该方法进一步包括根据这些分数值形成样条模型。
在实施例中,该方法进一步包括对该瞬态阻抗响应应用统计分析以生成该校准数据。优选地,在该统计分析之前,该方法进一步包括对该瞬态阻抗响应进行预滤波以移除离群数据。在一种或多种形式中,该统计分析是主成分分析。
在实施例中,调制该驱动信号的步骤包括提供采用该脉冲、方波、正弦波、斜坡和伪随机噪声的波形的驱动信号。优选的是,供应采用脉冲(诸如施加50ms或更短时间的脉冲)形式的驱动信号。优选地,施加该脉冲30ms或更短。更优选地,施加该脉冲20ms或更短。最优选地,施加该脉冲15ms或更短。替代性地或另外,优选的是施加该脉冲至少1ms的时间。更优选地,施加该脉冲至少3ms。甚至更优选地,施加该脉冲至少5ms。最优选地,施加该脉冲至少10ms。在驱动信号是电压的实施例中,该脉冲是电压脉冲。
在提供采用波形(诸如电压波形)的驱动信号的情况下,该波形可以采用一系列重复波(例如,重复脉冲、方波、正弦波、斜坡等)的形式。在这种实例中,针对一系列重复波中多个重复波中的每个重复波实施测量气敏元件的瞬态阻抗响应的步骤。
在实施例中,在冷却该气敏元件期间对该气敏元件的瞬态阻抗响应的测量持续该气敏元件冷却到初始温度所花费的时间。
在实施例中,在已经停止施加该驱动信号150ms或更短的时间之后,继续对该气敏元件的瞬态阻抗响应的测量。优选地,测量继续持续120ms或更短的时间。更优选地,测量继续持续100ms或更短的时间。甚至更优选地,测量继续持续90ms或更短的时间。最优选地,测量继续持续85ms或更短的时间。替代性地或另外,优选的是测量继续持续至少50ms的时间。更优选地,测量继续持续至少60ms的时间。最优选地,测量继续持续至少70ms的时间。
在本发明的进一步方面,提供了一种经由以上讨论的校准方法获得的校准模型值的数据库。
在本发明的又另一方面,提供了一种多气体感测系统,该多气体感测系统包括:
气体传感器设备,该气体传感器设备至少包括:
气敏元件,用于感测多气体样本中的气体,
温度控制元件,用于改变该气敏元件的温度,该温度控制元件可通过调制供应给该温度控制元件的驱动信号来控制,
数据获取系统,被配置为在该气敏元件的温度发生变化时记录该气敏元件的瞬态阻抗响应,以获得作为该多气体混合物的特性的瞬态阻抗响应;并且
其中,该系统进一步包括:
一个或多个处理器,该一个或多个处理器被配置为使用该瞬态阻抗响应以便根据数据库来确定该多气体样本中的至少一种气体的类型和相应浓度,该数据库包括与该至少一种气体相对应的校准数据。
在实施例中,该温度控制元件是用于冷却该气敏元件的冷却元件(诸如,珀耳帖冷却器);并且该数据获取系统被配置为在冷却该气敏元件期间和/或在加热该气敏元件期间记录该气敏元件的瞬态阻抗响应。在替代性实施例中,该温度控制元件是用于加热该气敏元件的加热元件;并且该数据获取系统被配置为在加热该气敏元件期间和/或在冷却该气敏元件期间记录该气敏元件的瞬态阻抗响应。
在实施例中,该数据获取系统被配置为对该瞬态阻抗响应进行数字采样以获得该瞬态阻抗响应。优选地,该数据获取系统被配置为以40Hz或更大的采样率对该瞬态阻抗响应进行数字采样。优选地,该采样率小于100kHz。
该(这些)处理器可以是该气体传感器设备的一部分,或者可以与该气体系统设备分离。在该(这些)处理器与该气体传感器分离的实施例中,该气体传感器优选地包括用于将该气敏元件的瞬态阻抗响应传输到该(这些)处理器的通信装置(诸如,有线或无线通信网关)。因此,在实施例中,该一个或多个处理器远离该数据获取系统,并且该系统进一步包括用于将该瞬态阻抗响应从该数据获取系统传输到该一个或多个处理器的通信网关。
在实施例中,该一个或多个处理器被配置为:从该瞬态阻抗响应导出分数值,并使用该分数值以便根据数据库来确定该多气体样本中的至少一种气体的类型和相应浓度,该数据库包括与该至少一种气体相对应的校准数据。优选地,该一个或多个处理器被配置为使用主成分分析从该瞬态阻抗响应导出该分数值。
在该实施例的一种形式中,该系统包括至少两个处理器,第一处理器被配置为从该瞬态阻抗响应导出该分数值,并且第二处理器被配置为确定该多气体样本中的至少一种气体的类型和浓度;并且
该第一处理器和该第二处理器彼此远离;并且
该系统进一步包括用于在该第一处理器与该第二处理器之间进行无线通信的通信网关。
在实施例中,该系统进一步包括该数据库。在一种形式中,该数据库远离该数据获取系统,并且该系统进一步包括用于在该数据获取系统与该数据库之间进行通信的通信网关。
在本发明的某些形式中,该系统进一步包括驱动信号函数发生器以用于调制该驱动信号。该驱动信号函数发生器可以生成采用一个或多个驱动信号脉冲形式的驱动信号。优选地,该脉冲具有与方波、正弦波或斜坡之一相对应的脉冲形状。
在实施例中,该驱动信号是电压。
虽然对用于气敏元件的材料的选择至少部分地取决于气体传感器的预期应用和环境,但是在实施例中,该气敏元件是金属氧化物元件。金属氧化物元素是有用的,因为它们耐污染、耐腐蚀并且耐降解;并且因此在各种不同的环境中较耐用。因此,除了提供良好的敏感性和气体选择性之外,金属氧化物元件还具有较长的使用寿命。
在一种或多种形式中,气体传感器设备是小型气体传感器设备,其中,该气体感测元件的材料具有1mm2或更小的截面面积和/或10微米或更小的膜厚度。这是有利的,因为其允许气体传感器设备以非侵入方式安装到面积中。此外,小型气体传感器设备能够容易地结合到其他设备(诸如手持设备)中。举例来说,该气体传感器可以结合到移动电话设备中,使得该移动电话设备具有气体感测功能。在另一示例中,该气体传感器可以包含在小型可摄取胶囊内。在于2016年8月15日提交的题为“gas sensor capsule(气体传感器胶囊)”的澳大利亚临时专利申请号2016903219中描述了合适的胶囊。澳大利亚临时专利申请号2016903219的全部内容通过引用并入本文。
此外,在一种或多种形式中,该气体传感器被适配用于在好氧环境和厌氧环境两者中进行操作,从而使其适合用于监测发酵、厌氧化工过程、气体空间监测(例如,密闭空间监测)以及在存在缺氧风险的防御和紧急服务中的许多其他应用。根据发明人的知识,先前未证明气体传感器(特别是包括单个气敏元件的气体传感器)可以在好氧环境和厌氧环境两者中进行操作。
在本发明的又另一方面,提供了一种用于确定多气体混合物中的至少一种气体的类型和相应浓度的方法,该方法包括:
从气体传感器的气敏元件接收表示瞬态阻抗响应的或从该瞬态阻抗响应导出的数据,其中,该数据通过以下操作获得:
将气体传感器的气敏元件暴露于该多气体混合物;
调制供应给该气体传感器的温度控制元件的驱动信号,以使该气敏元件的温度从初始温度变化;以及
在该气敏元件的温度发生变化时记录该气敏元件的瞬态阻抗响应,以获得作为该多气体混合物的特性的瞬态阻抗响应;
该方法进一步包括:
使用该数据以便根据数据库来确定该多气体样本中的至少一种气体的类型和相应浓度,该数据库包括与该至少一种气体相对应的校准数据。
本发明的这个方面可以在远离气体传感器而定位的计算系统中实施。例如,该气体传感器可以耦合到或结合到现场设备中,而该方法可以在中央计算系统处使用来自该现场设备的数据来执行。在一些实施方式中,这种系统可以促进收集和使用大于可以由现场设备存储或使用的校准数据集。
在一种形式中,所接收的数据可以是直接表示瞬态阻抗的数据。在其他形式中,所接收的数据可以包括从瞬态阻抗响应导出的分数值。
该现场设备可以通过有线或无线通信信道的任何组合与计算机系统进行通信。
在一种优选形式中,该现场设备是智能电话、平板计算设备或其他手持计算设备。
在一个实施例中,该温度控制元件是冷却元件(诸如,珀耳帖冷却器),并且其中,该调制步骤包括调制供应给该气体传感器的冷却元件的驱动信号,以使该气敏元件从初始温度冷却;并且该记录步骤包括在冷却和/或加热该气敏元件期间记录该气敏元件的瞬态阻抗响应,以获得作为该多气体混合物的特性的瞬态阻抗响应。在替代性实施例中,该温度控制元件是加热元件;该调制步骤包括调制供应给该气体传感器的加热元件的驱动信号,以使该气敏元件从初始温度加热;并且该记录步骤包括在加热和/或冷却该气敏元件期间记录该气敏元件的瞬态阻抗响应,以获得作为该多气体混合物的特性的瞬态阻抗响应。
在实施例中,该驱动信号是电压。
通过以下通过举例方式并参考附图给出的描述,本发明的进一步方面和在前述段落中描述的各方面的进一步实施例将变得明显。
附图说明
图1是展示传感器校准和传感器使用的过程的流程图,示出了互相关联的部件和信息流。
图2是典型的气体传感器系统的示意图,示出了气体传感器的元件、加热器电压电源、数据获取系统、计算机处理系统和用户应用。
图3示出了在(A)1.7%的O2环境和(B)0%的O2环境中针对以下不同气体在15ms加热器脉冲期间跨传感器元件测得的电压:(i)H2(1%的N2)、(ii)CH4(100%)和(iii)的H2S(56ppm)。
图4(A)是示出了用于在氧气中进行模型气体测试的前三个主导主成分的主成分分析系数向量(PCA向量)的曲线图。
图4(B)是示出了用于在无氧的情况下进行模型气体测试的前三个主导主成分的主成分系数分析向量(PCA向量)的曲线图。
图5(A)是示出了在有氧的情况下针对每种气体浓度观察结果的主成分(PC)分数的曲线图。
图5(B)是示出了在无氧的情况下针对每种气体浓度观察结果的主成分(PC)分数的曲线图。
图6是展示了系统在好氧(1.7%的O2)环境和厌氧(0%的O2)环境中分离气体的能力的图表:(A)在有氧的情况下测试的几种气体混合物的传感器输出电压数据和(B)基于响应相应计算的气体浓度。(C)在无氧的情况下测试的几种气体混合物的传感器输出电压数据和(D)基于响应相应计算的气体浓度。
具体实施方式
本发明广泛地涉及一种多气体感测系统、一种对该多气体感测系统进行校准的方法、以及一种确定多气体样本中的至少一种气体的类型和相应浓度的方法。该系统和方法被适配用于感测大量不同气体的类型和浓度(即,确定其类型和浓度)。这种气体可以包括但不限于:NOX;SOX;CO2;CO;H2;H2S;NH3;O2;惰性气体;卤素;卤化氢;挥发性烃(诸如烷烃、烯烃、炔烃)、醇、有机酸(特别是挥发性脂肪酸),其中,挥发性烃可以被卤化。
在本发明的各种形式中,多气体系统通过以下各项进行操作:在存在多气体样本的情况下调制气敏元件的温度;当气敏元件的温度随时间推移发生变化时,对来自气敏元件的瞬态输出信号进行采样;以及通过对经数字采样的数据应用数学算法来提取选择性和敏感性数据。该数据可以从单个气体元件中获得,但也可以施加至不同元件的阵列,每个元件基于其特定的气体敏感性来提供其自己的独特信息。然而,在优选形式中,气体感测设备至少包括能够感测多种气体(诸如多于一种不同类型的气体)的单个气敏元件。
本发明应用于一系列不同的气体感测系统,诸如:微元件传感器、CMOS传感器、多气体感测、神经网络、电子鼻、过程监测、环境监测、废水处理监测、化工过程监测、生物系统监测、可摄取传感器和个人监测。本发明的系统和方法可以用于各种各样的应用,特别是受益于用于在多气体环境中测量和标识多种气体的低功率便携式系统的应用。这种申请的非限制性披露包括:
·工业应用:工厂监测;排气;发电厂;挥发性气体监测。
·防御应用:个人或人员安全;身体数据监测。
·家庭应用:监测房屋内有毒气体(诸如一氧化碳和NO2)的积聚。
·移动电话:个人或人员安全和监测;便携式呼吸分析系统;污染监测。
·环境监测:监测城市周围的来自家畜/牲畜、电力生产设施以及许多其他重工业(矿业、石油、天然气等)的气体的运动和浓度。
·汽车工业:监测客舱空气质量、监测车辆性能等。
·航空工业:监测客舱空气质量、监测车辆性能等。
·化工和加工工业:监测活跃的化工过程;人员安全;社区和环境监测和安全。
·采矿工业:人员安全;社区和环境监测和安全。
在一种特定形式中,气体传感器包含在可摄取气体感测胶囊内。这对于监测人体和动物体内的气体是有用的。此应用需要低功率、但高度敏感的系统。在这种情况下,气体传感器包含在可摄取胶囊内。可摄取胶囊由不可溶解的材料形成,该不可溶解的材料包含气体可渗透但流体选择性薄膜,以保护传感器免受人类或非人类动物(诸如绵羊、牛、山羊、鸡、狗、猫、猪等)的消化道内的胃酸、胆汁或其他消化液的影响。通过薄膜的气体成分的渗透使传感器暴露于消化道环境下,从而允许传感器报告在消化道中检测到的气体。在这种实例中,多气体传感器包括无线通信装置(诸如无线发射器),用于将信息从多气体传感器发射到远程位置处(例如,诸如动物体外)的用户界面。
测量未知气体的过程首先需要使用已知气体和气体混合物对多气体感测系统进行校准,并且对校准数据进行数值建模。该过程针对特定气敏元件为每种气体种类产生独特模型。建模过程的基本步骤(其也在图1中的标题1下方进行展示)如下:
1.1.向传感器施加已知气体
1.2.操作气体传感器的温度控制元件并实时记录气敏元件的瞬态阻抗响应
1.3.为所有记录的校准数据生成主成分(PC)模型并生成PC分数值
1.4.重复步骤1.1-1.3,直到PC模型收敛(即,添加新的观察结果对模型的影响低于方差阈值)
1.5.对于每种气体种类,将样条曲线拟合到PC分数值以生成气体浓度向量。
一旦已经生成了适当的模型,就可以使用传感器来测量未知气体。该过程(在图1中的标题2下展示的)如下:
2.1.向传感器施加未知气体
2.2.操作气体传感器的温度控制元件并实时记录气敏元件的瞬态阻抗响应
2.3.使用校准PC模型、确定未知气体的PC分数
2.4.使用回归拟合将未知气体分配给模型中的样条曲线
2.5.使用来自步骤2.4中曲线的信息、通过沿模型曲线对未知气体的位置进行关联来计算未知气体的经校准的绝对浓度。
现在将更详细地解释该过程,该过程与以上图1中呈现的步骤直接相关。
传感器的校准和建模
1.1:向传感器施加已知气体类型和浓度
图2展示了气体传感器200,该气体传感器包括电阻气敏元件202和采用微加热器204形式的加热元件。微加热器204和气敏元件202彼此热接触。气敏元件202由涂覆在气敏膜上的导电电极制成。感测元件在各种施加的温度下暴露于不同的气体时,其阻抗发生变化。各种施加的温度是使用施加电压以对加热元件进行加热的函数发生器205来调制的。
可以用于气敏元件202的材料的示例是半导体金属氧化物,诸如氧化锡、氧化锌和氧化钨;但也可以包含许多其他金属氧化物。其他电阻或半导体元素可以用于感测元件,诸如聚合材料和石墨元素;然而,这些材料可能限制热调制的范围。气敏元件202还可以通过表面功能化来改性,以改善气体敏感性和选择性。
气敏元件202可以较厚或较薄,这取决于所需的调制时间和响应时间以及期望的浓度范围和气体敏感性。较厚的气敏元件材料可以提高材料的敏感性;然而,与较薄的材料相比,这些较厚的材料将具有更慢的响应时间。相对于气体敏感性,应当选择材料的厚度以便优化动态响应。
使用记录传感器元件的模拟特性并将其转换成数字信号的数据获取系统206来测量气敏元件202的参数。该数字信号用于处理并确定气体的类型和浓度。这可以使用计算机处理步骤208来实现,该计算机处理步骤可以在任何微处理器、嵌入式系统、移动设备或个人计算机系统上操作。然后,来自该过程的信息可以用于期望的用户应用210,该用户应用可以采用从对直接气体的简单图形用户界面(GUI)的读取到对长期变化的复杂数据记录和监测的任何合适的形式。
1.2:对传感器加热元件施以脉冲并收集响应
气敏元件202针对各种气体提供不同的敏感性和响应,这些不同的敏感性和响应被直接测量为感测元件的阻抗变化。例如,如果气敏元件202包括氧化锡,则在感测元件从室温加热到高达400℃时,该感测元件的阻抗急剧变化。不同的气体影响气敏元件在被加热和冷却时的阻抗分布。大体上,关于当通过将脉冲调制信号施加至加热元件来加热和冷却传感器200时该传感器的瞬态响应行为来描述本发明。然而,还可以向加热元件施加诸如三角波、方波和正弦波等其他信号以提供该瞬态响应。该方法与当前的商业系统相反,这些当前商业系统旨在在已经达到热平衡之后或者当向加热器施加恒定电压或电流时测量传感器的稳态响应。
可以使用电压脉冲或一系列电压脉冲来调制传感器200的微加热元件204,该电压脉冲可以采用正弦、斜坡的形式,该一系列电压脉冲可以采用正弦波或伪随机噪声的形式。电压脉冲的类型、幅值和频率是可调的(诸如利用函数发生器205),并且每种组合可以提供关于传感器周围存在的气体的独特信息。因此,对传感器200的加热器电压的选择对于期望的应用、传感器材料和目标气体而言是重要的。
作为示例,对于三种不同的气体(H2(1%的N2)、CH4(100%)和H2S(56ppm)),微加热元件204在施加几伏脉冲持续15毫秒的情况下进行操作。在气敏元件202已经返回到预热平衡之前,记录气敏元件202在加热器打开和关闭时测量每种气体时的电阻变化。图3示出了在(A)1.7%的O2环境和(B)0%的O2环境中针对以下不同气体在15ms加热器脉冲期间跨传感器元件测得的电压变化的结果:(i)H2(1%的N2)、(ii)CH4(100%)和(iii)的H2S(56ppm)。在该示例中,对瞬态响应的监测发生在温度返回到预热平衡温度之前,这通常花费大约100ms。
将电压变化测量为模拟信号,该模拟信号通过以适当的采样率对模拟信号进行采样来进行数字化。在该特定示例中,采样率为6kHz,并且来自1.255V参考电压的数字分辨率为15位。因此,在100ms监测周期内的样本数量为600个样本。然后使用主成分分析(PCA)算法来处理数字化结果。
1.3:使用PCA处理数据:记录每次测试的主成分分数
在本示例中,气敏元件的瞬态响应以及使用主成分分析(PCA)和多项式曲线拟合和相关的后处理允许标识多气体样本中的各气体的类型和浓度。然而,还可以采用其他数学算法来提取特定的气体信息。为了研究气体分布当中的相关性(包括预测相互作用),因子分析、独立成分分析(ICA)以及其他方法和相应的R函数是可用的。为此,PCA是优选的方法,因为其提供了数据的简化模型;然而,PCA的问题是其在存在离群数据点时表现不佳。这可以使用附加算法预先过滤数据以移除这些离群数据点来克服。
为了确定所检测的气体的类型和浓度,必须通过测量已知气体和混合物来训练PCA算法。在该示例中,制作几种H2、CH4和H2S的气体混合物并将其用作传感器训练数据。PCA算法能够将100ms的原始数据简化为一系列分数值。可以方便地将这些分数值可视化为三维(3D)空间中的坐标,然后将其用于计算样条曲线以“连接圆点”并对气体感测模型中缺失的观察结果进行插值。图4(A)和图4(B)展示了传感器训练数据(PC观察结果)的三个示例,其中传感器分别检测气体H2、CH4和H2S。图4(A)是示出了用于在有氧的情况下进行模型气体测试的前三个主导主成分(H2、CH4和H2S)的主成分分析系数向量(PCA向量)的曲线图,图4(B)是示出了用于在无氧的情况下进行模型气体测试的前三个主导主成分(H2、CH4和H2S)的主成分系数分析向量(PCA向量)的曲线图。
1.4:重复步骤1-3,直到PC模型收敛
必须通过使用各种各样的气体类型和浓度进行重复测量来使气体传感器的校准模型更具鲁棒性。包括在模型中的更多结果将减少在测量未知气体时气体相关性的误差。对于该示例,在五(5)个不同的浓度值下测量每种气体混合物。对每次气体测试给出的分数在图5(A)和图5(B)中被示出为点。
1.5:对于每种气体种类,将样条曲线拟合到PC分数值以生成气体浓度向量
必须独立完成用于针对每种气体浓度和气体类型/混合物生成模型的过程。图5(A)和图5(B)中示出了在H2、CH4和H2S的不同浓度下的传感器模型数据的示例三次样条向量。在每个绘图中示出了对于CH4和H2的混合物、CH4和H2S的混合物以及H2和H2S的混合物的三组数据。这里的曲线是用于‘连接圆点’(已知测量点之间的圆点)(来自前一步骤),并且用于给出在已知测量点之间发现的任何气体的估计值。该样条曲线有助于给出PC分数与气体浓度值之间的直接关系,并用于进行未知气体的测量。
2:传感器的用法
使用从(i)PCA分析、(ii)后续气体混合物PCA模型和(iii)气体浓度向量获得的信息,可以获得未知多气体混合物中的各气体的类型和浓度(之前已经完成对其类型和浓度的校准)。
2.1:向传感器施加未知气体类型和浓度
该步骤类似于步骤1.1,除了感测元件暴露于包括未知类型和浓度的一种或多种气体的多气体混合物之外。
2.2:对传感器的加热元件施以脉冲并收集响应
此步骤类似于步骤1.2。向加热器元件施加电压优选地与校准阶段中使用的电压相同。图6(A)和图6(C)分别示出了在存在1.7%和0%的O2的情况下传感器对各种气体混合物的响应。
2.3:使用校准PC模型、确定未知气体的PC分数
该步骤依赖于在校准阶段(步骤1.3)中的所开发的PCA模型。对于基于PCA的算法,PCA模型是一系列主成分曲线。图4(A)和图4(B)中示出了示例主成分曲线。将来自未知气体的响应与这些曲线进行比较,并且生成未知气体的分数值。
2.4:使用回归拟合将未知气体分配给模型中的样条曲线
然后,对未知气体的分数值使用回归拟合,以确定其属于哪种气体混合物类型。该步骤仅揭示了所测得的气体类型。
2.5:通过沿模型曲线对未知气体的位置进行关联来计算未知气体的经校准的绝对浓度。
这一最后步骤是用于计算未知气体的浓度。使用根据模型生成的样条曲线,其中将未知气体的分数值与样条曲线进行比较,并确定气体的浓度值。图6(B)示出了基于图6(A)中展示的传感器响应相应计算的气体浓度,并且图6(D)示出了基于图6(C)中展示的传感器响应相应计算的气体浓度。
在该示例中,重复测试40次,并示出误差条(参见图6(B)和图6(D))。该误差包括传感器误差、PCA算法误差、以及向量计算和相关性误差。误差都小于20%——误差最高的是CH4与H2S之间的分离。通过对气体传感器模型进行更全面的训练,可以改善误差,从而使得气体在好氧环境和厌氧环境两者中均能非常好的分离。
应该注意的是,即使示例氧化锡传感器在0%的O2环境中表现较差,但仍然可以标识和测量气体。例外情况出现在测量纯H2或纯H2S时,在该例外情况下,误差条较大。例如,这可以通过选择用于气敏元件的不同材料或通过操作气敏元件的阵列来得到改善。
将理解,在本说明书中所披露和限定的发明扩展到文本或附图中所提到的或者从文本或附图显而易见的各个特征中的两个或更多个特征的所有替代性组合。所有这些不同组合构成本发明的各个替代性方面。
Claims (22)
1.一种用于确定多气体混合物中的至少一种气体的类型和相应浓度的方法,该方法包括:
将气体传感器的气敏元件暴露于该多气体混合物;
调制供应给该气体传感器的温度控制元件的驱动信号,以使该气敏元件的温度从初始温度变化;
在该气敏元件的温度发生变化时记录该气敏元件的瞬态阻抗响应,以获得作为该多气体混合物的特性的瞬态阻抗响应;
使用该瞬态阻抗响应以便根据数据库来确定该多气体样本中的至少一种气体的类型和相应浓度,该数据库包括与该至少一种气体相对应的校准数据。
2.如权利要求1所述的方法,进一步包括:从该瞬态阻抗响应导出分数值,并使用该分数值以便根据数据库来确定该多气体样本中的至少一种气体的类型和相应浓度,该数据库包括与该至少一种气体相对应的校准数据。
3.如权利要求2所述的方法,其中,该分数值是通过将该瞬态阻抗响应与具有相应校准分数值的校准数据的数据库进行比较并使用这些校准分数值对该分数值进行插值来确定的。
4.如权利要求3所述的方法,其中,该方法进一步包括对该分数值进行回归分析以标识包括与该分数值相对应的该至少一种气体的多气体混合物的类型。
5.如权利要求4所述的方法,其中,在已经标识出该多气体混合物的类型之后,该方法进一步包括:标识与该多气体混合物相对应的多元样条函数,并根据该多元样条函数使用该分数值对该至少一种气体的类型和浓度进行插值。
6.如权利要求2至5中任一项所述的方法,其中,该分数值是使用主成分分析从该瞬态阻抗响应导出的。
7.如前述权利要求中任一项所述的方法,其中,调制该驱动信号包括提供该驱动信号作为脉冲,其中,该脉冲被施加持续50ms或更短的时间。
8.如前述权利要求中任一项所述的方法,其中,在该气敏元件返回到该初始温度之前,发生对该气敏元件的瞬态阻抗响应的测量。
9.如权利要求1至8中任一项所述的方法,其中,在已经停止施加该驱动信号150ms或更短的时间之后,继续对该气敏元件的瞬态阻抗响应的测量。
10.如前述权利要求中任一项所述的方法,其中,该方法用于确定多气体混合物中的两种或更多种气体的类型和相应浓度。
11.一种对多气体感测系统进行校准的方法,该方法包括:
(a)将气敏元件暴露于多气体混合物,该多气体混合物包括至少两种已知浓度的已知气体;
(b)将经调制的驱动信号施加至该气体传感器的温度控制元件,以使该气敏元件的温度从初始温度变化;
(c)在该气敏元件的温度发生变化时记录该气敏元件的瞬态阻抗响应,以获得作为该多气体混合物的特性的瞬态阻抗响应的校准曲线;以及
(d)将该校准曲线存储在数据库中。
12.如权利要求11所述的方法,其中,该方法进一步包括:从该瞬态阻抗响应导出分数值,并将该分数值存储在该数据库中。
13.如权利要求12所述的方法,其中,使用主成分分析来导出该分数值。
14.如权利要求11至13中任一项所述的方法,其中,该方法进一步包括:重复步骤(a)至步骤(c)以获得该至少两种已知气体的多种不同相对浓度,并存储与该至少两种已知气体的该多种不同相对浓度中的每种相对浓度相对应的校准数据。
15.如权利要求14所述的方法,其中,该方法进一步包括:从多个该校准数据导出分数值,并将这些分数值存储在该数据库中。
16.如权利要求15所述的方法,其中,该方法进一步包括根据这些分数值形成样条模型。
17.如权利要求11至16中任一项所述的方法,其中,调制该驱动信号包括提供该驱动信号作为脉冲,并且其中,该脉冲被施加持续50ms或更短的时间。
18.一种具有校准模型值的数据库,这些校准模型值经由如权利要求11至17中任一项所述的对多气体传感器进行校准的方法而获得。
19.一种多气体感测系统,包括:
气体传感器设备,该气体传感器设备至少包括:
气敏元件,用于感测多气体样本中的气体;以及
温度控制元件,用于改变该气敏元件的温度,该温度控制元件可通过调制供应给该温度控制元件的驱动信号来控制,其中,该系统进一步包括:
数据获取系统,该数据获取系统被配置为在该气敏元件的温度发生变化时记录该气敏元件的瞬态阻抗响应,以获得作为该多气体混合物的特性的瞬态阻抗响应;以及
一个或多个处理器,该一个或多个处理器被配置为使用该瞬态阻抗响应以便根据数据库来确定该多气体样本中的至少一种气体的类型和相应浓度,该数据库包括与该至少一种气体相对应的校准数据。
20.如权利要求19所述的系统,其中,该数据获取系统被配置为对该瞬态阻抗响应进行数字采样以获得该瞬态阻抗响应。
21.如权利要求19或20所述的系统,其中,该一个或多个处理器被配置为:从该瞬态阻抗响应导出分数值,并使用该分数值以便根据数据库来确定该多气体样本中的至少一种气体的类型和相应浓度,该数据库包括与该至少一种气体相对应的校准数据。
22.一种用于确定多气体混合物中的至少一种气体的类型和相应浓度的方法,该方法包括:
从气体传感器的气敏元件接收表示瞬态阻抗响应的或从该瞬态阻抗响应导出的数据,其中,该数据通过以下操作获得:
将气体传感器的气敏元件暴露于该多气体混合物;
调制供应给该气体传感器的温度控制元件的驱动信号,以使该气敏元件的温度从初始温度变化;以及
在该气敏元件的温度发生变化时记录瞬态阻抗响应,以获得作为该多气体混合物的特性的瞬态阻抗响应;该方法进一步包括:
使用该数据以便根据数据库来确定该多气体样本中的至少一种气体的类型和相应浓度,该数据库包括与该至少一种气体相对应的校准数据。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
AU2017901645A AU2017901645A0 (en) | 2017-05-05 | Multi-gas sensing system | |
AU2017901645 | 2017-05-05 | ||
PCT/AU2018/050413 WO2018201201A1 (en) | 2017-05-05 | 2018-05-04 | Multi-gas sensing system |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110869754A true CN110869754A (zh) | 2020-03-06 |
Family
ID=64015658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880027199.3A Pending CN110869754A (zh) | 2017-05-05 | 2018-05-04 | 多气体感测系统 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20200292480A1 (zh) |
EP (1) | EP3619526A4 (zh) |
JP (1) | JP7233719B2 (zh) |
CN (1) | CN110869754A (zh) |
AU (1) | AU2018263293A1 (zh) |
CA (1) | CA3061473A1 (zh) |
WO (1) | WO2018201201A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111521647A (zh) * | 2020-03-25 | 2020-08-11 | 南方科技大学 | 气体浓度检测方法、系统、计算机设备及存储介质 |
CN113267535A (zh) * | 2021-07-21 | 2021-08-17 | 深圳盛方科技有限公司 | 一种智能气体识别方法及其装置 |
CN114168587A (zh) * | 2020-08-31 | 2022-03-11 | 苏星 | 产生气味数据的系统和方法及其数据库 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3623804B1 (en) * | 2018-09-13 | 2023-10-25 | STMicroelectronics S.r.l. | Method of operating gas sensors and corresponding device, sensor and program product |
EP3699582A1 (en) * | 2019-02-25 | 2020-08-26 | Infineon Technologies AG | Gas sensing device and method for operating a gas sensing device |
CN111537664B (zh) * | 2020-05-07 | 2022-12-20 | 江苏集萃智能集成电路设计技术研究所有限公司 | 催化式多气体传感系统 |
JP7354521B2 (ja) * | 2020-12-25 | 2023-10-03 | 公立大学法人 富山県立大学 | 匂い検出装置及び匂い検出方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070202012A1 (en) * | 2003-11-12 | 2007-08-30 | Steichen John C | System and method for sensing and analyzing gases |
US20090126454A1 (en) * | 2007-11-16 | 2009-05-21 | Keith Pratt | Method of Measuring a Target Gas at Low Concentration |
US8972204B2 (en) * | 2010-11-01 | 2015-03-03 | Atmospheric Sensors Ltd. | Gas discriminating semiconductor sensors |
US20160238578A1 (en) * | 2015-02-17 | 2016-08-18 | H2Scan Corporation | Method for measuring gas concentrations based on sensor response times |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0288958A (ja) * | 1988-09-26 | 1990-03-29 | Sharp Corp | ガスセンサ制御装置 |
JPH05203604A (ja) * | 1992-01-27 | 1993-08-10 | Kanagawa Pref Gov | 酸素濃度測定方法と装置 |
JPH1114589A (ja) * | 1997-06-23 | 1999-01-22 | Ngk Insulators Ltd | ガスセンサ |
EP0994345B1 (en) * | 1998-10-13 | 2014-02-26 | Denso Corporation | Power supply control system for heater used in gas concentration sensor |
US6409969B1 (en) * | 1999-06-01 | 2002-06-25 | Cummins, Inc. | System and method for controlling a self-heated gas sensor based on sensor impedance |
JP4016076B2 (ja) | 2004-09-28 | 2007-12-05 | 独立行政法人国立高等専門学校機構 | ガス識別方法 |
US7460958B2 (en) | 2004-10-07 | 2008-12-02 | E.I. Du Pont De Nemours And Company | Computer-implemented system and method for analyzing mixtures of gases |
FR2919928A1 (fr) * | 2007-08-10 | 2009-02-13 | Renault Sas | Capteur pour gaz et procede de detection de constituants gazeux dans un melange et/ou de mesure des concentrations respectives de ces constituants |
JP5134399B2 (ja) * | 2007-11-08 | 2013-01-30 | 日本特殊陶業株式会社 | ガスセンサ及びガスセンサ制御装置 |
US8542023B2 (en) * | 2010-11-09 | 2013-09-24 | General Electric Company | Highly selective chemical and biological sensors |
JP5204206B2 (ja) * | 2010-12-16 | 2013-06-05 | 日本特殊陶業株式会社 | ガス情報推定装置 |
MX2014000111A (es) | 2011-07-01 | 2014-09-15 | Commw Scient Ind Res Org | Sistema, metodo y dispositivo para medir un gas en el estomago de un mamifero. |
JP2014102161A (ja) | 2012-11-20 | 2014-06-05 | Institute Of National Colleges Of Technology Japan | ガス識別装置、及びガス識別方法 |
JP2016105065A (ja) * | 2014-12-01 | 2016-06-09 | 株式会社デンソー | 酸素濃度センサの制御装置 |
AU2015268746B2 (en) | 2014-12-30 | 2017-09-07 | Ge Infrastructure Technology Llc | Sensing method and system |
-
2018
- 2018-05-04 EP EP18794335.2A patent/EP3619526A4/en not_active Withdrawn
- 2018-05-04 CN CN201880027199.3A patent/CN110869754A/zh active Pending
- 2018-05-04 WO PCT/AU2018/050413 patent/WO2018201201A1/en active Application Filing
- 2018-05-04 JP JP2019560183A patent/JP7233719B2/ja active Active
- 2018-05-04 AU AU2018263293A patent/AU2018263293A1/en not_active Abandoned
- 2018-05-04 CA CA3061473A patent/CA3061473A1/en active Pending
- 2018-05-04 US US16/610,678 patent/US20200292480A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070202012A1 (en) * | 2003-11-12 | 2007-08-30 | Steichen John C | System and method for sensing and analyzing gases |
US20090126454A1 (en) * | 2007-11-16 | 2009-05-21 | Keith Pratt | Method of Measuring a Target Gas at Low Concentration |
US8972204B2 (en) * | 2010-11-01 | 2015-03-03 | Atmospheric Sensors Ltd. | Gas discriminating semiconductor sensors |
US20160238578A1 (en) * | 2015-02-17 | 2016-08-18 | H2Scan Corporation | Method for measuring gas concentrations based on sensor response times |
Non-Patent Citations (5)
Title |
---|
KIEU AN NGO ET AL: "High performance of a gas identification system using sensor array and temperature modulation", 《SENSORS AND ACTUATORS B》 * |
R. IONESCU ET AL: "Low-level detection of ethanol and H2S with temperature-modulated", 《SENSORS AND ACTUATORS B》 * |
YO KATO ET AL: "Temperature-dependent dynamic response enables the qualification and", 《SENSORS AND ACTUATORS B 》 * |
宋凯等: "基于ICA的气体模式识别方法研究", 《仪表技术与传感器》 * |
李宁等: "电子鼻信号处理方法综述", 《电子世界》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111521647A (zh) * | 2020-03-25 | 2020-08-11 | 南方科技大学 | 气体浓度检测方法、系统、计算机设备及存储介质 |
CN111521647B (zh) * | 2020-03-25 | 2023-04-21 | 南方科技大学 | 气体浓度检测方法、系统、计算机设备及存储介质 |
CN114168587A (zh) * | 2020-08-31 | 2022-03-11 | 苏星 | 产生气味数据的系统和方法及其数据库 |
CN113267535A (zh) * | 2021-07-21 | 2021-08-17 | 深圳盛方科技有限公司 | 一种智能气体识别方法及其装置 |
Also Published As
Publication number | Publication date |
---|---|
EP3619526A1 (en) | 2020-03-11 |
JP2020518815A (ja) | 2020-06-25 |
JP7233719B2 (ja) | 2023-03-07 |
EP3619526A4 (en) | 2021-03-03 |
WO2018201201A1 (en) | 2018-11-08 |
CA3061473A1 (en) | 2018-11-08 |
US20200292480A1 (en) | 2020-09-17 |
AU2018263293A1 (en) | 2019-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110869754A (zh) | 多气体感测系统 | |
Huerta et al. | Online decorrelation of humidity and temperature in chemical sensors for continuous monitoring | |
Covington et al. | Artificial Olfaction in the 21 st Century | |
Vlasov et al. | Nonspecific sensor arrays (" electronic tongue") for chemical analysis of liquids (IUPAC Technical Report) | |
EP3879266A1 (en) | Gas sensing device and method for operating a gas sensing device | |
CN101470121A (zh) | 一种嵌入式仿生嗅觉气味识别方法及装置 | |
JP2009529684A (ja) | 環境モニタリング方法及び装置 | |
Gutes et al. | A flow injection voltammetric electronic tongue applied to paper mill industrial waters | |
US8215150B2 (en) | Instrument docking station with non-destructive sensor analysis capabilities | |
Fuchs et al. | Evaluation of unpleasant odor with a portable electronic nose | |
Zhang et al. | Fast measurement with chemical sensors based on sliding window sampling and mixed-feature extraction | |
Acharyya et al. | Smart and selective gas sensor system empowered with machine learning over IoT platform | |
Sears et al. | Selective thermally cycled gas sensing using fast Fourier-transform techniques | |
Vergara et al. | Gas sensor drift mitigation using classifier ensembles | |
KR101002491B1 (ko) | 상관계수를 이용한 냄새 인식 방법 및 시스템 | |
Korotcenkov | Chemical Sensors: Comprehensive Sensor Technologies Volume 6: Chemical Sensors Applications | |
Bakar et al. | Development of application specific electronic nose for monitoring the atmospheric hazards in confined space | |
Bataller et al. | A humid electronic nose based on pulse voltammetry: A proof-of-concept design | |
Sharmilana et al. | Classification and identification of volatile organic solvents based on functional groups using electronic nose | |
Men et al. | Data fusion of electronic nose and electronic tongue for discrimination of Chinese liquors | |
JP4592195B2 (ja) | ガス検出方法及びその装置 | |
Drix et al. | Rapid recognition of olfactory scenes with a portable mox sensor system using hotplate modulation | |
Seifert et al. | Mobile sensor system AGaMon for breath control: thermo-cyclic operation and numerical signal analysis of ternary gas mixtures | |
Altawell | Introduction to Machine Olfaction Devices | |
Tharaga et al. | ‘E-Nose’-Design and testing of an electronic device for aroma detection |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200306 |
|
RJ01 | Rejection of invention patent application after publication |