CN112782255A - 一种基于阵列气体传感器的气体识别方法 - Google Patents
一种基于阵列气体传感器的气体识别方法 Download PDFInfo
- Publication number
- CN112782255A CN112782255A CN202011637627.XA CN202011637627A CN112782255A CN 112782255 A CN112782255 A CN 112782255A CN 202011637627 A CN202011637627 A CN 202011637627A CN 112782255 A CN112782255 A CN 112782255A
- Authority
- CN
- China
- Prior art keywords
- gas
- target
- sensor
- measured
- identification method
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004364 calculation method Methods 0.000 claims abstract description 43
- 230000004044 response Effects 0.000 claims abstract description 20
- 239000007789 gas Substances 0.000 claims description 251
- 238000005259 measurement Methods 0.000 claims description 22
- 238000001914 filtration Methods 0.000 claims description 7
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000002347 injection Methods 0.000 description 4
- 239000007924 injection Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008569 process Effects 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
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
- G01N27/403—Cells and electrode assemblies
- G01N27/406—Cells and probes with solid electrolytes
- G01N27/407—Cells and probes with solid electrolytes for investigating or analysing gases
- G01N27/409—Oxygen concentration cells
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Molecular Biology (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)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明提供了一种基于阵列气体传感器的气体识别方法,属于气体传感器领域。该气体识别方法包括:实时采集每一目标传感器的测量值,目标传感器为阵列气体传感器中对目标气体有响应的至少一个气体传感器,每一目标传感器均对其能识别的气体具有方向一致的响应,目标气体包括至少一种气体;依次计算每个目标传感器在预设时间段内的连续的多个计算周期中的每个计算周期内的多个测量值的统计量,统计量用于反应计算周期内的测量值的离散程度;根据每个目标传感器的连续的多个计算周期中的每个计算周期内的多个测量值的统计量确定待检测气体中是否存在目标气体。本发明的气体识别方法能够扩大气体传感器的应用范围,降低成本。
Description
技术领域
本发明涉及气体传感器领域,特别是涉及一种基于阵列气体传感器的气体识别方法。
背景技术
气体传感器是指用于检测在一定区域范围内是否存在特定气体及能实时检测气体浓度的装置。随着传感器技术、信号处理技术和模式识别技术的发展,应用场景的越发多样化,对基于阵列气体传感器各方面的算法技术要求也越来越高。如:从已知进样时间点或固定进样时间点的气体识别到未知进样时间点的气体识别。
阵列气体传感器的起峰识别方法,是用来识别是否有目标气体进样,从而自动找出基线和峰值的时间点。在实时检测目标气体的过程中,确定基线和峰值时间点有不同的方法:一种方法是通过对比气体传感器在接触目标气体前后的测量值都在特定的范围内判断出是否有目标气体,从而找出基线和峰值的时间点;另一种方法是通过计算一段时间内气体传感器测量值的斜率来识别是否有目标气体进样,但该方法会受到异型起峰的影响。因此,在实时检测目标气体中,阵列气体传感器对气体起峰识别的方法目前还没有比较全面的方法。
发明内容
本发明的一个目的是提供一种基于阵列气体传感器的气体识别方法,能够扩大气体传感器的应用范围。
本发明的进一步的一个目的是要降低气体传感器的制作成本。
特别地,本发明提供了一种基于阵列气体传感器的气体识别方法,包括:
实时采集每一目标传感器的测量值,所述目标传感器为所述阵列气体传感器中对目标气体有响应的至少一个气体传感器,每一所述目标传感器均对其能识别的气体具有方向一致的响应,所述目标气体包括至少一种气体;
依次计算每个所述目标传感器在预设时间段内的连续的多个计算周期中的每个计算周期内的多个测量值的统计量,所述统计量用于反应所述计算周期内的测量值的离散程度;
根据每个所述目标传感器的所述连续的多个计算周期中的每个计算周期内的多个测量值的统计量确定待检测气体中是否存在所述目标气体。
可选地,所述目标传感器为能够对所有所述目标气体均能响应的一个气体传感器。
可选地,所述目标传感器为多个气体传感器,所述多个气体传感器能够响应气体的种类覆盖所述目标气体的种类。
可选地,依次计算每个所述目标传感器在预设时间段内的连续的多个计算周期中的每个计算周期内的测量值的统计量的步骤之前,还包括:
对每一所述目标传感器的测量值进行滤波处理。
可选地,所述统计量包括标准差和/或方差。
可选地,根据每个所述目标传感器的所述连续的多个计算周期中的每个计算周期内的多个测量值的统计量确定待检测气体中是否存在所述目标气体的步骤,包括:
当至少一个所述目标传感器的连续的第一预设数量个计算周期中的每个计算周期的多个测量值的标准差均大于标准差阈值S0时,确定所述待检测气体中存在目标气体,其中,A<S0<B,A为所述目标传感器对应于其所能测得的每种所述目标气体的基线标准差的最大值,所述基线标准差为所述目标传感器对其所能测得的每种所述目标气体在第一标定时间内的多个基线测量值的标准差,B为所述目标传感器对应于其所能测得的每种所述目标气体的标准差的最小值。
可选地,根据每个所述目标传感器的所述连续的多个计算周期中的每个计算周期内的多个测量值的统计量确定待检测气体中是否存在所述目标气体的步骤,包括:
当至少一个所述目标传感器的连续的第二预设数量个计算周期中的每个计算周期内的多个测量值的方差均大于方差阈值D0时确定所述待检测气体中存在目标气体,其中,E<D0<F,E为所述目标传感器对应于其所能测得的每种所述目标气体的基线方差的最大值,所述基线方差为所述目标传感器对其所能测得的每种所述目标气体在第二标定时间内的多个基线测量值的方差,F为所述目标传感器对应于其所能测得的每种所述目标气体的方差的最小值。
可选地,所述目标传感器对应于其所能测得的每种所述目标气体的基线标准差和标准差,或所述目标传感器对应于其所能测得的每种所述目标气体的基线方差和方差均根据试验的训练数据确定。
本发明通过测量值的离散程度来识别是否有目标气体进样,无需考虑气体传感器对目标气体的响应方向。这种方法无需考虑气体传感器的基线和在特定浓度下响应在一定范围内,只需要求气体传感器对特定气体的灵敏度在一定范围内即可。也不需要考虑气体传感器对目标气体的响应方向,且不会受异型起峰的影响,比如有一个弯曲的起峰,斜率在弯曲的起峰值是有变化的,但用标准差或方差计算,大小是一样的,这样容易设置相应的阈值。本方法可以确保响应值在一定的范围内,降低了对气体传感器器件的要求,可以解决一些由气体传感器本身或者环境干扰引起的慢性漂移问题,使其应用范围更为广泛,抗干扰性更强。
进一步地,本发明的方法对任何基础电阻的传感器(即对传感器器件的基础电阻没有要求)都可以用,解决了大批传感器基础电阻不在一定范围内的问题,同时降低大批量传感器的制作成本。
进一步地,本发明的方法通过计算一段时间内气体传感器的测量值的标准差或方差是否大于对应的阈值来判断是否起峰,只要所取计算标准差或方差测量值的个数合适,可以排除一些小波动的干扰,因此更为准确和稳定。
进一步地,本发明的方法相对于计算斜率来识别起峰方法来说,计算标准差或方差所需测量值的个数相对于计算斜率所需测量值的个数会少一些,缩短了检测目标气体所需时间,且该方法不受异型起峰的影响。
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基于阵列气体传感器的气体识别方法的流程图;
图2是根据本发明另一个实施例的基于阵列气体传感器的气体识别方法的流程图;
图3是根据本发明再一个实施例的基于阵列气体传感器的气体识别方法的流程图。
具体实施方式
图1是根据本发明一个实施例的基于阵列气体传感器的气体识别方法的流程图。如图1所示,在本发明的一个实施例中,气体识别方法包括:
步骤S10:实时采集每一目标传感器的测量值。这里的测量值可以是电阻值、电压值或电流值等电信号。目标传感器为阵列气体传感器中对目标气体有响应的至少一个气体传感器,每一目标传感器均对其能识别的气体具有方向一致的响应,目标气体包括至少一种气体。
这里的响应方向理解为,当气体接触到气体传感器时,气体传感器的测量值发生变化,就认为该气体传感器对气体有响应。假设测量值为电阻值,当电阻值增大时,可以认为气体传感器对气体产生了向上的响应,当电阻值减小时认为气体传感器对气体产生了向下的响应,当电阻值不发生变化时认为气体传感器对气体没有响应。
当目标传感器为能够对所有目标气体均能响应的一个气体传感器时,假设目标气体有A气体、B气体和C气体,气体传感器S1能够对A气体、B气体和C气体均有响应,且响应方向一致。
当目标传感器为多个气体传感器时,多个气体传感器能够响应气体的种类覆盖目标气体的种类,假设目标气体还是A气体、B气体和C气体,目标传感器包括气体传感器S01、S02和S03,气体传感器S01、气体传感器S02和气体传感器S03的组合至少能够对A气体、B气体和C气体进行响应,例如气体传感器S01能够对A气体有响应、气体传感器S02能够对B气体有响应、气体传感器S03能够对C气体有响应,这里的气体传感器S01可以对B气体和C气体有响应或者无响应,当气体传感器S01对B气体和C气体有响应时,要求气体传感器S01对B气体和C气体的响应方向和对A气体响应方向一致,例如气体传感器S01对A气体有向上的响应,则气体传感器S01对B气体和C气体也都有向上的响应。气体传感器S02和气体传感器S03的情况可以参照气体传感器S01理解,在此不做赘述。当然气体传感器S01或气体传感器S02或气体传感器S03还可以对D气体响应,此时3个气体传感器所能检测的气体的种类多于目标气体的种类,即覆盖了目标气体的种类。
步骤S20:依次计算每个目标传感器在预设时间段内的连续的多个计算周期中的每个计算周期内的多个测量值的统计量。统计量用于反应计算周期内的测量值的离散程度。这里的统计量可以是但不限于标准差、方差或变异系数等。
步骤S30:根据每个目标传感器的连续的多个计算周期中的每个计算周期内的多个测量值的统计量确定待检测气体中是否存在目标气体。
本实施例通过根据所采集目标传感器的测量值,再根据测量值计算用于反应测量值的离散程度的统计量,最后根据统计值判断是否存在目标气体。这种通过测量值的离散程度来识别是否有目标气体进样的方法,无需考虑气体传感器对目标气体的响应方向。这种方法无需考虑气体传感器的基线和在特定浓度下响应在一定范围内,只需要求气体传感器对特定气体的灵敏度在一定范围内即可。也不需要考虑气体传感器对目标气体的响应方向,且不会受异型起峰的影响,比如有一个弯曲的起峰,斜率在弯曲的起峰值是有变化的,但用标准差或方差计算,大小是一样的,这样容易设置相应的阈值。本方法可以确保响应值在一定的范围内,降低了对气体传感器器件的要求,可以解决一些由气体传感器本身或者环境干扰引起的慢性漂移问题,使其应用范围更为广泛,抗干扰性更强。
进一步地,本实施例的方法对任何基础电阻的传感器(即对传感器器件的基础电阻没有要求)都可以用,解决了大批传感器基础电阻不在一定范围内的问题,同时降低大批量传感器的制作成本。
进一步地,本方法通过计算一段时间内气体传感器的测量值的统计值(标准差或方差)是否大于对应的阈值来判断是否起峰,只要所取计算统计值的测量值的个数合适,可以排除一些小波动的干扰,因此更为准确和稳定。
进一步地,本方法相对于计算斜率来识别起峰方法来说,计算标准差或方差所需测量值的个数相对于计算斜率所需测量值的个数会少一些,缩短了检测目标气体所需时间,且该方法不受异型起峰的影响。
图2是根据本发明另一个实施例的基于阵列气体传感器的气体识别方法的流程图。另一个实施例中,如图2所示,步骤S20之前,还包括:
步骤S15:对每一目标传感器的测量值进行滤波处理,如均值滤波、中值滤波等滤波方式。通过滤波处理可以去除数据中的干扰值,有利于提高数据质量。
另一个实施例中,如图2所示,步骤S10之后包括:
步骤S21:依次计算每个目标传感器在预设时间段内的连续的多个计算周期中的每个计算周期内的多个测量值的标准差。
步骤S31:判断是否至少一个目标传感器的连续的多个计算周期中的每个计算周期内的多个测量值的标准差均大于标准差阈值S0,若是进入步骤S32,否则返回步骤S10进行信息采集。其中,A<S0<B,A为目标传感器对应于其所能测得的每种目标气体的基线标准差的最大值,基线标准差为目标传感器对其所能测得的每种目标气体在第一标定时间内的多个基线测量值的标准差,B为目标传感器对应于其所能测得的每种目标气体的标准差的最小值。
步骤S32:确定待检测气体中存在目标气体,
图3是根据本发明再一个实施例的基于阵列气体传感器的气体识别方法的流程图。如图3所示,本实施例中,步骤S10之后包括:
步骤S22:依次计算每个目标传感器在预设时间段内的连续的多个计算周期中的每个计算周期内的多个测量值的方差。
步骤S33:判断是否至少一个目标传感器的连续的第二预设数量个计算周期中的每个计算周期内的多个测量值的方差均大于方差阈值D0,若是进入步骤S34,否则返回步骤S10继续进行信息采集。其中,E<D0<F,E为目标传感器对应于其所能测得的每种目标气体的基线方差的最大值,基线方差为目标传感器对其所能测得的每种目标气体在第二标定时间内的多个基线测量值的方差,F为目标传感器对应于其所能测得的每种目标气体的方差的最小值。
步骤S34:确定待检测气体中存在目标气体。
具体地,以统计量为标准差为例,当目标传感器为能够对所有目标气体均能响应的一个气体传感器S1时,步骤S21为依次计算气体传感器S1在预设时间段内的连续的多个计算周期中的第i个计算周期内的测量值的标准差S(i),i=1,2,……,m,m为正整数,具体如以下公式(1)所示:
当有连续的n个标准差S(i)均大于标准差阈值S0时,确定待检测气体中存在目标气体。
更具体地,b的数量为7,即第一个计算周期内采集的测量值为R1,R2,……,R7,那么S(1)就是通过R1,R2,……,R7的值代入公式(1)进行计算,第二个计算周期内采用的测量值为R2,R3,……,R8,那么S(2)就是通过R2,R3,……,R8的值代入公式(1)进行计算。如果n取3,就计算值S(3)即可,当S(1)、S(2)和S(3)均大于S0时,就判定待测气体中有目标气体。
若测量值为方差,则将上述步骤中的标准差S(i)替换为方差D(i),标准差阈值S0替换为方差阈值D0即可,具体的识别步骤可以参见前述通过标准差S(i)识别气体的步骤,在此不再赘述。其中,方差D(i)的计算如公式(2)所示:
当目标传感器为多个气体传感器时,多个气体传感器能够响应气体的种类覆盖目标气体的种类,此时将上述步骤中的气体传感器S1替换为多个气体传感器中的至少一个气体传感器即可,在此不再赘述。
当目标传感器为多个气体传感器时,不再需要目标传感器中至少存在一个单独的气体传感器对所需识别气体都要有响应,增加了阵列气体传感器中对气体传感器的选择范围。
其中,目标传感器对应于其所能测得的每种目标气体的基线标准差Aj、目标传感器对应于其所能测得的每种目标气体的标准差Bj、目标传感器对应于其所能测得的每种目标气体的基线方差Ej以及目标传感器对应于其所能测得的每种目标气体的方差Fj均可以根据试验的训练数据确定。也就是说,在使用气体识别方法之前,需要采集一批阵列气体传感器在空气背景下到目标气体进样的整个过程的测量值,分析数据从而确定挑选出对目标气体都有响应的一个气体传感器或者少量气体传感器组合,并确定出上述方法中涉及到的n、Aj、Bj、Ej和Fj的具体数值。
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 (8)
1.一种基于阵列气体传感器的气体识别方法,其特征在于,包括:
实时采集每一目标传感器的测量值,所述目标传感器为所述阵列气体传感器中对目标气体有响应的至少一个气体传感器,每一所述目标传感器均对其能识别的气体具有方向一致的响应,所述目标气体包括至少一种气体;
依次计算每个所述目标传感器在预设时间段内的连续的多个计算周期中的每个计算周期内的多个测量值的统计量,所述统计量用于反应所述计算周期内的测量值的离散程度;
根据每个所述目标传感器的所述连续的多个计算周期中的每个计算周期内的多个测量值的统计量确定待检测气体中是否存在所述目标气体。
2.根据权利要求1所述的气体识别方法,其特征在于,
所述目标传感器为能够对所有所述目标气体均能响应的一个气体传感器。
3.根据权利要求1所述的气体识别方法,其特征在于,
所述目标传感器为多个气体传感器,所述多个气体传感器能够响应气体的种类覆盖所述目标气体的种类。
4.根据权利要求1所述的气体识别方法,其特征在于,依次计算每个所述目标传感器在预设时间段内的连续的多个计算周期中的每个计算周期内的测量值的统计量的步骤之前,还包括:
对每一所述目标传感器的测量值进行滤波处理。
5.根据权利要求1-4中任一项所述的气体识别方法,其特征在于,
所述统计量包括标准差和/或方差。
6.根据权利要求5所述的气体识别方法,其特征在于,根据每个所述目标传感器的所述连续的多个计算周期中的每个计算周期内的多个测量值的统计量确定待检测气体中是否存在所述目标气体的步骤,包括:
当至少一个所述目标传感器的连续的第一预设数量个计算周期中的每个计算周期的多个测量值的标准差均大于标准差阈值S0时,确定所述待检测气体中存在目标气体,其中,A<S0<B,A为所述目标传感器对应于其所能测得的每种所述目标气体的基线标准差的最大值,所述基线标准差为所述目标传感器对其所能测得的每种所述目标气体在第一标定时间内的多个基线测量值的标准差,B为所述目标传感器对应于其所能测得的每种所述目标气体的标准差的最小值。
7.根据权利要求5所述的气体识别方法,其特征在于,根据每个所述目标传感器的所述连续的多个计算周期中的每个计算周期内的多个测量值的统计量确定待检测气体中是否存在所述目标气体的步骤,包括:
当至少一个所述目标传感器的连续的第二预设数量个计算周期中的每个计算周期内的多个测量值的方差均大于方差阈值D0时确定所述待检测气体中存在目标气体,其中,E<D0<F,E为所述目标传感器对应于其所能测得的每种所述目标气体的基线方差的最大值,所述基线方差为所述目标传感器对其所能测得的每种所述目标气体在第二标定时间内的多个基线测量值的方差,F为所述目标传感器对应于其所能测得的每种所述目标气体的方差的最小值。
8.根据权利要求6或7所述的气体识别方法,其特征在于,
所述目标传感器对应于其所能测得的每种所述目标气体的基线标准差和标准差,或所述目标传感器对应于其所能测得的每种所述目标气体的基线方差和方差均根据试验的训练数据确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011637627.XA CN112782255B (zh) | 2020-12-31 | 2020-12-31 | 一种基于阵列气体传感器的气体识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011637627.XA CN112782255B (zh) | 2020-12-31 | 2020-12-31 | 一种基于阵列气体传感器的气体识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112782255A true CN112782255A (zh) | 2021-05-11 |
CN112782255B CN112782255B (zh) | 2023-11-28 |
Family
ID=75755013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011637627.XA Active CN112782255B (zh) | 2020-12-31 | 2020-12-31 | 一种基于阵列气体传感器的气体识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112782255B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113341079A (zh) * | 2021-08-04 | 2021-09-03 | 苏州慧闻纳米科技有限公司 | 一种基于电子鼻的气味识别方法、系统及报警系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101073007A (zh) * | 2004-10-07 | 2007-11-14 | 纳幕尔杜邦公司 | 用于分析气体混合物的计算机实现的系统和方法 |
US20130064423A1 (en) * | 2011-09-09 | 2013-03-14 | Sony Corporation | Feature extraction and processing from signals of sensor arrays |
CN109781794A (zh) * | 2017-11-15 | 2019-05-21 | 英飞凌科技股份有限公司 | 用于估计分析物浓度的感测系统和方法 |
CN109799269A (zh) * | 2019-01-24 | 2019-05-24 | 山东工商学院 | 基于动态特征重要度的电子鼻气体传感器阵列优化方法 |
CN110346514A (zh) * | 2019-07-09 | 2019-10-18 | 南京工程学院 | 混合气体识别方法、装置、计算机设备和存储介质 |
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 |
CN111855897A (zh) * | 2020-08-26 | 2020-10-30 | 精英数智科技股份有限公司 | 一种井下传感器调校状态识别方法、系统、设备及介质 |
-
2020
- 2020-12-31 CN CN202011637627.XA patent/CN112782255B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101073007A (zh) * | 2004-10-07 | 2007-11-14 | 纳幕尔杜邦公司 | 用于分析气体混合物的计算机实现的系统和方法 |
US20130064423A1 (en) * | 2011-09-09 | 2013-03-14 | Sony Corporation | Feature extraction and processing from signals of sensor arrays |
CN109781794A (zh) * | 2017-11-15 | 2019-05-21 | 英飞凌科技股份有限公司 | 用于估计分析物浓度的感测系统和方法 |
CN109799269A (zh) * | 2019-01-24 | 2019-05-24 | 山东工商学院 | 基于动态特征重要度的电子鼻气体传感器阵列优化方法 |
CN110346514A (zh) * | 2019-07-09 | 2019-10-18 | 南京工程学院 | 混合气体识别方法、装置、计算机设备和存储介质 |
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 |
CN111855897A (zh) * | 2020-08-26 | 2020-10-30 | 精英数智科技股份有限公司 | 一种井下传感器调校状态识别方法、系统、设备及介质 |
Non-Patent Citations (2)
Title |
---|
张双岩 等: "二元混合气体识别中传感器阵列优化方法研究", 《仪表技术与传感器》 * |
张双岩 等: "二元混合气体识别中传感器阵列优化方法研究", 《仪表技术与传感器》, no. 7, 15 July 2010 (2010-07-15), pages 80 - 83 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113341079A (zh) * | 2021-08-04 | 2021-09-03 | 苏州慧闻纳米科技有限公司 | 一种基于电子鼻的气味识别方法、系统及报警系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112782255B (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109632891B (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 | |
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 | |
CN101769900B (zh) | 声发射储罐罐底腐蚀检测中声源的定位方法 | |
US20180203052A1 (en) | Wire-cable snapping symptom detection apparatus | |
CN112782255B (zh) | 一种基于阵列气体传感器的气体识别方法 | |
KR102534577B1 (ko) | 가스 분석 시스템 및 가스 분석 방법 | |
US11909751B2 (en) | Anomaly detection method based on IoT and apparatus thereof | |
CN117150244B (zh) | 基于电参数分析的智能配电柜状态监测方法及系统 | |
CN112782233B (zh) | 一种基于阵列气体传感器的气体识别方法 | |
Dietrich et al. | Detecting external measurement disturbances based on statistical analysis for smart sensors | |
CN109308395B (zh) | 基于lof-knn算法的晶圆级空间测量参数异常识别方法 | |
CN115290165A (zh) | 超声水表的检测方法、系统以及装置 | |
CN113341079B (zh) | 一种基于电子鼻的气味识别方法、系统及报警系统 | |
CN115683319A (zh) | 一种电力变压器绕组状态评估方法 | |
CN106813703B (zh) | 一种测试产品功能的方法和装置 | |
CN114624391A (zh) | 评估有至少两个传感器的传感器单元的信号的方法和设备 | |
CN111522398A (zh) | 接触检测设备和方法 | |
CN112414559B (zh) | 一种活体非接触式测温系统及方法 | |
CN113192557B (zh) | 一种染色体变异检测方法、装置、电子设备及介质 | |
CN117289778B (zh) | 一种工控主机电源健康状态的实时监测方法 | |
CN114991612B (zh) | 一种纹波计数方法、装置、存储介质和设备 | |
CN116878680A (zh) | 含自检装置的连续表面智能热电偶 | |
CN115017207A (zh) | 一种飞行器传感器故障关联关系确定方法及系统 | |
CN113566698B (zh) | 干涉条纹计数方法及装置 | |
US20230288394A1 (en) | Crop condition monitoring system and crop condition monitoring method using the same |
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 |