CN113190058A - 气敏材料表征微悬臂梁温控装置及系统 - Google Patents

气敏材料表征微悬臂梁温控装置及系统 Download PDF

Info

Publication number
CN113190058A
CN113190058A CN202110460261.1A CN202110460261A CN113190058A CN 113190058 A CN113190058 A CN 113190058A CN 202110460261 A CN202110460261 A CN 202110460261A CN 113190058 A CN113190058 A CN 113190058A
Authority
CN
China
Prior art keywords
temperature control
temperature
peltier
circuit
cavity
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
Application number
CN202110460261.1A
Other languages
English (en)
Other versions
CN113190058B (zh
Inventor
徐大诚
陆天海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou University
Original Assignee
Suzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou University filed Critical Suzhou University
Priority to CN202110460261.1A priority Critical patent/CN113190058B/zh
Publication of CN113190058A publication Critical patent/CN113190058A/zh
Application granted granted Critical
Publication of CN113190058B publication Critical patent/CN113190058B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D23/00—Control of temperature
    • G05D23/19—Control of temperature characterised by the use of electric means
    • G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature

Abstract

本发明公开了一种气敏材料表征微悬臂梁温控装置及系统，装置包括腔体，腔体两对侧壁外有帕尔贴模块，腔体内有微悬臂梁气体传感器和温控系统，微悬臂梁气体传感器对腔体内的气敏材料进行表征分析，温控系统与帕尔贴模块连接并通过控制帕尔贴模块的工作状态实现对腔体内测试环境温度的控制；帕尔贴模块外侧设有散热模块，腔体上设有帕尔贴模块的两对侧壁内侧分别设有进气口和出气口。系统包括气敏材料表征微悬臂梁温控装置、基于长短期记忆网络的帕尔贴温控建模方法和基于粒子群的温控方法。本发明通过帕尔贴和小型化腔体结构缩小装置体积，通过长短期记忆网络和粒子群算法快速准确地搜索最佳PID控制参数，加快升降温速度、提高温度控制精度。

Description

气敏材料表征微悬臂梁温控装置及系统
技术领域
本发明涉及气敏材料温控技术领域，具体涉及一种气敏材料表征微悬臂梁温控装置及系统。
背景技术
随着现阶段对气敏材料研究的不断深入，新型气敏材料的敏感性能表征显得越来越重要。以微机电系统(Micro-Electro-Mechanical System,MEMS)技术为核心的谐振式微悬臂梁凭借集成化、小体积、高灵敏度、低噪声、实时性以及低功耗等优势，在气敏材料表征分析的应用范围不断拓展。在气敏材料性能分析的过程中，对微悬臂梁所处环境温度的控制性能直接影响着分析精度的高低以及实验效率。因此，温度控制成为高精度、高效、体积小的微悬臂梁气敏材料分析系统中关键技术。
现有技术(详见专利“CN106645956A”)有使用MCH加热陶瓷片作为加热平台、以ARM处理器为核心，通过K型热电偶测量数据精确控制MCH温度，将通过探针得到的电信号进行数模转换，并通过设置阶梯升温和恒温两种工作模式设置恒温温度、或阶梯升温梯度和目标温度的持续时间，可以实时显示测试曲线与保存数据，但是却无法实现制冷功能。现有技术(详见专利“CN105988490A”)有基于加热丝和冷却水循环箱的外部控温型智能气敏分析装置，该装置可以实现对材料气敏特性的直接分析，但是该装置的实验环境温度下降速度较慢。现有技术(详见专利“CN102841077A”)有使用以模块化的方式协同完成对特定温度、气体种类与浓度及光激发条件下的气敏材料的高通量表征，从而针对测试结果快速筛选出可以实际应用的气敏材料，但是温度控制模块中使用加热片对实验环境温度进行控制，并没有制冷模块实现降温功能。现有技术(详见论文“任艳波,于海涛,赵伟,等.基于LabVIEW的谐振式微悬臂梁传感器智能激励与检测系统[J].仪表技术与传感器,2015,No.395(12):11-14”)有使用基于加热板的自制透明玻璃容器微悬臂梁气敏材料分析实验提供温度控制环境，但是该方法只能提供室温以上的恒温环境且升温速度慢，控制精度低。现有技术(详见论文“徐甲强,曹研思,王炉煜,等.基于COOH/SBA-15的谐振式氨气传感器气敏性能研究[J].河南师范大学学报(自然科学版),2018,v.46；No.200(03):2+52-59”)有使用自制测试腔体实现基于石英晶体微量天平的气敏材料分析实验，但是该腔体只能实现室温附近的温度控制，温度控制范围较小。现有技术(详见论文“田俊峰,尹志刚,韩光鲁.三维石墨烯/WO_3纳米棒/聚噻吩复合材料制备及低温气敏性能[J].科学技术与工程,2019,v.19；No.484(15):99-103.”)有使用河南汉威电子HW-30A高低温恒温水浴作为气敏测试系统，利用电加热和压缩机对水进行升降温，利用水浴的方式对实验环境实现温度控制可以将温度范围控制在5～80℃、精度控制在微±0.1℃，但是升降温速度慢，温度控制范围小。现有技术(详见论文“Li L,He S,LiuM,et al.Three-dimensional mesoporous graphene aerogel-supported SnO2 nanocrystals for high-performance NO2 gas sensing at lowtemperature[J].Analytical Chemistry,2015,87(3):1638-1645.)有使用电阻丝加热和水浴降温对复合材料SnO2/rGO-4的NO2敏感检测环境进行温度控制，但是该系统存在电阻丝加热控温精度低(±1℃)和水浴降温速度慢(3℃/min)等问题，材料性能评估误差大、效率低。现有技术(详见论文“Pengcheng,Xu,Haitao,et al.MicrogravimetricThermodynamic Modeling for Optimization of Chemical Sensing Nanomaterials.[J].Analytical Chemistry,2014.”)有将悬臂梁气体传感器置于水浴温控装置内进行变温称重实验从而实现对材料热力学的参数定量计算，该方法通过水浴方法进行温控，虽然在一定程度上减小了整体系统体积，但是导致测试环境温度变化缓慢且范围较小。现有技术(详见论文“Ni J,Zhao T,Tang L,et al.Solution-phase synthesis of prderedmesoporous carbon as resonant-gravimetric sensing material for room-temperature H2S detection[J].Chinese Chemical Letters,2020.”，“Xu P,Yu H,LiX.Quantitatively extracted Gibbs free-energy(ΔG)as criterion to determineworking temperature range of gas sensing-material[C]//Transducers-International Conference on Solid-state Sensors.IEEE,2015.”，“Lv Y,Yu H,Xu P,et al.Metal organic framework of MOF-5with hierarchical nanopores as micro-gravimetric sensing material for aniline detection[J].Sensors andActuators,B.Chemical,2018.”)还有使用液氮制冷与鼓风加热实现了-50～150℃的温度范围，2℃温度均匀性的硅微悬臂梁气敏材料分析环境，但是该仪器存在体积大(1100*850*1740mm)、变温速度慢(3℃/min)、控温准确度低(±2.5℃/min)、液氮制冷系统维护困难、成本高等问题。
由此可见，现有的微悬臂梁气敏材料分析仪中温度控制装置主要是利用自制或者基于已有的通用温度控制来对设备进行改装得到的。而温度控制装置中的升温和降温大多采用加热和制冷两套独立的系统，其中加热主要为使用鼓风电加热方式，制冷主要为使用循环水制冷、冷媒制冷、液氮制冷和压缩机制冷等方法。鼓风电加热实现升温难以实现对微悬臂梁附近温度的精确控制，冷媒机械制冷实现降温功能也存在成本高、装置体积大、难以实现精确温度控制的问题；冷媒制冷可达到的温度有限，并且制冷速度较慢；液氮制冷虽然速度快，但是功耗大、成本高、运输困难、危险性高、低温不易控制；压缩机制冷也存在功耗较高、噪音大等缺点；并且，整体温度控制装置使用加热和制冷两套独立系统分别完成升温和降温功能又存在装置体积增大、成本高等问题。现有技术普遍存在温度控制精度低、成本高、维护困难、升降温速度满、体积大等缺点，导致气敏材料性能表征具有较大误差且实验效率低。
发明内容
为此，本发明所要解决的技术问题在于克服现有技术中不足，提供一种体积小、变温速度块且温控灵敏度高的气敏材料表征微悬臂梁温控装置及系统。
为解决上述技术问题，本发明提供了一种气敏材料表征微悬臂梁温控装置，包括腔体，所述腔体两对侧壁外均设有帕尔贴模块，两个所述帕尔贴模块用于使腔体壁与腔体内的气体之间进行热传递；
所述腔体内设有微悬臂梁气体传感器和温控系统，所述微悬臂梁气体传感器用于对腔体内的气敏材料进行表征分析，所述温控系统与所述帕尔贴模块连接并通过控制帕尔贴模块的工作状态实现对腔体内的测试环境温度的控制；
所述帕尔贴模块外侧设有散热模块，所述散热模块用于与帕尔贴模块进行热交换；
所述腔体上设有帕尔贴模块的两对侧壁内侧分别设有进气口和出气口，所述进气口用于导入腔体内的气体，所述出气口用于排出腔体内的气体。
进一步地，所述温控系统包括测温电阻和温控电路，所述温控电路包括两路同时进行的控制信号，用于分别控制两个所述帕尔贴模块的工作功率；
所述温控电路包括温度检测电路、数模转换电路、微控制器、驱动电路和隔离电路，
所述测温电阻采集温度信息并由温度检测电路将温度信息转化为电压信号，数模转换电路将电压信号量化并传送给微控制器；所述微控制器根据测温电阻的阻值与温度的关系将温度检测电路输出的数字信号转变为温度信号，再利用均值滤波算法和微控制器控制算法得到PID控制参数，输出对应占空比的PWM；所述隔离电路将温度检测电路与驱动电路之间的控制信号和电源隔离，并将不同占空比的PWM信号传送给驱动电路；驱动电路根据不同占空比的PWM信号控制施加于帕尔贴模块中两端电压的持续时间，对帕尔贴模块的工作功率进行控制从而实现对腔体内测试环境温度的控制。
进一步地，所述温度检测电路包括自校准电路，所述测温电阻的电阻值信号通过所述温度检测电路转变为电压信号Vad并在每次启动时由所述自校准电路进行校准，用于避免电路中器件误差以及温漂、时漂导致的测温不准确，具体为：
在测温电阻上串联两个电阻值不同的高精度低温漂电阻并通过模拟开关选择输入电路的电阻，每次启动程序时分别将两个高精度低温漂电阻接入电路中并测出输出的电压和电流，通过两组电压电流得到二元线性关系式，将二元线性关系式作为实际电路中电压信号Vad的输出函数。
进一步地，还包括位于所述进气口和出气口内侧的带有测温电阻的加热极板，通过对带有测温电阻的加热极板的监控观测腔体上下两壁的温度信息；
所述散热模块包括循环液入口、散热管道和循环液出口，所循环液入口和散热循环液出口外接恒温槽。
进一步地，所述腔体为高度为1～3cm，底面半径为2～4cm的圆柱体，所述帕尔贴模块设于所述圆柱体的两底面外侧。
本发明还提供了一种气敏材料表征微悬臂梁温控系统，包括所述气敏材料表征微悬臂梁温控装置、基于长短期记忆网络的帕尔贴温控建模方法和基于粒子群的温控方法，
所述基于长短期记忆网络的帕尔贴温控建模方法用于对所述气敏材料表征微悬臂梁温控装置中的温控系统进行系统模型建立，在不依赖于热学分析的基础上建立LSTM帕尔贴温控网络模型；
所述基于粒子群的温控方法以所述LSTM帕尔贴温控网络模型为对象，对所述气敏材料表征微悬臂梁温控装置中的微控制器的参数进行优化。
进一步地，所述基于长短期记忆网络的帕尔贴温控建模方法包括：
构建初始化的LSTM帕尔贴温控网络模型，将系统控制量序列作为训练集输入初始化的LSTM帕尔贴温控网络模型；
利用损失函数均方误差和Adam优化方法对初始化的LSTM帕尔贴温控网络模型中的所有参数进行训练，得到训练完成的LSTM帕尔贴温控网络模型。
进一步地，所述LSTM帕尔贴温控网络模型包括LSTM单元层、至少一个全连接层和激活函数层，
所述LSTM单元层的下一层为全连接层，所述LSTM单元层后有包括全连接层之间权重信息和激活函数的全连接层输出序列，每个所述全连接层后均有所述激活函数层。
进一步地，所述基于粒子群的温控方法结合随机拓扑结构和邻域混合中心反向学习对PID控制器的参数进行优化，优化的部分包括微控制器中的比例系数、积分系数和微分系数，具体过程为：
设定目标温度并使用PID控制器对LSTM帕尔贴温控网络模型的输出值进行控制，其中PID控制器的参数由粒子群算法中每个粒子的位置信息决定；
利用LSTM帕尔贴温控网络模型在PID算法控制下的输出序列计算时间乘误差积分准则值
Figure BDA0003041995200000061
其中t为时间，e(t)为LSTM帕尔贴温控网络模型输出量与目标值之间的差值；
每个粒子位置信息代表着一组PID控制参数，改进的粒子群算法进行迭代搜索，直到ITAE的值达到预设阈值将此时的PID控制参数组合作为最适合LSTM帕尔贴温控网络模型的PID控制参数组合。
进一步地，所述改进的粒子群算法的具体过程为：
步骤1：在D维搜索空间中群体粒子个数为N，第i个粒子的粒子位置和速度分别为
Figure BDA0003041995200000062
和
Figure BDA0003041995200000063
其中i＝1,2,…,N且d＝1,2,…,D；
步骤2：设置迭代次数的最大值Tmax和反向学习触发阈值P，生成[0,1]范围内的随机数rand；
步骤3：判断rand是否小于P，若小于P，执行步骤4；若大于P，执行步骤5；
步骤4：构建每个粒子会和其它粒子组成的一个具有K个粒子的邻域结构j，在邻域j内计算邻域均值中心NMCj在每个维度d上的信息
Figure BDA0003041995200000071
和局部平均适应值
Figure BDA0003041995200000072
Figure BDA0003041995200000073
表示邻域j内第i个粒子
Figure BDA0003041995200000074
的适应值，迭代次数i＝1,2,…,K；
从邻域j内选择优于平均适应值
Figure BDA0003041995200000075
的粒子，邻域偏均值中心NPCj的每一维度可表示为：
Figure BDA0003041995200000076
其中M为邻域内优于
Figure BDA0003041995200000077
的粒子数，d表示维度；
最后为了更好的引导局部粒子移动，从邻域j内适应度最低的点邻域最佳解nbestj、邻域均值中心NMCj和邻域偏均值中心NPCj和三个位置中随机选择一个点作为邻域混合中心点NHMCj＝min(nbestj,NMCj,NPCj)，利用邻域混合中心NHMCj对其邻域内的粒子
Figure BDA0003041995200000078
的位置进行反向求解，得到更新的位置
Figure BDA0003041995200000079
其中邻域j的动态边界[aj,bj]为
Figure BDA00030419952000000710
式中ad,j和bd,j为邻域j中所有点在d维度上的最小值和最大值；
步骤5：按照传统粒子群算法原理更新粒子位置：
Figure BDA00030419952000000711
其中
Figure BDA00030419952000000712
为第i个粒子的速度
Figure BDA00030419952000000713
其中k为迭代次数，ω为惯性权值，c1和c1为粒子的学习因子，r1和r2为(0,1)范围内的随机数；
步骤6：重复步骤3不断更新粒子位置直到ITAE的值达到预设阈值或者迭代次数达到Tmax，得到此时的粒子位置，将此时粒子位置对应的PID控制参数组合作为最适合LSTM帕尔贴温控网络模型的PID控制参数组合。
本发明的上述技术方案相比现有技术具有以下优点：(1)本发明针对材料评估实验对温控性能的需求，选用半导体制冷器件帕尔贴作为温度控制使能模块的同时搭建适用于微悬臂梁气敏材料分析仪的小型化温控腔体结构，从而使气敏材料表征微悬臂梁温控装置的体积得到了大大缩小、加快升降温速度、具有更高的温度控制精度。可以实现测温精度±0.02℃、最大升温速度20℃/min、最大降温速度-10℃/min、温控稳定性±0.05℃、控温范围-40～180℃的温控性能。(2)本发明针对气敏材料表征微悬臂梁温控装置的温度控制非线性和热传递过程复杂的特点，提出了气敏材料表征微悬臂梁温控系统，系统中基于长短期记忆网络的帕尔贴温控建模方法构建了针对气敏材料表征微悬臂梁温控装置的更加准确的LSTM帕尔贴温控网络模型；接着，系统中基于粒子群的温控方法对LSTM帕尔贴温控网络模型中的PID控制参数进行仿真优化，能够在大范围内快速准确地搜索到最佳PID控制参数，进而实现最佳的温控性能。
附图说明
为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明。
图1是本发明中气敏材料表征微悬臂梁温控装置的结构示意图。
图2是图1中热电半导体致冷组件的结构示意图。
图3是图1中装置热传导的示意图。
图4是本发明中气敏材料表征微悬臂梁温控装置的温控系统的结构图。
图5是本发明装置中温控系统中温度检测电路的电路图。
图6是图5中恒流源电路的电路图。
图7是图5中一级放大电路的电路图。
图8是图5中二级放大电路的电路图。
图9是图5中滤波电路的电路图。
图10是本发明装置中温控系统中数模转换电路中数模转换芯片的结构示意图。
图11是本发明装置中温控系统中驱动电路的电路图。
图12是本发明装置中温控系统中隔离电路的电路图。
图13是本发明装置中温控系统中微控制器的功能框图。
图14是本发明装置中温控系统中显示模块的上位机人机界面图。
图15是本发明系统中基于长短期记忆网络的帕尔贴温控建模方法的流程框图。
图16是本发明系统中基于长短期记忆网络的帕尔贴温控建模方法在Kp＝30、Ki＝0.2、Kd＝100的情况下控制输出曲线对比测试图。
图17是本发明系统中基于长短期记忆网络的帕尔贴温控建模方法在Kp＝61、Ki＝4.7、Kd＝0的情况下控制输出曲线对比测试图。
图18是本发明系统中基于长短期记忆网络的帕尔贴温控建模方法在Kp＝150、Ki＝3.7、Kd＝0的情况下控制输出曲线对比测试图。
图19是本发明系统中利用改进的粒子群算法对PID控制器的参数进行优化的流程框图。
图20是本发明系统中基于粒子群的温控方法的流程图。
图21是本发明系统在120℃、180℃0℃、60℃和-40℃五个温度点处的控制曲线图
图1中标记说明：1、腔体，2、帕尔贴模块，21、帕尔贴外层，22、帕尔贴内层，23、热电半导体致冷组件，3、微悬臂梁气体传感器，4、散热模块，5、进气口，6、出气口，7、测温电阻，8、带有测温电阻的加热极板。
图2中标记说明：231、第一导流片，232、N半导体温差电材料，233、第二导流片，234、P半导体温差电材料，235、第三导流片。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
在本发明的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第二”、“第一”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接，还可以是通信；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。此外，术语“包括”意图在于覆盖不排他的包含，例如包含了一系列步骤或单元的过程、方法、系统、产品或设备，没有限定于已列出的步骤或单元而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
参照图1至图14，如图1所示实施例一种气敏材料表征微悬臂梁温控装置的结构示意图，包括腔体1，所述腔体1两对侧壁外均设有帕尔贴模块2，两个所述帕尔贴模块2用于使腔体壁与腔体内的气体之间进行热传递；帕尔贴(Peltier)作为一种半导体制冷器件拥有体积小、控温精度高、升降温速度快等优点，在MEMS器件、医学仪器、光学实验、显微镜样品温控等领域中有着广泛应用。
所述腔体1内设有微悬臂梁气体传感器3和温控系统，气敏材料进行表征分析时置于所述腔体1内，所述微悬臂梁气体传感器3用于对腔体内的气敏材料进行表征分析，所述温控系统与所述帕尔贴模块2连接并通过控制帕尔贴模块2的工作状态实现对腔体内的测试环境温度的控制；所述帕尔贴模块2外侧设有散热模块4，所述散热模块4用于与帕尔贴模块2进行热交换；所述腔体1上设有帕尔贴模块2的两对侧壁内侧分别设有进气口5和出气口6，所述进气口5用于导入腔体内的气体，所述出气口6用于排出腔体内的气体；进气口5和出气口6分别连通外部导管，导入和排出气体的同时对气体的温度进行一定的预控，气体进入腔体1内后会在温控系统的控制下再根据环境温度而进一步控制。本实施例中，所述帕尔贴模块2为包括帕尔贴外层21和帕尔贴内层22的双层结构，双层结构用于扩大温度变化的范围；所述帕尔贴外层21位于所述帕尔贴内层22和所述散热模块4之间，通过与所述散热模块4进行热交换给所述帕尔贴内层22散热；所述帕尔贴内层22由温控系统控制，所述温控系统控制所述帕尔贴内层22的工作状态从而实现对腔体内的测试环境温度的控制。本实施例中，所述帕尔贴外层21的帕尔贴元件型号为TEC1-3505，帕尔贴内层22的帕尔贴元件型号为TEC1-3506。TEC1-3505和TEC1-3506的最大温差均为75℃，因此双层结构的帕尔贴模块可以使温度范围扩大到-40～180℃。本实施例中帕尔贴外层21和帕尔贴内层22均包括六组热电半导体致冷组件23。如图2所示，所述热电半导体致冷组件由第一导流片231、N半导体温差电材料232、第二导流片233、P半导体温差电材料234和第三导流片235串联构成，电流从所述第一导流片231的一端流入，所述第一导流片231的另一端与所述N半导体温差电材料232相连，所述N半导体温差电材料232远离所述第一导流片231的一端与所述第二导流片233相连，所述第二导流片233远离所述N半导体温差电材料232的一端与所述P半导体温差电材料234相连，所述P半导体温差电材料234远离所述第二导流片233的一端与所述第三导流片235相连，电流从所述第三导流片235远离所述P半导体温差电材料234的一端流出。当电流流过“第一导流片231-N半导体温差电材料232-第二导流片233-P半导体温差电材料234-第三导流片235”这一回路时，在第二导流片233的接头A处发生吸热，在第一导流片231和第三导流片235的接头B处放热，使得接头B处的温度Th大于接头A处的温度Tc，因而在A、B两端建立温差ΔT＝Th-Tc。
如图1所示，本实施例中所述温控系统包括测温电阻7和温控电路，所述测温电阻7位于所述微悬臂梁气体传感器3附近，测温电阻为铂电阻PT100。所述测温电阻7采集温度信息并传送给所述温控电路，所述温控电路根据温度信息计算相应占空比的PWM(PulseWidth Modulation，脉冲宽度调制，通过对一系列脉冲的宽度进行调制来等效地获得所需要的波形，波形包括形状和幅值)信号作为控制信号，控制信号控制施加于帕尔贴模块2上的电压持续时间从而控制帕尔贴的工作功率，实现对腔体内测试环境温度的控制。
本实施例中还包括位于所述进气口5和出气口6内侧的带有测温电阻的加热极板8，通过对带有测温电阻的加热极板8的监控可以在需要的时候观测腔体上下两壁的温度信息；本实施例中所述散热模块4包括循环液入口41、散热管道42和循环液出口43，所循环液入口41和散热循环液出口43外接恒温槽，进一步提高温控性能。本实施例中所述腔体1为高度为1～3cm，底面半径为2～4cm的圆柱体，所述帕尔贴模块2设于所述圆柱体的两底面外侧，本实施例中优选的腔体高度为2cm，底面半径为3cm，较小的腔体体积加快了微悬臂梁气体传感器周围温度的变化速度。如图3所示为装置热传导的示意图，所述散热模块4与帕尔贴外层21进行热传递，帕尔贴外层21与帕尔贴内层22进行热传递，帕尔贴内层22与腔体1进行热传递，图中箭头方向为热量传递方向。
如图4所示，所述温控电路包括两路同时进行的信号控制，用于分别控制两个所述帕尔贴模块2的帕尔贴内层22的工作功率；所述温控电路包括温度检测电路、数模转换电路(Analog-to-Digital Converter，ADC)、微控制器(Microcontroller Unit，MCU)、驱动电路和隔离电路。所述测温电阻PT100采集温度信息并由温度检测电路将温度信息转化为电压信号，数模转换电路将电压信号量化并传输给微控制器，微控制器根据电压信号(即当前的温度值)计算并输出相应占空比的PWM信号作为控制信号，不同占空比的PWM信号经过功率隔离电路，由驱动电路控制施加于帕尔贴模块上的电压持续时间从而控制帕尔贴的工作功率。本实施例中温控系统还包括显示模块，显示模块的功能包括显示温度、显示输出控制量和上位机人机界面，显示模块由MATLAB开发并由LCD显示上位机人机界面。实现满足帕尔贴高效工作功率需求的PWM驱动电路，加快升降温速度的同时具有更高的温度控制精度。
如图5所示，本实施例中所述温度检测电路包括恒流源、自校准电路、一级放大电路、二级放大电路和低通滤波电路。如图6所示所述恒流源电路由运算放大器ADA4077、电压基准源芯片LM4030AMF-2.5和待测电阻R'构成，运算放大器ADA4077作为恒流源，本实施例中电压基准源芯片LM4030AMF-2.5输出的恒定电压值Vref＝2.5V，流过待测电阻R'得到恒定电流Id；假设待测电阻为R'，运算放大器负端电压为V1，输出电压为Vo，负端接地电阻R1＝1kΩ。根据“虚短虚断”原理，本实施例中恒定电流Id的计算公为
Figure BDA0003041995200000131
如图7所示所述一级放大电路由仪表放大器AD8422和增益电阻R4构成，恒定电流Id流过待测电阻R'后，电阻R'的对应电压通过差分输入到仪表放大器AD8422中并经过放大倍数G1放大输出；本实施例中R4＝2.2kΩ，放大倍数G1为
Figure BDA0003041995200000141
(19.8KΩ为固定参数)。
如图8所示所述二级放大电路由运算放大器ADA4077构成，二级放大电路的偏置电压Vbias＝842.7mV通过所述电压基准源芯片LM4030AMF-2.5输出的2.5V基准电压分压得到；本实施例中根据“虚短虚断”原理，二级放大增益G2为：
Figure BDA0003041995200000142
由于温度信号是低频信号，因此选用低通滤波器滤除高频噪声，提高电路的信噪比，如图9所示所述低通滤波电路由运算放大器ADA4077构成，低通滤波电路具有滤波作用和放大功能；本实施例中低通滤波电路的带宽BW和增益G3为：
Figure BDA0003041995200000143
所述测温电阻的电阻值信号通过所述温度检测电路转变为电压信号Vad，Vad的计算公式为Vad＝G1G2G3IdRpt+G2G3Vbias，其中G1是一级放大电路的增益，G2是二级放大电路的增益，G3是低通滤波器对有用信号的增益，Rpt是测温电阻的电阻值，Vbias是二级放大电路中的偏置电压。
由于温度检测电路输出电压为0～3.368V，因此本实施例中选择ADS1118作为数模转换电路的数模转换芯片。ADS1118的差分输入电压量程选择0～4.096V，因此ADC电路的最小分辨率
Figure BDA0003041995200000144
ADC输入电压VADCOUT与转换数字量ADCDout之间的关系为
Figure BDA0003041995200000151
本发明中温控系统的温控范围设计为-40～180℃，对应的铂电阻PT100的阻值范围为84.27～168.47Ω，同时ADS1118的最大差分输入电压范围为0～4.092V。
所述自校准电路通过自校准算法对电压信号Vad进行校准，用于避免电路中器件误差以及温漂、时漂导致的测温不准确。自校准算法结合自校准电路在微控制器中实现，具体为在每次启动时将自动对硬件电路实际传递函数Vad＝G1G2G3IdRpt+G2G3Vbias进行校准，设实际电路线性输出函数为y＝kex+be，因为电路具有较好的线性度，所以为得到ke和be，只需要得到两次测试结果进行计算。与待测电阻串联两个电阻值为100Ω和150Ω的高精度低温漂电阻RJ711，并通过模拟开关选择输入电路的电阻。每次启动程序时，分别将100Ω和150Ω的电阻接入电路中测出输出，并通过解方程组的方法得到ke和be，从而得到实际电路输出函数。这种方法通过引入高精度低温票电阻的方法，将电路中所有误差项全部转化为这两个电阻的误差，电路的制作只需要保证电阻RJ711的准确性即可得到准确的电路输出函数。实现了具有电路参数自校准功能的测温电路，能较好地避免器件生产误差、温漂和零漂等因素的影响，具有更高的温度控制精度。
所述数模转换电路使用ADS1118作为数模转换芯片，ADS1118的结构如图10所示，该芯片输出数字信号具有15位有效位数和860SPS采样速率，采用差分输入有效抑制了共模噪声，输出信号通过SPI接口协议传输至MCU中。所述微控制器使用stm32f407zgt6，用于温度信号采集、控制算法运行以及控制量输出。该芯片内核为ARM Cortex-M4，最高工作频率达168MHz，同时具有1MB的闪存、192KB的SRAM、3路SPI通信接口、4路UART通信接口、用于驱动LCD触摸显示屏的可变静态存储控制器(FSMC)、148个可配置输入输出脚和17个支持PWM输出功能的定时器。所述微控制器根据测温电阻铂电阻PT100的阻值与温度的关系将温度检测电路输出的数字信号转变为温度信号，再利用均值滤波算法和微控制器控制算法得到PID控制参数，并输出对应占空比的PWM；所述驱动电路使用stm32f407zgt6中的定时器输出频率为82kHz、占空比为0～100％的两路PWM信号(PWM1信号和PWM2信号)，分别控制帕尔贴模块中两端的电压，从而对帕尔贴模块的加热量、制冷量进行控制；在帕尔贴进行腔体加热时，MCU对PWM1信号的占空比进行计算与控制，而PWM2信号始终设置为0％占空比；在帕尔贴进行腔体制冷时，MCU对PWM2信号的占空比进行计算与控制，而PWM1信号始终设置为0％占空比。同时为了避免帕尔贴元件的加热面和制冷面连续切换导致器件寿命下降，设计中在执行升温或降温的温度控制任务时，输出的不同占空比PWM均保证电流流过器件方向不变。使用Texas Instruments公司的DRV595高效脉宽调制(PWM)驱动功率器，该芯片最大可以输出24V/±4A的功率，足以驱动单面六块帕尔贴元件工作，其电路如图11所示。所述隔离电路使用数字隔离芯片ADuM120将温度检测电路与驱动电路之间的控制信号和电源隔离，其电路如图12所示。
本实施例中，温控系统还包括显示模块。如图13所示，显示模块的功能包括显示温度、显示输出控制量和上位机人机界面。所述显示温度通过定时器设定100Hz的温度检测频率，每次检测中MCU通过SPI通信协议获取ADC输出的数字信号并转为电压值，在连续100次检测后利用均值滤波和信号调理电路传递函数计算出该时间点处对应的温度值并显示。所述显示输出控制量当计算得到均值滤波后的温度信号后，利用模糊算法获取当前微控制器的PID控制参数，再计算PWM占空比值并对应控制信号至驱动电路。所述上位机人机界面运行在Matlab上，MCU每一秒将当前时刻的温度信息、控制参数的变化以及输出PWM的占空比值记录并通过UART(通用异步收发传输器(Universal Asynchronous Receiver/Transmitter))输出至上位机，再利用MATLAB中GUI工具箱设计控制界面，用于记录温度信息及控制信息，如图14所示。同时该界面可以通过UART发送系统控制信息，例如开始与结束温度控制的信号以及当前目标温度值。
如图15、19和20所示是本发明中一种气敏材料表征微悬臂梁温控系统的实施例，包括前述实施例中的所述气敏材料表征微悬臂梁温控装置、基于长短期记忆网络(LongShort Term Memory networks，LSTM)的帕尔贴温控建模方法和基于粒子群的温控方法，所述基于长短期记忆网络的帕尔贴温控建模方法用于对所述气敏材料表征微悬臂梁温控装置中的温控系统进行系统模型建立，在不依赖于热学分析的基础上建立高相似度的LSTM帕尔贴温控网络模型；所述基于粒子群的温控方法以所述LSTM帕尔贴温控网络模型为对象，对所述气敏材料表征微悬臂梁温控装置中的微控制器的PID控制参数进行优化，可以获取更好的PID控制参数，有利于实现更稳定的温度控制效果和更快的温度稳定速度，从而提高材料表征分析的准确度和实验效率。
如图15流程框图所示，本实施例中所述基于长短期记忆网络的帕尔贴温控建模方法包括：构建初始化的LSTM帕尔贴温控网络模型，将一维的系统控制量序列作为训练集输入初始化的LSTM帕尔贴温控网络模型；在温度控制的过程中微控制器利用当前温度和目标温度之间的差值，通过PID控制算法实时计算并输出控制量，而这些随时间变化的控制量就是系统控制量序列。这里将系统控制量序列输入初始化的LSTM帕尔贴温控网络模型中，并得到对应的系统输出温度序列，从而仿真该控制量序列对系统温度的控制效果，进而进行网络模型的参数优化。利用损失函数均方误差(MSE)和Adam优化方法对网络中的所有参数进行训练，得到训练完成的高相似度的LSTM帕尔贴温控网络模型，本实施例中训练的迭代次数选择20000次，初始学习速率η＝0.001，一阶矩估计和二阶矩估计的指数衰减率μ和v分别设置为0.9和0.999，防止计算中分母出现0的补充参数ε设置为1e-08，学习速率衰减周期为2000迭代次数，衰减比例因子为0.2。所述LSTM帕尔贴温控网络模型包括LSTM单元层、至少一个全连接层(Fully Connected Layer，FC)和激活函数层。本实施例中LSTM帕尔贴温控网络模型层节点数设置为25，全连接层包括25×12全连接层(25代表全连接层输入维度，12代表输出维度)和12×1全连接层(12代表全连接层输入维度，1代表输出维度)两个全连接层，每个全连接层后有激活函数层，激活函数层使用的激活函数为ReLU。LSTM单元层包括遗忘门、输入门和输出门，输出序列是当输入序列输入至该网络中后对应的网络输出。所述遗忘门ft控制上一个时刻的内部状态ct-1需要遗忘多少信息，更新公式为：ft＝σ(Wfxt+Ufht-1+bf)；所述输入门it控制当前时刻的候选状态
Figure BDA0003041995200000181
有多少信息需要保存，更新公式为：it＝σ(Wixt+Uiht-1+bi)；输出门ot控制当前时刻的内部状态ct有多少信息需要输出给外部状态ht，更新公式为：ot＝σ(Woxt+Uoht-1+bo)；其中Wi、Ui、bi、Wf、Uf、bf、Wo、Uo、bo、Wc、Uc和bc均为长短期记忆网络单元中的权重，由深度学习算法学习得到。xt为t时刻LSTM单元层的输入，ht-1为上一时刻的外部状态，内部状态
Figure BDA0003041995200000182
候选状态
Figure BDA0003041995200000183
外部状态；ht＝ot⊙tanh(ct)。LSTM帕尔贴温控网络模型在LSTM单元层后增加全连接层输出序列yt，yt的表达式为yt＝ReLU(Wfc2(ReLU(Wfc1ht+bfc1))+bfc2)，其中Wfc1,Wfc2,bfc1,bfc2为两层全连接层之间的权重信息，σ(x)、tanh(x)和ReLU(x)为激活函数，
Figure BDA0003041995200000184
为了进一步说明基于长短期记忆网络的帕尔贴温控建模方法的有益效果，本实施例中将
Figure BDA0003041995200000185
和
Figure BDA0003041995200000186
三组参数(此处三组参数为在多次测试中选取出具有一定代表性的三组PID控制参数)对应的PID控制器对高相似度的LSTM帕尔贴温控网络模型直接进行输出控制，根据LSTM帕尔贴温控网络模型建立的系统模型的输出序列得到输出曲线。对比输出曲线与实际系统在相同控制器控制下输出曲线之间的相似度，结果分别如图16、17和18所示，图中横坐标为仿真中或实测中对应的时间，单位为秒；纵坐标温度为LSTM帕尔贴温控网络模型模拟实际系统输出的温度值和实际系统输出的温度值。从图16、17和18可以看出，LSTM帕尔贴温控网络模型的输出曲线与实际系统的输出曲线相似度很高，本发明中的LSTM帕尔贴温控网络模型可以较好地模拟实际系统。实验结果表明，基于LSTM网络的智能建模方法能够在不依赖于热学模型分析的基础上，快速且准确地建立LSTM帕尔贴温控网络模型。
如图19流程图所示，本实施例中所述基于粒子群的温控方法结合随机拓扑结构和邻域混合中心反向学习对PID控制器的参数进行优化，优化的部分包括PID控制器中的比例系数、积分系数和微分系数，具体过程主要包括：设定目标温度并使用PID控制器对LSTM帕尔贴温控网络模型的输出值进行控制，其中PID控制器的参数由粒子群算法中每个粒子的位置信息决定；利用LSTM帕尔贴温控网络模型在PID算法控制下的输出序列计算时间乘误差积分准则值
Figure BDA0003041995200000191
其中t为时间，e(t)代表模型输出量与目标值之间的差值；将ITAE作为改进的粒子群算法迭代过程中适应度值的评估函数，ITAE是一种常用的系统控制性能评估函数，其值越小代表着控制器越合适；每个粒子位置信息代表着一组PID控制参数，改进的粒子群算法进行迭代搜索，直到ITAE的值达到预设阈值将此时的PID控制参数组合作为最适合LSTM帕尔贴温控网络模型的PID控制参数组合。
如图20所示，本实施例中所述改进的粒子群算法的具体过程为：
步骤1：算法初始化，在D维搜索空间中群体粒子个数为N，第i个粒子的粒子位置和速度分别为
Figure BDA0003041995200000192
和
Figure BDA0003041995200000193
其中i＝1,2,…,N且d＝1,2,…,D；
步骤2：设置迭代次数的最大值Tmax和反向学习触发阈值P，生成[0,1]范围内的随机数rand；
步骤3：判断rand是否小于P，若小于P执行步骤4；若大于P执行步骤5；
步骤4：构建每个粒子会和其它粒子组成的一个具有K个粒子的邻域结构j，在邻域j内计算邻域均值中心NMCj在每个维度d上的信息
Figure BDA0003041995200000194
和局部平均适应值
Figure BDA0003041995200000201
Figure BDA0003041995200000202
表示邻域j内第i个粒子
Figure BDA00030419952000002012
的适应值，迭代次数i＝1,2,…,K；从邻域j内选择优于平均适应值
Figure BDA0003041995200000203
的粒子，邻域偏均值中心NPCj的每一维度可表示为：
Figure BDA0003041995200000204
其中M为邻域内优于
Figure BDA0003041995200000205
的粒子数，d表示维度；最后为了更好的引导局部粒子移动，从邻域j内适应度最低的点邻域最佳解nbestj、邻域均值中心NMCj和邻域偏均值中心NPCj和三个位置中随机选择一个点作为邻域混合中心点NHMCj＝min(nbestj,NMCj,NPCj)，利用邻域混合中心NHMCj对其邻域内的粒子
Figure BDA00030419952000002013
的位置进行反向求解，得到更新的位置
Figure BDA0003041995200000206
其中j的动态边界[aj,bj]为
Figure BDA0003041995200000207
式中ad,j和bd,j为邻域j中所有点在d维度上的最小值和最大值；
步骤5：按照传统粒子群算法原理更新粒子位置：
Figure BDA0003041995200000208
其中
Figure BDA0003041995200000209
为第i个粒子的速度
Figure BDA00030419952000002010
其中k为迭代次数，ω为惯性权值，c1和c1为粒子的学习因子，r1和r2为(0,1)范围内的随机数；
步骤6：重复步骤3不断更新粒子位置直到ITAE的值达到预设阈值或者迭代次数达到Tmax，得到此时的粒子位置，将此时粒子位置对应的PID控制参数组合作为最适合LSTM帕尔贴温控网络模型的PID控制参数组合。使用改进的粒子群算法对PID控制器中的参数进行优化，通过将反向学习、随机拓扑结构和混合重心三种方法结合，提高了粒子群算法的全局搜索能力、加快了收敛速度，有利于找到更适合的PID控制参数。
为了进一步说明基于粒子群的温控方法的有益效果，本实施例中在搜索范围均选择Kp∈(0,3000),Ki∈(0,15),Kd∈(0,8000)，评估次数为10000，目标温度为120℃的情况下对控制参数Kp(比例参数)、Ki(积分参数)、Kd(微分参数)和ITAE进行测试，控制参数Kp、Ki、Kd和ITAE变化如表1所示：
Figure BDA00030419952000002011
Figure BDA0003041995200000211
表1控制参数Kp、Ki、Kd和ITAE变化情况表
表1中PID1～PID5分别是利用改进粒子群算法对PID控制参数进行优化过程中，参数变化的过程，优化刚开始的时候PID1的参数对应控制效果较差，直到优化结束后，PID5具有较好的控制效果。控制效果的评估是通过时间乘误差积分准则值(ITAE)进行判断，其值越小，代表着控制效果越好。从表1中可以看出，改进粒子群算法可以实现对PID控制参数的优化，最终得到较好的控制效果。为了进一步说明本实施例中气敏材料表征微悬臂梁温控系统的有益效果，选取-40℃、0℃、60℃、120℃、180℃这5个目标温度点进行温控性能测试，温控曲线如图21所示。实验结果表明，该帕尔贴温控系统在高温段(120℃、180℃),中温段(0℃、60℃)和低温段(-40℃)均能快速平稳的达到目标温度值，且具有较高的温度稳定性和温控精度。
本发明的上述技术方案相比现有技术具有以下优点：(1)本发明针对材料评估实验对温控性能的需求，选用半导体制冷器件帕尔贴作为温度控制使能模块的同时搭建适用于微悬臂梁气敏材料分析仪的小型化温控腔体结构，从而使气敏材料表征微悬臂梁温控装置的体积得到了大大缩小、加快升降温速度、具有更高的温度控制精度。可以实现测温精度±0.02℃、最大升温速度20℃/min、最大降温速度-10℃/min、温控稳定性±0.05℃、控温范围-40～180℃的温控性能。(2)本发明针对气敏材料表征微悬臂梁温控装置的温度控制非线性和热传递过程复杂的特点，提出了气敏材料表征微悬臂梁温控系统，系统中基于长短期记忆网络的帕尔贴温控建模方法构建了针对气敏材料表征微悬臂梁温控装置的更加准确的LSTM帕尔贴温控网络模型；接着，系统中基于粒子群的温控方法对LSTM帕尔贴温控网络模型中的PID控制参数进行仿真优化，能够在大范围内快速准确地搜索到最佳PID控制参数，进而实现最佳的温控性能。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，上述实施例仅仅是为清楚地说明所作的举例，并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种气敏材料表征微悬臂梁温控装置，包括腔体，其特征在于：
所述腔体两对侧壁外均设有帕尔贴模块，两个所述帕尔贴模块用于使腔体壁与腔体内的气体之间进行热传递；
所述腔体内设有微悬臂梁气体传感器和温控系统，所述微悬臂梁气体传感器用于对腔体内的气敏材料进行表征分析，所述温控系统与所述帕尔贴模块连接并通过控制帕尔贴模块的工作状态实现对腔体内的测试环境温度的控制；
所述帕尔贴模块外侧设有散热模块，所述散热模块用于与帕尔贴模块进行热交换；
所述腔体上设有帕尔贴模块的两对侧壁内侧分别设有进气口和出气口，所述进气口用于导入腔体内的气体，所述出气口用于排出腔体内的气体。
2.根据权利要求1所述的气敏材料表征微悬臂梁温控装置，其特征在于：所述温控系统包括测温电阻和温控电路，所述温控电路包括两路同时进行的控制信号，用于分别控制两个所述帕尔贴模块的工作功率；
所述温控电路包括温度检测电路、数模转换电路、微控制器、驱动电路和隔离电路，
所述测温电阻采集温度信息并由温度检测电路将温度信息转化为电压信号，数模转换电路将电压信号量化并传送给微控制器；所述微控制器根据测温电阻的阻值与温度的关系将温度检测电路输出的数字信号转变为温度信号，再利用均值滤波算法和微控制器控制算法得到PID控制参数，输出对应占空比的PWM；所述隔离电路将温度检测电路与驱动电路之间的控制信号和电源隔离，并将不同占空比的PWM信号传送给驱动电路；驱动电路根据不同占空比的PWM信号控制施加于帕尔贴模块中两端电压的持续时间，对帕尔贴模块的工作功率进行控制从而实现对腔体内测试环境温度的控制。
3.根据权利要求2所述的气敏材料表征微悬臂梁温控装置，其特征在于：所述温度检测电路包括自校准电路，所述测温电阻的电阻值信号通过所述温度检测电路转变为电压信号Vad并在每次启动时由所述自校准电路进行校准，用于避免电路中器件误差以及温漂、时漂导致的测温不准确，具体为：
在测温电阻上串联两个电阻值不同的高精度低温漂电阻并通过模拟开关选择输入电路的电阻，每次启动程序时分别将两个高精度低温漂电阻接入电路中并测出输出的电压和电流，通过两组电压电流得到二元线性关系式，将二元线性关系式作为实际电路中电压信号Vad的输出函数。
4.根据权利要求1所述的气敏材料表征微悬臂梁温控装置，其特征在于：还包括位于所述进气口和出气口内侧的带有测温电阻的加热极板，通过对带有测温电阻的加热极板的监控观测腔体上下两壁的温度信息；
所述散热模块包括循环液入口、散热管道和循环液出口，所循环液入口和散热循环液出口外接恒温槽。
5.根据权利要求1-4任一项所述的气敏材料表征微悬臂梁温控装置，其特征在于：所述腔体为高度为1～3cm，底面半径为2～4cm的圆柱体，所述帕尔贴模块设于所述圆柱体的两底面外侧。
6.一种气敏材料表征微悬臂梁温控系统，其特征在于：包括权利要求1-5任一项所述的气敏材料表征微悬臂梁温控装置、基于长短期记忆网络的帕尔贴温控建模方法和基于粒子群的温控方法，
所述基于长短期记忆网络的帕尔贴温控建模方法用于对所述气敏材料表征微悬臂梁温控装置中的温控系统进行系统模型建立，在不依赖于热学分析的基础上建立LSTM帕尔贴温控网络模型；
所述基于粒子群的温控方法以所述LSTM帕尔贴温控网络模型为对象，对所述气敏材料表征微悬臂梁温控装置中的微控制器的参数进行优化。
7.根据权利要求6所述的气敏材料表征微悬臂梁温控系统，其特征在于：所述基于长短期记忆网络的帕尔贴温控建模方法包括：
构建初始化的LSTM帕尔贴温控网络模型，将系统控制量序列作为训练集输入初始化的LSTM帕尔贴温控网络模型；
利用损失函数均方误差和Adam优化方法对初始化的LSTM帕尔贴温控网络模型中的所有参数进行训练，得到训练完成的LSTM帕尔贴温控网络模型。
8.根据权利要求7所述的气敏材料表征微悬臂梁温控系统，其特征在于：所述LSTM帕尔贴温控网络模型包括LSTM单元层、至少一个全连接层和激活函数层，
所述LSTM单元层的下一层为全连接层，所述LSTM单元层后有包括全连接层之间权重信息和激活函数的全连接层输出序列，每个所述全连接层后均有所述激活函数层。
9.根据权利要求6所述的气敏材料表征微悬臂梁温控系统，其特征在于：所述基于粒子群的温控方法结合随机拓扑结构和邻域混合中心反向学习对PID控制器的参数进行优化，优化的部分包括微控制器中的比例系数、积分系数和微分系数，具体过程为：
设定目标温度并使用PID控制器对LSTM帕尔贴温控网络模型的输出值进行控制，其中PID控制器的参数由粒子群算法中每个粒子的位置信息决定；
利用LSTM帕尔贴温控网络模型在PID算法控制下的输出序列计算时间乘误差积分准则值
Figure FDA0003041995190000031
其中t为时间，e(t)为LSTM帕尔贴温控网络模型输出量与目标值之间的差值；
每个粒子位置信息代表着一组PID控制参数，改进的粒子群算法进行迭代搜索，直到ITAE的值达到预设阈值将此时的PID控制参数组合作为最适合LSTM帕尔贴温控网络模型的PID控制参数组合。
10.根据权利要求9所述的气敏材料表征微悬臂梁温控系统，其特征在于：所述改进的粒子群算法的具体过程为：
步骤1：在D维搜索空间中群体粒子个数为N，第i个粒子的粒子位置和速度分别为
Figure FDA0003041995190000041
和
Figure FDA0003041995190000042
其中i＝1,2,…,N且d＝1,2,…,D；
步骤2：设置迭代次数的最大值Tmax和反向学习触发阈值P，生成[0,1]范围内的随机数rand；
步骤3：判断rand是否小于P，若小于P，执行步骤4；若大于P，执行步骤5；
步骤4：构建每个粒子会和其它粒子组成的一个具有K个粒子的邻域结构j，在邻域j内计算邻域均值中心NMCj在每个维度d上的信息
Figure FDA0003041995190000043
和局部平均适应值
Figure FDA0003041995190000044
Figure FDA0003041995190000045
表示邻域j内第i个粒子
Figure FDA0003041995190000046
的适应值，迭代次数i＝1,2,…,K；
从邻域j内选择优于平均适应值
Figure FDA0003041995190000047
的粒子，邻域偏均值中心NPCj的每一维度可表示为：
Figure FDA0003041995190000048
其中M为邻域内优于
Figure FDA0003041995190000049
的粒子数，d表示维度；
最后为了更好的引导局部粒子移动，从邻域j内适应度最低的点邻域最佳解nbestj、邻域均值中心NMCj和邻域偏均值中心NPCj和三个位置中随机选择一个点作为邻域混合中心点NHMCj＝min(nbestj,NMCj,NPCj)，利用邻域混合中心NHMCj对其邻域内的粒子
Figure FDA00030419951900000410
的位置进行反向求解，得到更新的位置
Figure FDA00030419951900000411
其中邻域j的动态边界[aj,bj]为
Figure FDA0003041995190000051
式中ad,j和bd,j为邻域j中所有点在d维度上的最小值和最大值；
步骤5：按照传统粒子群算法原理更新粒子位置：
Figure FDA0003041995190000052
其中
Figure FDA0003041995190000053
为第i个粒子的速度
Figure FDA0003041995190000054
其中k为迭代次数，ω为惯性权值，c1和c1为粒子的学习因子，r1和r2为(0,1)范围内的随机数；
步骤6：重复步骤3不断更新粒子位置直到ITAE的值达到预设阈值或者迭代次数达到Tmax，得到此时的粒子位置，将此时粒子位置对应的PID控制参数组合作为最适合LSTM帕尔贴温控网络模型的PID控制参数组合。
CN202110460261.1A 2021-04-27 2021-04-27 气敏材料表征微悬臂梁温控装置及系统 Active CN113190058B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110460261.1A CN113190058B (zh) 2021-04-27 2021-04-27 气敏材料表征微悬臂梁温控装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110460261.1A CN113190058B (zh) 2021-04-27 2021-04-27 气敏材料表征微悬臂梁温控装置及系统

Publications (2)

Publication Number Publication Date
CN113190058A true CN113190058A (zh) 2021-07-30
CN113190058B CN113190058B (zh) 2022-05-24

Family

ID=76979436

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110460261.1A Active CN113190058B (zh) 2021-04-27 2021-04-27 气敏材料表征微悬臂梁温控装置及系统

Country Status (1)

Country Link
CN (1) CN113190058B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114280183A (zh) * 2021-12-23 2022-04-05 鲲鹏仪器(大连)有限公司 液相色谱仪柱温箱的温度控制装置和方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203216630U (zh) * 2013-05-03 2013-09-25 大连测控技术研究所 一种温度自动检测系统
CN205561330U (zh) * 2016-04-25 2016-09-07 青岛科技大学 一种小型半导体高精度快速恒温控制箱
CN107144517A (zh) * 2017-04-26 2017-09-08 北京航空航天大学 颗粒物计数器
CN112180739A (zh) * 2020-10-27 2021-01-05 浙江浙能技术研究院有限公司 一种针对过热汽温控制系统的参数优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203216630U (zh) * 2013-05-03 2013-09-25 大连测控技术研究所 一种温度自动检测系统
CN205561330U (zh) * 2016-04-25 2016-09-07 青岛科技大学 一种小型半导体高精度快速恒温控制箱
CN107144517A (zh) * 2017-04-26 2017-09-08 北京航空航天大学 颗粒物计数器
CN112180739A (zh) * 2020-10-27 2021-01-05 浙江浙能技术研究院有限公司 一种针对过热汽温控制系统的参数优化方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
PENGCHENG XU ETAL: "A_novel_quantitative_design_modeling_on_gas_sensing_parameter_of_nano-materials_based_on_micro-gravimetric_thermo-dynamic_experiments", 《MEMS 2014》 *
吕莉等: "具有反向学习和自适应逃逸功能的粒子群优化算法", 《计算机应用》 *
周凌云 等: "一种邻域重心反向学习的粒子群优化算法", 《电子学报》 *
孙辉等: "混合均值中心反向学习粒子群优化算法", 《电子学报》 *
徐一轩等: "基于长短期记忆网络(LSTM)的数据中心温度预测算法", 《计算机技术与发展》 *
方英武等: "基于粒子群优化的PID自适应温度控制算法", 《计算机与数字工程》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114280183A (zh) * 2021-12-23 2022-04-05 鲲鹏仪器(大连)有限公司 液相色谱仪柱温箱的温度控制装置和方法
CN114280183B (zh) * 2021-12-23 2024-02-23 华谱科仪(北京)科技有限公司 液相色谱仪柱温箱的温度控制装置和方法

Also Published As

Publication number Publication date
CN113190058B (zh) 2022-05-24

Similar Documents

Publication Publication Date Title
CN110749337B (zh) 一种基于深度神经网络的mimu误差补偿方法
CN113190058B (zh) 气敏材料表征微悬臂梁温控装置及系统
CN108120451A (zh) 基于改进pso优化神经网络的硅微加速度计温度补偿方法、系统
CN110208703A (zh) 基于温度修正的复合等效电路模型对荷电状态估计的方法
CN112783988A (zh) 一种空调通风系统内部环境参数的监测反馈及分析方法
CN111579993B (zh) 一种基于卷积神经网络的锂电池容量在线估计方法
CN109298351A (zh) 一种基于模型学习的新能源车载电池剩余寿命估计方法
CN113203955A (zh) 一种基于动态优选遗忘因子递推最小二乘在线辨识的磷酸铁锂电池soc估算方法
CN105824783B (zh) 一种基于细菌觅食的混合蜂群算法的非线性阻尼系统的参数识别方法
Tancev et al. Towards a digital twin for air quality monitoring networks in smart cities
Xin et al. A novel state of charge estimation method for ternary lithium batteries based on system function and extended kalman filter
Chen et al. Joint estimation of state of charge and state of energy of lithium-ion batteries based on optimized bidirectional gated recurrent neural network
CN116562171B (zh) 一种温湿度在线计量的误差评估方法
CN116626238A (zh) 一种气流和气体组合感知的双通道检测罗盘系统、气体泄漏检测方法、数据融合及追踪方法
CN106788064B (zh) 基于emd-elm的感应电机定子电阻参数识别方法
Scagliotti et al. Inter-comparison of environmental low-cost sensors on Arduino platform
CN109738084B (zh) 可变式模拟温箱测试仪及其控制方法
Wang [Retracted] Recognition, Processing, and Detection of Sensor Fault Signal Based on Genetic Algorithm
Zhang et al. Design of a bionic electronic nose for robot
CN110338796A (zh) 呼吸检测方法、装置及可穿戴设备
Muharam et al. Improved fingerprinting performance in indoor positioning by reducing duration of the training phase process
Han et al. A parallel cell impedance measurement system for real-time cell growth detection
Li et al. State of charge estimation of lithium-ion batteries using improved BP neural network and filtering techniques
CN113009104A (zh) 基于粒子群算法优化神经网络的冻土未冻水含量捡测方法
Shen et al. An Improved Comprehensive Learning-Particle Swarm Optimization-Extended Kalman Filtering Method for the Online High-Precision State of Charge and Model Parameter Co-Estimation of Lithium-Ion Batteries

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