CN113607776B - 一种阵列型mems多气体传感器的实现方法 - Google Patents
一种阵列型mems多气体传感器的实现方法 Download PDFInfo
- Publication number
- CN113607776B CN113607776B CN202110825328.7A CN202110825328A CN113607776B CN 113607776 B CN113607776 B CN 113607776B CN 202110825328 A CN202110825328 A CN 202110825328A CN 113607776 B CN113607776 B CN 113607776B
- Authority
- CN
- China
- Prior art keywords
- gas
- requirement
- gas sensor
- sub
- test
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B81—MICROSTRUCTURAL TECHNOLOGY
- B81B—MICROSTRUCTURAL DEVICES OR SYSTEMS, e.g. MICROMECHANICAL DEVICES
- B81B7/00—Microstructural systems; Auxiliary parts of microstructural devices or systems
- B81B7/02—Microstructural systems; Auxiliary parts of microstructural devices or systems containing distinct electrical or optical devices of particular relevance for their function, e.g. microelectro-mechanical systems [MEMS]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Abstract
本发明提供了一种阵列型MEMS多气体传感器的实现方法,包括:步骤1:获取试验需求,并按照试验需求,确定气体测量类型;步骤2:根据气体测量类型,从气体元件数据库中选择对应的气体组件;步骤3:基于测试平台,并按照气体组件以及试验需求对应的试验规则,构建阵列型MEMS多气体传感器模型;步骤4:对阵列型MEMS多气体传感器模型进行测试,并进行合格判断,之后将合格的阵列型MEMS多气体传感器模型进行输出制作。过对气体元件进行组合测试以及合格判断,并输出制作,可以有效降低传感器在创建过程中的误差。
Description
技术领域
本发明涉及传感器技术领域,特别涉及一种阵列型MEMS多气体传感器的实现方法。
背景技术
气体传感器是一种将某种气体体积分数转化成对应电信号的转换器,随着微器件应用范围不断扩大,对气体传感器的微型化和集成化、低功耗和低成本、高精度和长寿命、多功能和智能化提出了更高的要求。微结构和集成电路的一体化集成可以很好的满足上述要求。
根据CN201711467754.8,一种阵列型MEMS气体传感器记载的,包括基底、位于基底上端的电控机构、位于电控机构上端且与所述电控机构电路互联的传感平台及位于传感平台上端的气体传感器阵列,所述气体传感器阵列包括一个以上的气体传感器,所述气体传感器阵列上设有气体渗透型薄膜;所述气体传感器与所述传感平台之间设有一个隔热腔;所述电控机构及所述传感平台通过单片集成工艺与所述基底一体化制成,虽然采用该技术创建了一种新的芯片集成方式,集不同气体传感器为一个基底,可以探测不同气体参数,也可以根据不同气体,选择不同的气体传感器,还降低了使用成本,但是在创建的过程中,由于不清楚器件的自身情况以及选择后的器件在搭建过程中是否会出现搭建失误,进而导致在创建出来的传感器存在一些列误差。
因此,本发明提出一种阵列型MEMS多气体传感器的实现方法。
发明内容
本发明提供一种阵列型MEMS多气体传感器的实现方法,用以通过对气体元件进行组合测试以及合格判断,并输出制作,可以有效降低传感器在创建过程中的误差。
本发明提供一种阵列型MEMS多气体传感器的实现方法,包括:
步骤1:获取试验需求,并按照所述试验需求,确定气体测量类型;
步骤2:根据气体测量类型,从气体元件数据库中选择对应的气体组件;
步骤3:基于测试平台,并按照气体组件以及所述试验需求对应的试验规则,构建阵列型MEMS多气体传感器模型;
步骤4:对阵列型MEMS多气体传感器模型进行测试,并进行合格判断,之后将合格的阵列型MEMS多气体传感器模型进行输出制作。
在一种可能实现的方式中,
所述气体组件包括:基底元件、电控元件、传感元件、薄膜元件;
其中,所述基底元件、电控元件、传感元件以及薄膜元件从低到高依次层层排列。
在一种可能实现的方式中,
步骤1,获取试验需求,并按照所述试验需求,确定气体测量类型的过程中,还包括:
获取试验需求,并对所述试验需求进行分割,得到若干第一子需求;
加载需求参数集,对所述第一子需求中的无关信息进行过滤操作,获取得到第二子需求;
根据所述第二子需求,建立需求集合,并检测是否存在需求冲突,若存在,创建冲突消除规则,获得第三子需求;
根据需求表征集,确定每个第三子需求的表征符号;
对所述试验需求中的关键词进行提取,得到关键集合,并将所述关键集合基于所述需求表征集进行表征,得到新的符号;
将所述表征符号与新的符号进行匹配,若都匹配成功,获取所述第三子需求的置信值;
否则,根据匹配结果,从所述第三子需求中提取未匹配成功的第四子需求以及从关键集合中提取未匹配成功的第一关键词;
获取所述第四子需求在第三子需求中的个数占比、第一关键词在关键集合中的个数占比;
当所述个数占比都大于对应的预设占比时,进行报警提醒,并获取未匹配成功的表征符号以及新的符号的手动输入符号,进而获取对应的第三子需求的置信值;
否则,建立所述第四子需求与第一关键词的符号分类联系,进而获取对应的第三子需求的置信值;
获取每个第三子需求对应的测量气体的气体测量类型,同时,对第三子需求的置信值进行优先级排序,进而获取对应气体测量类型的测量优先级。
在一种可能实现的方式中,
步骤2:根据气体测量类型,从气体元件数据库中选择对应的气体组件,包括:
根据气体测量类型,从气体元数据库中筛选对应类型的多个待筛选组件,并构成对应类型的气体集合,且对应的气体集合的个数为n,每个气体集合中对应的多个待筛选组件的个数至少为一个;
根据试验需求,对每个气体集合中所有待筛选组件中的可用组件进行第一标定,且每个集合中进行第一标定的可用组件至少为一个;
当同个集合中进行第一标定的可用组件存在多个时,按照所述测试平台的预设选择规则,从同个集合中的多个可用组件中筛选一个气体组件;
当同个集合中进行第一标定的可用组件存在一个时,将其作为气体组件;
其中,按照筛选出来的气体组件进行阵列型MEMS多气体传感器模型的构建。
在一种可能实现的方式中,
步骤3:基于测试平台,并按照气体组件以及所述试验需求对应的试验规则,构建阵列型MEMS多气体传感器模型的过程中,还包括:
根据所述气体测量类型,从所述气体元件数据库中筛选n个气体组件;
按照与所述试验要求对应的试验规则,从n个气体组件中筛选能测量气体类型的关键元件,构建成关键区域,其中所述关键区域即为阵列型组合中的阵列区域,便于测量不同类型的气体,其中,所述关键元件与传感元件以及薄膜元件有关;
基于测试平台,测试所述阵列区域中的每个关键元件是否正常工作,若是,将其保留,否则,替换新的元件,进而获得合格关键区域。
在一种可能实现的方式中,
在获取合格关键区域之后,还包括:
基于测试平台,并基于气体传感器的分析标准,对n个气体组件中的每层元件进行预分析,根据每层分析结果,确定对应气体组件的组件性能,进而判断对应气体组件基于原始组件的优化性能;
基于优化数据库,将n个优化性能进行组合分析,获取m组性能组合,且每组性能组合中包括n1个优化性能,且n1<n,且n1是变量;
根据如下公式,计算每组性能组合的优化值Y;
其中,表示第i个优化性能在对应性能组合中的优化权重值;δi表示第i个优化性能在对应组合性能中相比在对应气体组件中的优化缺失度;F(fi,fj,j≠i,j∈n1)表示在对应性能组合中的第i个优化性能对应的优化信息fi与剩余优化性能对应的优化信息fj,j≠i,j∈n1之间的关联值,且取值范围为(0,1);Fave(fi,fj,j≠i,j∈n1)表示所有性能组合中的第i个优化性能对应的优化信息fi∈n1与剩余优化性能对应的优化信息fj,j≠i,j∈n1之间的平均关联值;exp{}表示指数函数;
将所述优化值进行排序,来获取最大优化值,并获取所述最大优化值对应性能组合,进而确定对应的优化区域;
根据气体传感器的分析标准,对n个气体组件进行分析,获取供n种气体使用的基础公共区域,且所述基础公共区域与基底元件以及电控元件有关;
根据所述合格关键区域、优化区域以及基于公共区域构建成阵列型MEMS多气体传感器模型。
在一种可能实现的方式中,
步骤4:对阵列型MEMS多气体传感器模型进行测试,并进行合格判断,包括:
向所述阵列型MEMS多气体传感器模型输入不同大小的虚拟检测电流,获得多个电流检测结果,并对所述多个电流检测结果进行同向分析,确定每个电流检测结果中的突变点,同时,还将每个所述电流检测结果与对应虚拟检测电流下的标准电流检测结果进行预设范围内的重叠比较,获取基于突变点之前的重叠线条的第一占比与突变点之后的重叠线条的第二占比;
根据如下公式,计算所述阵列型MEMS多气体传感器模型是否合格;
其中,Z表示基于多个电流检测结果计算的所述阵列型MEMS多气体传感器模型的合格值;K表示多个电流检测结果的检测总个数,且与不同大小的虚拟检测电流的检测电流个数相等,且一个大小的虚拟检测电流对应一个电流检测结果;Ak1表示第k1个电流检测结果中,基于突变点之前对应的重叠线条的第一占比;sk1表示第k1个电流检测结果中,基于突变点之前对应的重叠线条的长度;D表示电流检测结果对应的检测长度;Bk1表示第k1个电流检测结果中,基于突变点之后对应的重叠线条的第二占比;gk1表示第k1个大小的虚拟检测电流的检测权重值;
当合格值Z大于预设值时,判定对应的所述阵列型MEMS多气体传感器模型合格;
否则,获取不同虚拟检测电流下,对应的每个突变点之后的检测结果突变信息,并将所述检测结果突变信息分别输入到预先训练好的检测模型中,分析所述阵列型MEMS多气体传感器模型存在的待处理问题;
获取所述待处理问题的处理信息,并按照所述处理信息对所述阵列型MEMS多气体传感器模型进行处理,获得新的阵列型MEMS多气体传感器模型。
在一种可能实现的方式中,
步骤1,当对阵列型MEMS多气体传感器模型进行测试,并判定为不合格之后,还包括:
确定每类问题影响的对应模型中的当前区域,并获取所述当前区域在对应模型中的位置;
根据所述位置,从预设数据库中,获取辅助信息;
根据所述辅助信息以及对应的处理信息,对所述当前区域存在的问题进行处理,同时,记录处理过程中的处理日志;
在处理结束后,对对应类的问题影响的当前区域进行再次测试,根据测试结果判断所述当前区域的区域性能是否满足预设约束,若是,将所述处理日志中的关键步骤存储到所述预设数据库中;
否则,获取补充信息,并按照所述补充信息对所述处理后的当前区域继续处理,直到满足对应的预设约束,同时,还记录基于所述补充信息进行处理的过程日志,并将其保存到所述预设数据库中。
在一种可能实现的方式中,
所述补充信息为当所述区域性能不满足预设约束时,获得所述区域性能的当前约束与预设约束之间所对应的差异信息。
在一种可能实现的方式中,
测试所述阵列区域中的每个关键元件是否正常工作的过程中,包括:
检测每个关键元件的灵敏度,当灵敏度低于预设灵敏度时,从组件数据库中,筛选优化参数,对对应关键元件进行灵敏度优化;
其中,所述优化参数与对应关键元件的成分组成、薄膜厚度、耐热程度有关。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种阵列型MEMS多气体传感器的实现方法的流程图;
图2为发明阵列型MEMS多气体传感器的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提供一种阵列型MEMS多气体传感器的实现方法,如图1所示,包括:
步骤1:获取试验需求,并按照所述试验需求,确定气体测量类型;
步骤2:根据气体测量类型,从气体元件数据库中选择对应的气体组件;
步骤3:基于测试平台,并按照气体组件以及所述试验需求对应的试验规则,构建阵列型MEMS多气体传感器模型;
步骤4:对阵列型MEMS多气体传感器模型进行测试,并进行合格判断,之后将合格的阵列型MEMS多气体传感器模型进行输出制作。
该实施例中,试验需求指的需要测量不同气体的需求,进而确定测量类型,例如,氧气、氢气等气体。
该实施例中,选择的气体组件是单独测量一种气体的基本组件,且在测试平台,对多个气体组件进行组合,进而构建传感器模型,且传感器模型是包括基底、电控、传感、薄膜等组合得到的。
该实施例中,试验规则,例如是根据测量气体的权重来进行气体优先检测排序等。
该实施例中,进行测试,是为了对模型进行检测,判断模型是否合格。
上述技术方案的有益效果是:通过对气体元件进行组合测试以及合格判断,并输出制作,可以有效降低传感器在创建过程中的误差。
实施例2:
基于实施例的基础上,如图2所示,所述气体组件包括:基底元件、电控元件、传感元件、薄膜元件;
其中,所述基底元件、电控元件、传感元件以及薄膜元件从低到高依次层层排列。
上述技术方案的有益效果是:基于层层排列,便于构建得到传感器。
实施例3:
基于实施例1的基础上,步骤1,获取试验需求,并按照所述试验需求,确定气体测量类型的过程中,还包括:
获取试验需求,并对所述试验需求进行分割,得到若干第一子需求;
加载需求参数集,对所述第一子需求中的无关信息进行过滤操作,获取得到第二子需求;
根据所述第二子需求,建立需求集合,并检测是否存在需求冲突,若存在,创建冲突消除规则,获得第三子需求;
根据需求表征集,确定每个第三子需求的表征符号;
对所述试验需求中的关键词进行提取,得到关键集合,并将所述关键集合基于所述需求表征集进行表征,得到新的符号;
将所述表征符号与新的符号进行匹配,若都匹配成功,获取所述第三子需求的置信值;
否则,根据匹配结果,从所述第三子需求中提取未匹配成功的第四子需求以及从关键集合中提取未匹配成功的第一关键词;
获取所述第四子需求在第三子需求中的个数占比、第一关键词在关键集合中的个数占比;
当所述个数占比都大于对应的预设占比时,进行报警提醒,并获取未匹配成功的表征符号以及新的符号的手动输入符号,进而获取对应的第三子需求的置信值;
否则,建立所述第四子需求与第一关键词的符号分类联系,进而获取对应的第三子需求的置信值;
获取每个第三子需求对应的测量气体的气体测量类型,同时,对第三子需求的置信值进行优先级排序,进而获取对应气体测量类型的测量优先级。
该实施例中,试验需求进行分割之后,获得若干子需求,需求参数集是预先设定好的,是集合各种需求得到的一个相关的参数集合;
该实施例中,无关信息,指的是不影响子需求的信息,例如是无关符号,比如空格符号等,进而得到第二子需求。
该实施例中,检测需求冲突,是为了避免对重复的需求进行多次操作,可以有效提高处理效率,建立的冲突消除规则,是为了可以有效的将冲突进行直接消除,比如,当检测到相同的需求后,删除其中一个。
该实施例中,第三子需求的表征符号,是基于需求表征集得到的,且不同的需求对应的符号不同,具备唯一性,是代表该需求的身份。
该实施例中,对关键词进行提取,并获取对应的新的符号,便于进行比较,其中,子需求中可以是包含多个关键词在内的,也可以是不包含关键词在内的。
该实施例中,若都匹配成功后,按照第三子需求的表征符号,来确定其置信值,且表征符号中有代表优先级的符号,例如,一个第三子需求的表征符号为A000011,另一个第三子需求的表征符号为B000012,此时,A000011对应需求优先级优于B000012对应的需求优先级,且代表不同类型的气体。
该实施例中,手动输入符号是为了保证对应表征符号以及新的符号的准确性,避免由于失误导致出错。
该实施例中,符号分类联系,指的是关键词与子需求是否为同类符号,若是建立联系,可以基于对应关键词对子需求的了解。
上述技术方案的有益效果是:通过获取试验需求,并进行分割,来获取子需求,通过对子需求进行过滤、冲突消除等操作得到表征符号,且通过提取关键词的方式,得到新的符号,进而将两者进行匹配,来分析不同结果下的子需求,进而确定置信度,便于对气体进行优先级测量,保证传感器的有效性,降低误差。
实施例4:
基于实施例1的基础上,步骤2:根据气体测量类型,从气体元件数据库中选择对应的气体组件,包括:
根据气体测量类型,从气体元数据库中筛选对应类型的多个待筛选组件,并构成对应类型的气体集合,且对应的气体集合的个数为n,每个气体集合中对应的多个待筛选组件的个数至少为一个;
根据试验需求,对每个气体集合中所有待筛选组件中的可用组件进行第一标定,且每个集合中进行第一标定的可用组件至少为一个;
当同个集合中进行第一标定的可用组件存在多个时,按照所述测试平台的预设选择规则,从同个集合中的多个可用组件中筛选一个气体组件;
当同个集合中进行第一标定的可用组件存在一个时,将其作为气体组件;
其中,按照筛选出来的气体组件进行阵列型MEMS多气体传感器模型的构建。
上述技术方案的有益效果是:通过从每个气体集合中,筛选一个气体组件,提高构建创传感器模型的精准性,保证其测量气体的全面性与有效性。
实施例5:
基于实施例1的基础上,步骤3:基于测试平台,并按照气体组件以及所述试验需求对应的试验规则,构建阵列型MEMS多气体传感器模型的过程中,还包括:
根据所述气体测量类型,从所述气体元件数据库中筛选n个气体组件;
按照与所述试验要求对应的试验规则,从n个气体组件中筛选能测量气体类型的关键元件,构建成关键区域,其中所述关键区域即为阵列型组合中的阵列区域,便于测量不同类型的气体,其中,所述关键元件与传感元件以及薄膜元件有关;
基于测试平台,测试所述阵列区域中的每个关键元件是否正常工作,若是,将其保留,否则,替换新的元件,进而获得合格关键区域。
该实施例中,n个气体组件的筛选,是基于实施例4的方式实现的,且每个气体组件中都包含关键元件,用于测量气体的,进而可以构成关键区域,一般为阵列感应单元,也为对应的阵列区域。
上述技术方案的有益效果是:通过筛选气体组件,再筛选关键元件,便于构建成关键区域,且通过对元件的正常与否进行判断,便于获得合格关键区域,为后续进行气体检测提供基础。
实施例6:
基于实施例5的基础上,在获取合格关键区域之后,还包括:
基于测试平台,并基于气体传感器的分析标准,对n个气体组件中的每层元件进行预分析,根据每层分析结果,确定对应气体组件的组件性能,进而判断对应气体组件基于原始组件的优化性能;
基于优化数据库,将n个优化性能进行组合分析,获取m组性能组合,且每组性能组合中包括n1个优化性能,且n1<n,且n1是变量;
根据如下公式,计算每组性能组合的优化值Y;
其中,表示第i个优化性能在对应性能组合中的优化权重值;δi表示第i个优化性能在对应组合性能中相比在对应气体组件中的优化缺失度;F(fi,fj,j≠i,j∈n1)表示在对应性能组合中的第i个优化性能对应的优化信息fi与剩余优化性能对应的优化信息fj,j≠i,j∈n1之间的关联值,且取值范围为(0,1);Fave(fi,fj,j≠i,j∈n1)表示所有性能组合中的第i个优化性能对应的优化信息fi∈n1与剩余优化性能对应的优化信息fj,j≠i,j∈n1之间的平均关联值;exp{}表示指数函数;
将所述优化值进行排序,来获取最大优化值,并获取所述最大优化值对应性能组合,进而确定对应的优化区域;
根据气体传感器的分析标准,对n个气体组件进行分析,获取供n种气体使用的基础公共区域,且所述基础公共区域与基底元件以及电控元件有关;
根据所述合格关键区域、优化区域以及基于公共区域构建成阵列型MEMS多气体传感器模型。
该实施例中,优化区域例如是可以提高其性能,如灵敏度、精度等的区域,其区域可能是掺杂了不同类型的金属或金属氧化物或其他物质等构成的。
该实施例中,优化信息指的如添加的金属带来的基于原始的好处等。
该实施例中,获取最优性能组合,是为了方便制作的传感器达到最优。
该实施例中,基于公共区域,是为了获得基底等。
上述技术方案的有益效果是:通过对气体元件中的每层都进行分析,来获取其组件的组件性能,以及基于原始组件的优化性能,通过对优化性能进行组合分析,并根据公式计算对应的优化值,来获取最佳性能组合,进而确定优化区域,保证将其传感器达到性能最优,通过获取基础公共区域,进而方便构建成阵列型MEMS多气体传感器模型,有效提高其的优化性能,降低误差。
实施例7:
基于实施例1的基础上,步骤4:对阵列型MEMS多气体传感器模型进行测试,并进行合格判断,包括:
向所述阵列型MEMS多气体传感器模型输入不同大小的虚拟检测电流,获得多个电流检测结果,并对所述多个电流检测结果进行同向分析,确定每个电流检测结果中的突变点,同时,还将每个所述电流检测结果与对应虚拟检测电流下的标准电流检测结果进行预设范围内的重叠比较,获取基于突变点之前的重叠线条的第一占比与突变点之后的重叠线条的第二占比;
根据如下公式,计算所述阵列型MEMS多气体传感器模型是否合格;
其中,Z表示基于多个电流检测结果计算的所述阵列型MEMS多气体传感器模型的合格值;K表示多个电流检测结果的检测总个数,且与不同大小的虚拟检测电流的检测电流个数相等,且一个大小的虚拟检测电流对应一个电流检测结果;Ak1表示第k1个电流检测结果中,基于突变点之前对应的重叠线条的第一占比;sk1表示第k1个电流检测结果中,基于突变点之前对应的重叠线条的长度;D表示电流检测结果对应的检测长度;Bk1表示第k1个电流检测结果中,基于突变点之后对应的重叠线条的第二占比;gk1表示第k1个大小的虚拟检测电流的检测权重值;
当合格值Z大于预设值时,判定对应的所述阵列型MEMS多气体传感器模型合格;
否则,获取不同虚拟检测电流下,对应的每个突变点之后的检测结果突变信息,并将所述检测结果突变信息分别输入到预先训练好的检测模型中,分析所述阵列型MEMS多气体传感器模型存在的待处理问题;
获取所述待处理问题的处理信息,并按照所述处理信息对所述阵列型MEMS多气体传感器模型进行处理,获得新的阵列型MEMS多气体传感器模型。
该实施例中,检测长度为虚拟电流检测过程中对应输出电流检测结果的长度,且为检测的输出电流基于时间的长度,由于是进行的同向分析,所以在分析过程中,截取的电流检测结果中的输出电流基于时间的长度都是相等的,且突变点也是基于时间上的某个时间点的突变点。
该实施例中,检测权重值,指的是由于采用不同的电流进行测量,其检测电流在其中所起到的检测有效性是不一样的,所以,设置了检测权重值,其虚拟检测电流越是可以起到检测作用,对应的权重值越大。
该实施例中,通过采用虚拟检测电流进行检测的方式,来获取多个检测结果,且同向分析是为了按照时间轴进行时间上的分析,且分析的检测结果的结果长度是基于相同时间切割得到的。
突变点指的是输出结果突然变大或变小的点。
预设范围指的是在一定的误差范围内,可以视为是重叠,降低计算结果的误差。
该实施例中,检测结果突变信息可以为突变点之后的线条信息。
上述技术方案的有益效果是:通过进行电流检测,并以突变点为分界点,来确定第一占比以及第二占比,进而根据公式,计算模型的合格值,来对其模型进行分析,当不合格时,通过获取突变信息,并进行模型判断,可以有效获得待处理问题,进而方便对其进行解决,得到有效模型。
实施例8:
基于实施例1的技术上,步骤1,当对阵列型MEMS多气体传感器模型进行测试,并判定为不合格之后,还包括:
确定每类问题影响的对应模型中的当前区域,并获取所述当前区域在对应模型中的位置;
根据所述位置,从预设数据库中,获取辅助信息;
根据所述辅助信息以及对应的处理信息,对所述当前区域存在的问题进行处理,同时,记录处理过程中的处理日志;
在处理结束后,对对应类的问题影响的当前区域进行再次测试,根据测试结果判断所述当前区域的区域性能是否满足预设约束,若是,将所述处理日志中的关键步骤存储到所述预设数据库中;
否则,获取补充信息,并按照所述补充信息对所述处理后的当前区域继续处理,直到满足对应的预设约束,同时,还记录基于所述补充信息进行处理的过程日志,并将其保存到所述预设数据库中。
优选的,基于实施例所述补充信息为当所述区域性能不满足预设约束时,获得所述区域性能的当前约束与预设约束之间所对应的差异信息。
该实施例中,辅助信息,是与位置相关的,例如获取的该模型中该位置处的所有模型参数,作为辅助信息。
该实施例中,基于辅助信息以及处理信息同时处理,便于提高对其区域修正的效率,且区域性能,是指的该区域的灵敏度、精度等相关性能,且预设约束只指的是否达到某个标准,如是否达到设定灵敏度标准等。
该实施例中,记录日志,是为了方便后续出现类似问题时,可以直接调取使用,提高效率。
上述技术方案的有益效果是:通过确定当前区域,进而确定位置,可以获取辅助信息,来方便对问题进行处理,且通过对当前区域进行再次测试,来确定是否满足预设约束,进而房版后续对当前区域的继续处理,保证该区域合格为止,进一步降低模型误差。
实施例9:
基于实施例5的基础上,测试所述阵列区域中的每个关键元件是否正常工作的过程中,包括:
检测每个关键元件的灵敏度,当灵敏度低于预设灵敏度时,从组件数据库中,筛选优化参数,对对应关键元件进行灵敏度优化;
其中,所述优化参数与对应关键元件的成分组成、薄膜厚度、耐热程度有关。
上述技术方案的有益效果是:通过筛选优化参数,便于进行灵敏度优化,保证模型的可靠性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种阵列型MEMS多气体传感器的实现方法,其特征在于,包括:
步骤1:获取试验需求,并按照所述试验需求,确定气体测量类型;
步骤2:根据气体测量类型,从气体元件数据库中选择对应的气体组件;
步骤3:基于测试平台,并按照气体组件以及所述试验需求对应的试验规则,构建阵列型MEMS多气体传感器模型;
步骤4:对阵列型MEMS多气体传感器模型进行测试,并进行合格判断,之后将合格的阵列型MEMS多气体传感器模型进行输出制作;
步骤3:基于测试平台,并按照气体组件以及所述试验需求对应的试验规则,构建阵列型MEMS多气体传感器模型的过程中,还包括:
根据所述气体测量类型,从所述气体元件数据库中筛选n个气体组件;
按照与所述试验需求对应的试验规则,从n个气体组件中筛选能测量气体类型的关键元件,构建成关键区域,其中所述关键区域即为阵列型组合中的阵列区域,便于测量不同类型的气体,其中,所述关键元件与传感元件以及薄膜元件有关;
基于测试平台,测试所述阵列区域中的每个关键元件是否正常工作,若是,将其保留,否则,替换新的元件,进而获得合格关键区域;
在获取合格关键区域之后,还包括:
基于测试平台,并基于气体传感器的分析标准,对n个气体组件中的每层元件进行预分析,根据每层分析结果,确定对应气体组件的组件性能,进而判断对应气体组件基于原始组件的优化性能;
基于优化数据库,将n个优化性能进行组合分析,获取m组性能组合,且每组性能组合中包括n1个优化性能,且n1<n,且n1是变量;
根据如下公式,计算每组性能组合的优化值Y;
其中,表示第i个优化性能在对应性能组合中的优化权重值;δi表示第i个优化性能在对应组合性能中相比在对应气体组件中的优化缺失度;F(fi,fj,j≠i,j∈n1)表示在对应性能组合中的第i个优化性能对应的优化信息fi与剩余优化性能对应的优化信息fj,j≠i,j∈n1之间的关联值,且取值范围为(0,1);Fave(fi∈n1,fj,j≠i,j∈n1)表示所有性能组合中的第i个优化性能对应的优化信息fi∈n1与剩余优化性能对应的优化信息fj,j≠i,j∈n1之间的平均关联值;exp{}表示指数函数;
将所述优化值进行排序,来获取最大优化值,并获取所述最大优化值对应性能组合,进而确定对应的优化区域;
根据气体传感器的分析标准,对n个气体组件进行分析,获取供n种气体使用的基础公共区域,且所述基础公共区域与基底元件以及电控元件有关;
根据所述合格关键区域、优化区域以及基于公共区域构建成阵列型MEMS多气体传感器模型;
步骤4:对阵列型MEMS多气体传感器模型进行测试,并进行合格判断,包括:
向所述阵列型MEMS多气体传感器模型输入不同大小的虚拟检测电流,获得多个电流检测结果,并对所述多个电流检测结果进行同向分析,确定每个电流检测结果中的突变点,同时,还将每个所述电流检测结果与对应虚拟检测电流下的标准电流检测结果进行预设范围内的重叠比较,获取基于突变点之前的重叠线条的第一占比与突变点之后的重叠线条的第二占比;
根据如下公式,计算所述阵列型MEMS多气体传感器模型是否合格;
其中,Z表示基于多个电流检测结果计算的所述阵列型MEMS多气体传感器模型的合格值;K表示多个电流检测结果的检测总个数,且与不同大小的虚拟检测电流的检测电流个数相等,且一个大小的虚拟检测电流对应一个电流检测结果;Ak1表示第k1个电流检测结果中,基于突变点之前对应的重叠线条的第一占比;sk1表示第k1个电流检测结果中,基于突变点之前对应的重叠线条的长度;D表示电流检测结果对应的检测长度;Bk1表示第k1个电流检测结果中,基于突变点之后对应的重叠线条的第二占比;gk1表示第k1个大小的虚拟检测电流的检测权重值;
当合格值Z大于预设值时,判定对应的所述阵列型MEMS多气体传感器模型合格;
否则,获取不同虚拟检测电流下,对应的每个突变点之后的检测结果突变信息,并将所述检测结果突变信息分别输入到预先训练好的检测模型中,分析所述阵列型MEMS多气体传感器模型存在的待处理问题;
获取所述待处理问题的处理信息,并按照所述处理信息对所述阵列型MEMS多气体传感器模型进行处理,获得新的阵列型MEMS多气体传感器模型。
2.如权利要求1所述的阵列型MEMS多气体传感器的实现方法,其特征在于,所述气体组件包括:基底元件、电控元件、传感元件、薄膜元件;
其中,所述基底元件、电控元件、传感元件以及薄膜元件从低到高依次层层排列。
3.如权利要求1所述的阵列型MEMS多气体传感器的实现方法,其特征在于,步骤1,获取试验需求,并按照所述试验需求,确定气体测量类型的过程中,还包括:
获取试验需求,并对所述试验需求进行分割,得到若干第一子需求;
加载需求参数集,对所述第一子需求中的无关信息进行过滤操作,获取得到第二子需求;
根据所述第二子需求,建立需求集合,并检测是否存在需求冲突,若存在,创建冲突消除规则,获得第三子需求;
根据需求表征集,确定每个第三子需求的表征符号;
对所述试验需求中的关键词进行提取,得到关键集合,并将所述关键集合基于所述需求表征集进行表征,得到新的符号;
将所述表征符号与新的符号进行匹配,若都匹配成功,获取所述第三子需求的置信值;
否则,根据匹配结果,从所述第三子需求中提取未匹配成功的第四子需求以及从关键集合中提取未匹配成功的第一关键词;
获取所述第四子需求在第三子需求中的个数占比、第一关键词在关键集合中的个数占比;
当所述个数占比都大于对应的预设占比时,进行报警提醒,并获取未匹配成功的表征符号以及新的符号的手动输入符号,进而获取对应的第三子需求的置信值;
否则,建立所述第四子需求与第一关键词的符号分类联系,进而获取对应的第三子需求的置信值;
获取每个第三子需求对应的测量气体的气体测量类型,同时,对第三子需求的置信值进行优先级排序,进而获取对应气体测量类型的测量优先级。
4.如权利要求1所述的阵列型MEMS多气体传感器的实现方法,其特征在于,步骤2:根据气体测量类型,从气体元件数据库中选择对应的气体组件,包括:
根据气体测量类型,从气体元数据库中筛选对应类型的多个待筛选组件,并构成对应类型的气体集合,且对应的气体集合的个数为n,每个气体集合中对应的多个待筛选组件的个数至少为一个;
根据试验需求,对每个气体集合中所有待筛选组件中的可用组件进行第一标定,且每个集合中进行第一标定的可用组件至少为一个;
当同个集合中进行第一标定的可用组件存在多个时,按照所述测试平台的预设选择规则,从同个集合中的多个可用组件中筛选一个气体组件;
当同个集合中进行第一标定的可用组件存在一个时,将其作为气体组件;
其中,按照筛选出来的气体组件进行阵列型MEMS多气体传感器模型的构建。
5.如权利要求1所述的阵列型MEMS多气体传感器的实现方法,其特征在于,步骤1,当对阵列型MEMS多气体传感器模型进行测试,并判定为不合格之后,还包括:
确定每类问题影响的对应模型中的当前区域,并获取所述当前区域在对应模型中的位置;
根据所述位置,从预设数据库中,获取辅助信息;
根据所述辅助信息以及对应的处理信息,对所述当前区域存在的问题进行处理,同时,记录处理过程中的处理日志;
在处理结束后,对对应类的问题影响的当前区域进行再次测试,根据测试结果判断所述当前区域的区域性能是否满足预设约束,若是,将所述处理日志中的关键步骤存储到所述预设数据库中;
否则,获取补充信息,并按照所述补充信息对所述处理后的当前区域继续处理,直到满足对应的预设约束,同时,还记录基于所述补充信息进行处理的过程日志,并将其保存到所述预设数据库中。
6.如权利要求5所述的阵列型MEMS多气体传感器的实现方法,其特征在于,
所述补充信息为当所述区域性能不满足预设约束时,获得所述区域性能的当前约束与预设约束之间所对应的差异信息。
7.基于权利要求1所述的阵列型MEMS多气体传感器的实现方法,其特征在于,测试所述阵列区域中的每个关键元件是否正常工作的过程中,包括:
检测每个关键元件的灵敏度,当灵敏度低于预设灵敏度时,从组件数据库中,筛选优化参数,对对应关键元件进行灵敏度优化;
其中,所述优化参数与对应关键元件的成分组成、薄膜厚度、耐热程度有关。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110825328.7A CN113607776B (zh) | 2021-07-21 | 2021-07-21 | 一种阵列型mems多气体传感器的实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110825328.7A CN113607776B (zh) | 2021-07-21 | 2021-07-21 | 一种阵列型mems多气体传感器的实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113607776A CN113607776A (zh) | 2021-11-05 |
CN113607776B true CN113607776B (zh) | 2023-03-10 |
Family
ID=78305030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110825328.7A Active CN113607776B (zh) | 2021-07-21 | 2021-07-21 | 一种阵列型mems多气体传感器的实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113607776B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0527258A1 (de) * | 1991-08-14 | 1993-02-17 | Siemens Aktiengesellschaft | Gassensor-Array zur Detektion einzelner Gaskomponenten in einem Gasgemisch |
CN101299031A (zh) * | 2008-06-27 | 2008-11-05 | 中国科学院合肥物质科学研究院 | 一种基于气体传感器阵列的汽车尾气检测方法 |
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 |
CN110187066A (zh) * | 2019-06-21 | 2019-08-30 | 至砾机电设备(上海)有限公司 | 一种水氧颗粒分析检测系统及其检测方法 |
CN110361323A (zh) * | 2019-07-30 | 2019-10-22 | 西安空天能源动力智能制造研究院有限公司 | 一种基于传感器单元阵列的激光冲击波复合材料结合力检测装置及方法 |
CN209589904U (zh) * | 2018-12-29 | 2019-11-05 | 海南聚能科技创新研究院有限公司 | 一种高精度气体传感器阵列检测装置 |
CN110672127A (zh) * | 2019-11-01 | 2020-01-10 | 苏州大学 | 阵列式mems磁传感器实时标定方法 |
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 |
CN112906185A (zh) * | 2021-01-15 | 2021-06-04 | 中国兵器工业集团第二一四研究所苏州研发中心 | 一种基于人工智能的mems惯性传感器异构阵列及其设计方法 |
-
2021
- 2021-07-21 CN CN202110825328.7A patent/CN113607776B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0527258A1 (de) * | 1991-08-14 | 1993-02-17 | Siemens Aktiengesellschaft | Gassensor-Array zur Detektion einzelner Gaskomponenten in einem Gasgemisch |
CN101299031A (zh) * | 2008-06-27 | 2008-11-05 | 中国科学院合肥物质科学研究院 | 一种基于气体传感器阵列的汽车尾气检测方法 |
CN209589904U (zh) * | 2018-12-29 | 2019-11-05 | 海南聚能科技创新研究院有限公司 | 一种高精度气体传感器阵列检测装置 |
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 |
CN110187066A (zh) * | 2019-06-21 | 2019-08-30 | 至砾机电设备(上海)有限公司 | 一种水氧颗粒分析检测系统及其检测方法 |
CN110361323A (zh) * | 2019-07-30 | 2019-10-22 | 西安空天能源动力智能制造研究院有限公司 | 一种基于传感器单元阵列的激光冲击波复合材料结合力检测装置及方法 |
CN110672127A (zh) * | 2019-11-01 | 2020-01-10 | 苏州大学 | 阵列式mems磁传感器实时标定方法 |
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 |
CN112906185A (zh) * | 2021-01-15 | 2021-06-04 | 中国兵器工业集团第二一四研究所苏州研发中心 | 一种基于人工智能的mems惯性传感器异构阵列及其设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113607776A (zh) | 2021-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100831589B1 (ko) | 가스센서의 출력 특성 추출방법과 이를 이용한 가스농도측정장치 및 그 방법 | |
KR100998456B1 (ko) | 클러스터링 시스템 및 결함 종류 판정 장치 | |
CN112257963B (zh) | 基于航天软件缺陷数据分布离群点的缺陷预测方法及装置 | |
CN112784415B (zh) | 一种定数截尾加速寿命试验机理等同性检验与寿命预测方法 | |
CN115686124B (zh) | 一种基于安全保护的储能电池输出功率自调节系统及方法 | |
CN116432867A (zh) | 一种二极管制备控制优化方法及系统 | |
CN113607776B (zh) | 一种阵列型mems多气体传感器的实现方法 | |
CN108957347B (zh) | 一种电池组soc的高精度动态估计方法和系统 | |
CN112329272B (zh) | 综合光伏组件退化和寿命数据的剩余寿命拟合预测方法 | |
CN113567605A (zh) | 质量色谱图的自动化解释模型构建方法、装置和电子设备 | |
CN113405743B (zh) | 一种基于云计算的新能源电动汽车生产制造测试数据分析处理方法、系统及存储介质 | |
CN116430261A (zh) | 一种燃料电池寿命的预测方法及装置 | |
JP7435071B2 (ja) | 診断装置、診断方法およびプログラム | |
CN115308063A (zh) | 一种已有建筑的混凝土强度抽样检测方法 | |
CN113986970A (zh) | 一种基于基线库数据的量费计算结果检测方法 | |
CN111985163A (zh) | 一种铷钟寿命预测方法及装置 | |
CN108571394B (zh) | 用于补偿车辆的发动机中的燃料喷射量的装置及方法 | |
CN113764296A (zh) | 电池的测试方法和装置、电子设备及计算机可读存储介质 | |
CN111595433A (zh) | 航空发动机整机振动传感器的位置确定方法及系统 | |
JP2008117380A (ja) | 診断プロセス支援方法とそのためのプログラム | |
CN115600115A (zh) | 一种评估芯片质量分析模型准确率的方法和系统 | |
CN114095947B (zh) | 一种网络覆盖评估方法、装置、电子设备及存储介质 | |
CN113451665B (zh) | 一种车辆动力电池保养特征识别方法及装置 | |
CN117411436B (zh) | 光伏组件状态检测方法、系统及存储介质 | |
CN113642198B (zh) | 一种基于可靠性增长的独立运载系统设备可靠性评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |