CN114787623A - 用于运行气体传感器的方法和设备 - Google Patents
用于运行气体传感器的方法和设备 Download PDFInfo
- Publication number
- CN114787623A CN114787623A CN202080087782.0A CN202080087782A CN114787623A CN 114787623 A CN114787623 A CN 114787623A CN 202080087782 A CN202080087782 A CN 202080087782A CN 114787623 A CN114787623 A CN 114787623A
- Authority
- CN
- China
- Prior art keywords
- sensor
- gas
- measurement
- time
- concentration
- 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
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000005259 measurement Methods 0.000 claims abstract description 122
- 230000036962 time dependent Effects 0.000 claims abstract description 13
- 238000012937 correction Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 11
- 230000032683 aging Effects 0.000 claims description 8
- 238000010438 heat treatment Methods 0.000 claims description 7
- 230000035945 sensitivity Effects 0.000 claims description 7
- 238000001816 cooling Methods 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 4
- 238000007637 random forest analysis Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 claims description 2
- 238000006731 degradation reaction Methods 0.000 claims description 2
- 230000002277 temperature effect Effects 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 2
- 230000001419 dependent effect Effects 0.000 abstract description 5
- 239000007789 gas Substances 0.000 description 124
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000001179 sorption measurement Methods 0.000 description 4
- 239000003570 air Substances 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000011010 flushing procedure Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000003795 desorption Methods 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000003679 aging effect Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 239000011368 organic material Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0067—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display by measuring the rate of variation of the concentration
-
- 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
- G01N33/0006—Calibrating gas analysers
-
- 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
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/0059—Avoiding interference of a gas with the gas to be measured
- G01N33/006—Avoiding interference of water vapour with the gas to be measured
-
- 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
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0068—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a computer specifically programmed
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
Abstract
本发明涉及一种用于运行具有气体传感器（3）的气体传感器系统（1）的方法，以便提供在测量气体中的气体成分的气体浓度的浓度参量，该方法具有如下步骤：在测量过程期间执行对该气体浓度的测量，以便获得传感器信号（S）的与该气体浓度相关的随时间的变化过程；借助于基于数据的传感器模型根据传感器信号的随时间的变化过程来确定该浓度参量（Ckorr），其中基于数据的传感器模型被训练来考虑在该测量过程以外的传感器表现，以确定浓度大小。
Description
技术领域
本发明涉及气体传感器，以及尤其是涉及用于在考虑气体传感器的灵敏度的由于存放所引起的变化的情况下确定浓度值的方法。
背景技术
气体传感器公知用于确定气态物质的浓度，并且原则上可以被设计成具有各种传感器原理和敏感材料的化学传感器。在此，待测量的气态成分在传感器结构中的敏感层上的化学反应或吸收通常会导致敏感层的特性变化。敏感层的这种特性变化可以作为电参量的变化来被检测和评估。
视所使用的传感器材料而定，气体传感器的表现或多或少是稳定的，而且这样气体传感器的状态可能在使用寿命期间根据环境条件而发生变化。尤其是在存放时间期间，传感器特性可能在存放时长期间由于环境温度、空气湿度、环境空气污染等影响而发生变化，使得不再能够可靠地且精确地确定测量气体中的气体成分的气体浓度。该问题主要发生于如下气体传感器中，在这些气体传感器中，在敏感层中使用有机材料以及尤其是有机半导体，原因在于在敏感层中使信号发生变化的分子可能在存放时间期间被吸收或者释放。
发明内容
按照本发明，提供了一种按照权利要求1所述的用于运行气体传感器的方法以及一种按照并列权利要求所述的设备和一种按照并列权利要求所述的气体传感器。
其它的设计方案在从属权利要求中说明。
按照第一方面，提供了一种用于运行具有气体传感器的气体传感器系统的方法，以便提供在测量气体中的气体成分的气体浓度的浓度参量，该方法具有如下步骤：
- 在测量过程期间执行对气体浓度的测量，以便获得传感器信号的与气体浓度相关的随时间的变化过程；
- 借助于基于数据的传感器模型根据传感器信号的随时间的变化过程来确定该浓度参量，其中基于数据的传感器模型考虑在该测量过程以外的传感器表现，以确定经校正的浓度参量。
上述方法规定：根据在给敏感层施加测量气体的测量过程期间对与时间相关的传感器信号的观察并且根据在该测量过程的时间段以外的传感器表现，借助于基于数据的传感器模型来确定在该测量气体中的待检测的气体成分的以浓度参量为形式的气体浓度。对在测量过程的时间段以外的传感器表现的评估能够实现：在确定气体浓度时考虑由于存放或老化所引起的传感器状态。
尤其是，在上述方法中假设：在时间上在实际测量过程以外的传感器表现通常对于传感器状态来说是表征性的。由于实际传感器状态通常无法被直接确定或量化，所以在确定待检测的气体成分的气体浓度时可以借助于可训练的基于数据的传感器模型根据传感器表现来隐含地考虑传感器状态。这样，例如传感器信号的在测量过程的时间段之前或之后的加热和冷却阶段期间的表现可以反推出由于存放或老化所引起的传感器状态。
因此，可以创建或提供传感器模型，该传感器模型基于在测量期间的传感器信号并且基于气体传感器的与测量过程无关的传感器信号或运行参数来为确定测量气体中的待检测的气体成分的更精确的浓度数据做出贡献。
尤其可以考虑特定于仪器的校准参数以及传感器状态，如传感器温度、测量气体温度和测量湿度，作为运行参数。特定于仪器的校准参数通常可以指示特定于仪器或传感器的信息，尤其是气体传感器的灵敏度。
此外，这些运行参数也可以作为时间序列来被考虑。这样，例如可以考虑测量气体的气体温度的变化过程、测量气体的气体湿度的变化过程以及用来在测量过程以外对气体传感器进行冲洗的冲洗气体的变化过程和湿度。
可以使用任意回归算法，诸如Lasso、随机森林（Random Forest）、高斯过程和神经网络，作为基于数据的传感器模型。尤其是，优选如下基于数据的模型，这些基于数据的模型相对于各个时间段、如视在测量流程中的传感器运行模式而定的测量过程的时间段、先前的或随后的加热、冷却和保持阶段的时间段的时长而言是平移不变的，如这例如在卷积神经网络中就是这种情况。
尤其是，基于数据的传感器模型可以被训练来考虑由于气体传感器的老化或退化而引起的传感器表现，以确定浓度参量。
通过上述方法，能够在确定气体浓度时以经改进的方式来考虑传感器状态的由于存放和老化所引起的变化。这一点通过评估气体传感器的尤其是在测量过程的时间段以外的与由于存放和老化所引起的传感器状态相关的表现来实现，使得总是能够准确地评估在测量过程期间获得的传感器信号。
上述方法是对常规校准方法的显著改进，原因在于这些常规校准方法只是静态的并且无法充分考虑随着时间发生变化的传感器状态。此外，常规校准方法复杂并且通常无法在现场被执行。
可以规定：借助于基于数据的传感器模型，确定用于加载于经物理建模的浓度参量的校正参量，尤其是以乘法或加法，其中基于与测量过程相关联的测量参量来确定经物理建模的浓度参量。
替代地，基于数据的传感器模型可以被设计用于根据传感器信号的随时间的变化过程并且根据在测量过程以外的传感器表现来确定浓度参量。
尤其是，经校正的浓度参量可以根据经物理建模的浓度参量并且根据从传感器模型中所确定的浓度参量来被确定，尤其是按照指定的加权函数。
可以规定：基于数据的传感器模型获得与测量过程相关联的测量参量和从中得出的测量特征，作为输入参量。
这些测量参量尤其可包括：从在测量过程的时长期间的与时间相关的传感器信号中得出的一个或多个参量，尤其是在测量过程的开始与结束之间的多个采样时间点的传感器信号的值和/或一个或多个从中得出的参量，尤其是在测量过程的开始与结束之间的传感器信号的绝对信号变化和/或在测量过程期间的传感器信号S的最大或平均斜率。
这些测量参量还可包括：从在测量过程的时间段以外的时间段期间、尤其是在施加阶段之前和/或之后的时长期间、尤其是在期间设定特定的传感器状态的时间段期间的随时间的传感器信号中得出的一个或多个参量，尤其是在相关时间段的开始与结束之间的多个采样时间点的传感器信号的值和/或一个或多个从中得出的参量，尤其是在相关时间段的开始与结束之间的绝对信号变化和/或在相关时间段期间的传感器信号S的最大或平均斜率。
可以规定：这些测量参量包括如下参量中的一个或多个：
- 一个或多个特定于仪器或传感器的校准参数，所述校准参数尤其是指示气体传感器的灵敏度；
- 从一个或多个其它集成在系统中的传感器、尤其是测量气体温度传感器、测量气体湿度传感器以及气体传感器温度传感器的在测量过程的时间段和/或在测量过程的时间段以外的时间段期间的随时间的信号中得出的一个或多个参量，尤其是在测量过程或相关时间段的开始与结束之间的多个采样时间点的相对应的信号的值和/或一个或多个从中得出的参量，尤其是在相关时间段的开始与结束之间的绝对信号变化和/或一个或多个其它集成在系统中的传感器的在相关时间段期间的信号的最大或平均斜率；和
- 从一个或多个集成在系统中的传感器、尤其是气体传感器的在测量过程的时间段和/或在测量过程的时间段以外的时间段期间的与时间相关的信号与一个或多个相同的传感器在先前测量、尤其是校准测量的同一时间段内的与时间相关的信号之差中得出的一个或多个参量，尤其是在测量过程或相关时间段的开始与结束之间的多个采样时间点的相对应的差的值和/或一个或多个从中得出的参量。
此外，测量特征可以从这些测量参量中得出并且包括如下参量中的一个或多个：
- 关于通过施加测试电压脉冲而引起的信号响应的数据；
- 在温度与传感器信号和/或信号响应的时间常数之间的比例因子；
- 一个或多个信号响应，所述一个或多个信号响应由于碰到传感器表面（31）上的测量气体的组分和/或压力的突然变化而引起；
- 基线（Baseline）值，该基线值对应于在所定义的时间点、尤其是在测量过程的开始时间点的气体传感器原始信号；
- 与测量数据拟合的物理模型的一个或多个参数；
- 与在加热或冷却阶段期间的传感器信号拟合的指数函数的参数；
- 一个或多个经修改的测量参量，尤其是通过借助于相对应的比例因子补偿对传感器信号的温度影响；
- 在测量过程之前或之后的时间段内的传感器信号的作为温度的函数的一个或多个离散值；和
- 这些测量参量中的至少一个测量参量的依次被记录的值之间的差或商，尤其是这些测量参量中的至少一个测量参量的依次被记录的值之间的在该至少一个测量参量的当前值与该至少一个测量参量的参考值之间的差或商。
按照另一方面，提供了一种用于运行具有气体传感器的气体传感器系统的设备，以便提供在测量气体中的气体成分的气体浓度的浓度参量，其中该设备被设计用于：
- 在测量过程期间执行对气体浓度的测量，以便获得传感器信号的与气体浓度相关的随时间的变化过程；而且
- 借助于基于数据的传感器模型根据传感器信号的随时间的变化过程来确定该浓度参量，其中基于数据的传感器模型被训练来考虑在该测量过程以外的传感器表现，以确定浓度参量。
按照另一方面，提供了一种具有气体传感器和上述设备的气体传感器系统。
附图说明
随后，依据随附的附图更详细地描述实施方式。其中：
图1示出了气体传感器的示意图；
图2示出了阐明用于借助于按照第一实施方式的气体传感器来确定气体浓度的功能的框图；以及
图3示出了用于借助于按照另一实施方式的气体传感器来确定气体浓度的功能图。
具体实施方式
图1示出了气体传感器系统1的示意图，该气体传感器系统具有测量室2，在该测量室中布置有气体传感器3。气体传感器3具有传感器表面31，该传感器表面具有敏感层，该敏感层被施加待检测的气体成分并且该敏感层提供电传感器参量，该电传感器参量指示待检测的气体成分的气体浓度。
受控制单元4的控制，测量气体可以经由供气管线5被引入测量室2，应该在该测量室中测量待检测的气体成分的浓度。还可以将冲洗气体引入测量室2，以便实现对气体传感器3的校准。通常，测量气体经由另一通道被排出，使得测量气体持续从气体传感器3中逸出。
控制单元4可以设置于本地或者基于云地被实现，并且与气体传感器3保持通信连接。
气体传感器3配备有加热装置6，以便将气体传感器3加热到各种温度水平。
气体传感器可具有不同的测量原理。尤其是半导体气体传感器可以在温度循环模式下运行，其中氧气在高温阶段被积聚在传感器表面上。然后，在低温阶段期间，氧气被待检测的气体成分所置换。接着，在低温阶段的电导率变化可以相对应地被评估，以便获得气体浓度。替代地，在测量气体中的待检测的气体成分的气体浓度也可以通过半导体气体传感器的在该气体传感器3的传感器表面的平衡状态下的电导率来被确定。
气体传感器的其它测量原理也提供了具有不同温度负载的时间阶段。
气体传感器3通常被设计为使得待测量的、待检测的气体成分在传感器表面31处的化学反应、吸附或吸收引起传感器表面31的特性变化，该特性变化反映于电传感器参量（传感器信号）的变化中，诸如以传感器电流、传感器电压或传感器电阻（传感器电导率）的变化为形式。
气体传感器3在其使用寿命期间由于外部影响、如温度、空气湿度和材料负载而发生状态变化，该状态变化使传感器状态并且借此使传感器灵敏度发生变化。由此，会导致气体传感器的由于存放和老化所引起的错误校准，该错误校准应该予以补偿。常规方法提供重新校准，这些重新校准复杂而且仅在特定时间点被执行，在这些特定时间点之间，对于气体传感器3来说没有进行正常校准。
原则上，应该借助于气体传感器系统1来提供浓度参量。该浓度参量指示在冲刷传感器表面31的测量气体中的待检测的气体成分的气体浓度。在此，应该考虑气体传感器3的老化影响和环境影响。为了确定由于存放和老化所引起的传感器状态的变化对浓度测量的这些影响，在控制单元4中使用基于数据的传感器模型，该基于数据的传感器模型被训练为：
- 确定用于加载于从所测量的传感器参量中得出的浓度参量的校正参量；或者
- 直接根据电传感器参量在浓度测量期间的变化过程以及气体传感器3的其它运行参数和/或表现参数来确定浓度参量。
在图2中，示出了用于阐明基于通过该基于数据的传感器模型所确定的校正参量来确定气体成分的气体浓度的浓度参量的功能图。为此，借助于基于物理定律来被创建并且取决于特定的传感器技术的物理传感器模型21，确定原始浓度参量Cphys，该原始浓度参量指示未发生变化（例如未老化或者处于制造状态下）的气体传感器3的气体浓度。原则上，基础的物理传感器模型21可以指示在新的、未老化的气体传感器3的情况下的传感器灵敏度。
物理传感器模型21例如可以包括任意的数学函数，诸如级数展开等等，该级数展开通常具有数目更多的模型参数。在此，物理传感器模型的模型参数通常被全局优化并且以特定于仪器的方式被校准并且因此针对单独的气体传感器3被固定地指定。
原始浓度参量Cphys可以在传感器模型21中被确定为由传感器信号S和如下测量参量M1, M2, M3, ...中的一个或多个测量参量构成的函数：
- 从在测量过程的时长期间、也就是说在使用测量气体的施加阶段期间的与时间相关的传感器信号S中得出的参量，诸如在测量过程的开始与结束之间的多个采样时间点的传感器信号的值和/或从中得出的参量，诸如在测量过程的开始与结束之间的绝对信号变化或者在测量过程期间的传感器信号S的最大或平均斜率。
- 从在测量过程的时间段以外的时间段期间、尤其是在施加阶段之前和/或之后的时长期间、以及尤其是在期间设定特定的传感器状态的时间段期间、尤其是在预先确定的温度变化过程的时间段、尤其是加热、冷却或温度保持阶段的时间段期间的随时间的传感器信号中得出的参量，诸如在相关时间段的开始与结束之间的多个采样时间点的传感器信号的值和/或从中得出的参量，诸如在相关时间段的开始与结束之间的绝对信号变化或者在相关时间段期间的传感器信号S的最大或平均斜率；
- 一个或多个特定于仪器的校准参数，所述校准参数对模型的精度做出贡献，其方式是所述校准参数根据该模型的类型来提供特定于仪器的信息，尤其是气体传感器的灵敏度。这些校准参数可以被指定和/或凭经验被确定。
- 从一个或多个其它集成在系统中的传感器、诸如测量气体温度传感器、测量气体湿度传感器以及气体传感器温度传感器的在测量过程的时间段和/或在测量过程的时间段以外的时间段期间的随时间的信号中得出的参量，诸如在测量过程或相关时间段的开始与结束之间的多个采样时间点的传感器信号的值和/或一个或多个从中得出的参量，尤其是在相关时间段的开始与结束之间的绝对信号变化和/或一个或多个其它集成在系统中的传感器的在相关时间段期间的信号的最大或平均斜率。
- 从一个或多个集成在系统中的传感器的在测量过程的时间段和/或在测量过程的时间段以外的时间段期间的与时间相关的信号、尤其是传感器信号S与一个或多个相同的传感器在先前测量、尤其是校准测量的同一时间段内的与时间相关的信号之差中得出的一个或多个参量，尤其是在测量过程或相关时间段的开始与结束之间的多个采样时间点的相对应的差的值和/或一个或多个从中得出的参量。
例如，原始浓度参量
可以依据如下使用模型参数a, b, c, ...来参数化的模型之一根据这样确定的测量参量M1, M2, M3, ...来被计算，其中：
- 按照如下等式的线性模型
- 按照如下等式的指数模型
或者
- 在假设朗缪尔（Langmuir）吸附且忽略在测量过程期间的解吸过程的情况下的按照如下等式的物理模型
现在，在传感器模型块22中确定校正参量K，在校正块23中给从物理激励的传感器模型21中所确定的原始浓度参量
加载该校正参量，以便获得经校正的浓度参量Ckorr。校正参量K尤其可以是用于以乘法加载于原始浓度参量
的校正因子或者用于以加法加载于原始浓度参量
的校正偏移量。
校正参量K可以通过传感器模型块22中的基于数据的传感器模型来被确定。该基于数据的传感器模型可以包括回归模型，诸如Lasso模型、随机森林模型、高斯过程模型或者神经网络。
可以使用测量参量M1, M2, M3 .....中的所选择的测量参量和从中得出的测量特征F1, F2, F3...，作为针对传感器模型的输入参量。
该基于数据的传感器模型根据上述测量参量M1, M2, M3 ...中的一个或多个来确定校正参量K。
这些测量特征F1, F2, F3...可以在测量特征块24中根据测量参量M1, M2, M3来得出，并且用于压缩在这些测量参量中所包含的信息。测量特征F1, F2, F3...例如可包括如下测量特征中的一个或多个：
- 通过施加测试电压脉冲而引起的信号响应；
- 在温度与传感器信号和/或信号响应的时间常数之间的比例因子；
- 如下信号响应，所述信号响应由于碰到传感器表面31上的测量气体的组分（尤其是湿度）和/或压力的突然变化而引起。该变化尤其是在测量过程的开始或结束当气体组分变化时发生；
- 基线值，该基线值对应于在所定义的时间点（例如在测量过程的开始时间点）的气体传感器原始信号；
- 与测量数据拟合的物理模型的一个或多个参数。例如，吸附和解吸动力学模型可以在施加以及必要时随后的保持阶段期间与传感器信号拟合，并且经拟合的物理参数（例如吸附焓、速率常数）可以被用作传感器模型的测量特征。
- 与测量数据拟合的经验关系的参数，诸如与在加热或冷却阶段期间的传感器信号拟合的指数函数的参数。
- 经修改的测量参量，尤其是通过借助于相对应的比例因子补偿对气体传感器原始信号的温度影响；
- 在测量过程之前或之后的时间段内的传感器信号的作为温度的函数的一个或多个离散值；
- 依据安托万（Antoine）方程从相对气体湿度被换算到绝对气体湿度的传感器值；
- 这些测量参量中的至少一个测量参量的依次被记录的值之间的差或商，尤其是这些测量参量中的至少一个测量参量的依次被记录的值之间的在该至少一个测量参量的当前值与该至少一个测量参量的参考值之间的差或商。
该基于数据的传感器模型利用训练数据来被训练，这些训练数据将测量特征分配给所分配的浓度参量（ground truth（地面实况））。根据分别被施加校准测量气体的气体传感器3的测量参量来获得测量特征。浓度参量分别对应于在校准测量气体中的气体浓度，其中气体传感器3是在各种存放条件下被存放的。通过基于从物理激励的模型中获得的浓度参量进行的反算，该基于数据的传感器模型可以相对应地被相关。
为了对该基于数据的传感器模型进行训练，可以借助于存放历史的变体、也就是说环境条件的时间序列例如通过存放时长、温度和空气湿度的受控制的改变并且在使用具有待检测的气体成分的已知浓度的校准测量气体的情况下产生由测量参量和测量特征和气体浓度构成的经实验标记的对。
按照一个替代的实施方式，如图3的功能图中所示，在传感器模型块22'中的基于数据的传感器模型可以直接确定经校正的浓度参量Ckorr。在此，物理传感器模型与在该基于数据的传感器模型中的取决于相应传感器状态的校正一起被实现，以便确定经校正的浓度参量Ckorr，作为模型输出。
在混合模型方法中，该物理传感器模型和该基于数据的传感器模型可以并行地确定经校正的浓度参量。借助于下游的加权函数，两个经校正的浓度参量可以相对于彼此被加权，其中权重可以根据相应的经校正的浓度参量来被选择，尤其是按照指定的加权函数。
Claims (14)
1.一种用于运行具有气体传感器（3）的气体传感器系统（1）的方法，以便提供在测量气体中的气体成分的气体浓度的浓度参量，所述方法具有如下步骤：
- 在测量过程期间执行对所述气体浓度的测量，以便获得传感器信号（S）的与所述气体浓度相关的随时间的变化过程；
- 借助于基于数据的传感器模型根据所述传感器信号（S）的随时间的变化过程来确定所述浓度参量（Ckorr），其中所述基于数据的传感器模型被训练来考虑在所述测量过程以外的传感器表现，以确定所述浓度参量（Ckorr）。
2.根据权利要求1所述的方法，其中所述基于数据的传感器模型包括高斯过程模型、LASSO模型、随机森林模型或者神经网络，其中所述基于数据的传感器模型被训练来考虑由于所述气体传感器的老化或退化而引起的传感器表现，以确定所述浓度参量（Ckorr）。
3.根据权利要求1或2所述的方法，其中借助于所述基于数据的传感器模型，确定用于加载于经物理建模的浓度参量（
）的校正参量（K），尤其是以乘法或加法，其中基于与所述测量过程相关联的测量参量（M1, M2, M3.....）来确定经物理建模的浓度参量（
）。
4.根据权利要求1或2所述的方法，其中所述基于数据的传感器模型被设计用于根据所述传感器信号（S）的随时间的变化过程并且根据在所述测量过程以外的传感器表现来确定所述浓度参量（Ckorr）。
5.根据权利要求4所述的方法，其中所述浓度参量（Ckorr）根据经物理建模的浓度参量（
）并且根据借助于所述传感器模型所确定的浓度参量（Ckorr）来被确定，尤其是按照指定的加权函数。
6.根据权利要求1至5中任一项所述的方法，其中所述基于数据的传感器模型获得与所述测量过程相关联的测量参量和/或从中得出的测量特征（F1, F2, F3...），作为输入参量。
7.根据权利要求6所述的方法，其中所述测量参量（M1, M2, M3....）包括如下参量中的一个或多个：
- 从在所述测量过程的时长期间的与时间相关的传感器信号（S）中得出的参量，尤其是在所述测量过程的开始与结束之间的多个采样时间点的传感器信号（S）的值和/或一个或多个从中得出的参量，尤其是在所述测量过程的开始与结束之间的传感器信号（S）的绝对信号变化和/或在所述测量过程期间的传感器信号（S）的最大或平均斜率。
8.根据权利要求7所述的方法，其中所述测量参量（M1, M2, M3....）包括如下参量中的一个或多个：
- 从在所述测量过程的时间段以外的时间段期间、尤其是在施加阶段之前和/或之后的时长期间、尤其是在期间设定特定的传感器状态的时间段期间的随时间的传感器信号（S）中得出的参量，尤其是在相关时间段的开始与结束之间的多个采样时间点的传感器信号（S）的值和/或一个或多个从中得出的参量，尤其是在相关时间段的开始与结束之间的绝对信号变化和/或在相关时间段期间的传感器信号（S）的最大或平均斜率。
9.根据权利要求7或8所述的方法，其中所述测量参量（M1, M2, M3....）包括如下参量中的一个或多个：
- 一个或多个特定于仪器的校准参数，所述校准参数尤其是指示所述气体传感器（3）的灵敏度；和/或
- 从一个或多个其它集成在系统中的传感器、尤其是测量气体温度传感器、测量气体湿度传感器以及气体传感器温度传感器的在所述测量过程的时间段和/或在所述测量过程的时间段以外的时间段期间的随时间的信号中得出的一个或多个参量，尤其是在所述测量过程或相关时间段的开始与结束之间的多个采样时间点的相对应的信号的值和/或一个或多个从中得出的参量，尤其是在相关时间段的开始与结束之间的绝对信号变化和/或一个或多个其它集成在系统中的传感器的在相关时间段期间的信号的最大或平均斜率。
10.根据权利要求7至9中任一项所述的方法，其中所述测量特征（F1, F2, F3...）从所述测量参量（M1, M2, M3.....）中得出并且包括如下参量中的一个或多个：
- 关于通过施加测试电压脉冲而引起的信号响应的数据；
- 在温度与所述传感器信号（S）和/或所述信号响应的时间常数之间的比例因子；
- 一个或多个信号响应，所述一个或多个信号响应由于碰到传感器表面（31）上的测量气体的组分和/或压力的突然变化而引起；
- 基线值，所述基线值对应于在所定义的时间点、尤其是在所述测量过程的开始时间点的气体传感器原始信号；
- 与测量数据拟合的物理模型的一个或多个参数；
- 与在加热或冷却阶段期间的传感器信号（S）拟合的指数函数的参数；
- 一个或多个经修改的测量参量（M1, M2, M3.....），尤其是通过借助于相对应的比例因子补偿对所述传感器信号（S）的温度影响；
- 在所述测量过程之前或之后的时间段内的所述传感器信号的作为温度的函数的一个或多个离散值；和
- 所述测量参量（M1, M2, M3.....）中的至少一个测量参量的依次被记录的值之间的差或商，尤其是所述测量参量（M1, M2, M3.....）中的至少一个测量参量的依次被记录的值之间的在所述至少一个测量参量（M1, M2, M3.....）的当前值与所述至少一个测量参量（M1, M2, M3.....）的参考值之间的差或商。
11.一种用于运行具有气体传感器（3）的气体传感器系统（1）的设备，以便提供在测量气体中的气体成分的气体浓度的浓度参量（Ckorr），其中所述设备被设计用于：
- 在测量过程期间执行对所述气体浓度的测量，以便获得传感器信号（S）的与所述气体浓度相关的随时间的变化过程；而且
- 借助于基于数据的传感器模型根据所述传感器信号（S）的随时间的变化过程来确定所述浓度参量（Ckorr），其中所述基于数据的传感器模型被训练来考虑在所述测量过程以外的传感器表现，以确定所述浓度参量（Ckorr）。
12.一种气体传感器系统（1），其具有气体传感器（3）和根据权利要求11所述的设备。
13.一种计算机程序，其被设立为实施根据权利要求1至10中任一项所述的方法的所有步骤。
14.一种电子存储介质，在其上存储有根据权利要求12所述的计算机程序。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102019220455.4A DE102019220455A1 (de) | 2019-12-20 | 2019-12-20 | Verfahren und Vorrichtung zum Betreiben eines Gassensors |
| DE102019220455.4 | 2019-12-20 | ||
| PCT/EP2020/087501 WO2021123443A1 (de) | 2019-12-20 | 2020-12-21 | Verfahren und vorrichtung zum betreiben eines gassensors |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114787623A true CN114787623A (zh) | 2022-07-22 |
Family
ID=74175812
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202080087782.0A Pending CN114787623A (zh) | 2019-12-20 | 2020-12-21 | 用于运行气体传感器的方法和设备 |
Country Status (9)
| Country | Link |
|---|---|
| US (1) | US20230010457A1 (zh) |
| EP (1) | EP4078172A1 (zh) |
| JP (1) | JP2023507601A (zh) |
| KR (1) | KR20220117311A (zh) |
| CN (1) | CN114787623A (zh) |
| AU (1) | AU2020405367A1 (zh) |
| CA (1) | CA3164750A1 (zh) |
| DE (1) | DE102019220455A1 (zh) |
| WO (1) | WO2021123443A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102017220114B3 (de) * | 2017-11-13 | 2019-05-16 | Robert Bosch Gmbh | Verfahren zum Betreiben einer Gassensorvorrichtung und Gassensorvorrichtung |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106405007A (zh) * | 2016-08-30 | 2017-02-15 | 河北先河环保科技股份有限公司 | 气体传感器、颗粒物传感器的新校准方法 |
| CN109472303A (zh) * | 2018-10-30 | 2019-03-15 | 浙江工商大学 | 一种基于自编码网络决策的气体传感器漂移补偿方法 |
| WO2019128203A1 (zh) * | 2017-12-25 | 2019-07-04 | 河北先河环保科技股份有限公司 | 具有传感器检测元件的有毒有害气体网络监测仪及监测数据处理方法 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06259566A (ja) * | 1993-03-09 | 1994-09-16 | Hitachi Ltd | 感覚認識プロセッサ |
| US5554273A (en) * | 1995-07-26 | 1996-09-10 | Praxair Technology, Inc. | Neural network compensation for sensors |
| JPH09257668A (ja) * | 1996-03-26 | 1997-10-03 | Mitsubishi Electric Corp | ガスセンサによるガス計測方法 |
| DE29810753U1 (de) * | 1997-06-18 | 1998-11-05 | IFT Ingenieurgesellschaft für Fahrzeugtechnik mbH, 73575 Leinzell | Vorrichtung zur Korrektur von Daten einer Meßeinrichtung |
| DE19818329A1 (de) * | 1998-04-23 | 1999-10-28 | Weppner Werner | Verfahren zur Bestimmung der Konzentration eines chemischen Stoffs in einem Medium |
| JP2001074680A (ja) * | 1999-09-08 | 2001-03-23 | Teeiku Wan Sogo Jimusho:Kk | 液体または気体に含まれるオゾンの濃度を間接的に測定する方法および装置 |
| DE10202869A1 (de) * | 2002-01-24 | 2003-08-21 | Volkswagen Ag | Verfahren zur Korrektur des NOx-Signals eines in der Abgasanlage einer Brennkraftmaschine anordenbaren NOx-Sensors |
| US7232512B2 (en) * | 2004-08-25 | 2007-06-19 | Honeywell International, Inc. | System and method of sensitivity adjustment for an electrochemical sensor |
| JP2009216610A (ja) * | 2008-03-12 | 2009-09-24 | U-Tec Corp | ガス濃度検出装置 |
| JP5327965B2 (ja) * | 2009-06-22 | 2013-10-30 | 国立大学法人東京工業大学 | ガス濃度測定方法及びガス濃度測定装置 |
| JP6739360B2 (ja) * | 2017-01-13 | 2020-08-12 | 株式会社フジクラ | 二酸化炭素センサ |
| CN109781934A (zh) * | 2017-11-13 | 2019-05-21 | 富士通株式会社 | 环境传感器检测数据的处理装置、处理方法、计算机可读存储介质、以及环境传感器系统 |
| JP6974715B2 (ja) * | 2017-11-21 | 2021-12-01 | 富士通株式会社 | ガスセンサ及びその製造方法 |
| JP2019164049A (ja) * | 2018-03-20 | 2019-09-26 | 富士通株式会社 | 検出装置及びその製造方法、測定装置 |
-
2019
- 2019-12-20 DE DE102019220455.4A patent/DE102019220455A1/de active Pending
-
2020
- 2020-12-21 US US17/785,144 patent/US20230010457A1/en active Pending
- 2020-12-21 JP JP2022537643A patent/JP2023507601A/ja active Pending
- 2020-12-21 CN CN202080087782.0A patent/CN114787623A/zh active Pending
- 2020-12-21 AU AU2020405367A patent/AU2020405367A1/en active Pending
- 2020-12-21 WO PCT/EP2020/087501 patent/WO2021123443A1/de unknown
- 2020-12-21 EP EP20839014.6A patent/EP4078172A1/de active Pending
- 2020-12-21 KR KR1020227024987A patent/KR20220117311A/ko unknown
- 2020-12-21 CA CA3164750A patent/CA3164750A1/en active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106405007A (zh) * | 2016-08-30 | 2017-02-15 | 河北先河环保科技股份有限公司 | 气体传感器、颗粒物传感器的新校准方法 |
| WO2019128203A1 (zh) * | 2017-12-25 | 2019-07-04 | 河北先河环保科技股份有限公司 | 具有传感器检测元件的有毒有害气体网络监测仪及监测数据处理方法 |
| CN109472303A (zh) * | 2018-10-30 | 2019-03-15 | 浙江工商大学 | 一种基于自编码网络决策的气体传感器漂移补偿方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| DE102019220455A1 (de) | 2021-06-24 |
| US20230010457A1 (en) | 2023-01-12 |
| KR20220117311A (ko) | 2022-08-23 |
| CA3164750A1 (en) | 2021-06-24 |
| JP2023507601A (ja) | 2023-02-24 |
| EP4078172A1 (de) | 2022-10-26 |
| WO2021123443A1 (de) | 2021-06-24 |
| AU2020405367A1 (en) | 2022-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6406825B2 (ja) | バッテリー容量を検知するためのシステム及び方法 | |
| CN103197226B (zh) | 评价引线键合气密性封装模拟集成电路贮存寿命的方法 | |
| KR100831589B1 (ko) | 가스센서의 출력 특성 추출방법과 이를 이용한 가스농도측정장치 및 그 방법 | |
| EP2508881B1 (en) | Testing a humidity sensor | |
| US20060049842A1 (en) | System and method for accurate negative bias temperature instability characterization | |
| CN110161181B (zh) | 混合气体的组分浓度识别方法及系统 | |
| EP3654027B1 (en) | Calibration of a humidity sensor device | |
| CN113390928A (zh) | 气体感测设备以及操作气体感测设备的方法 | |
| CA2471897A1 (en) | Diagnostic apparatus and methods for a chemical detection system | |
| CN114787623A (zh) | 用于运行气体传感器的方法和设备 | |
| JP2004093241A (ja) | ガスセンサ特性補償装置およびガス濃度測定装置 | |
| 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 | |
| Robin et al. | Machine learning based calibration time reduction for gas sensors in temperature cycled operation | |
| CN105548068A (zh) | 动态演化模型校正方法及系统 | |
| US20080060428A1 (en) | Method for Ascertaining Information About A Device Exposed To A Temperature | |
| US20220187262A1 (en) | Device and method for anomaly detection of gas sensor | |
| EP3623804B1 (en) | Method of operating gas sensors and corresponding device, sensor and program product | |
| CN114184648B (zh) | 一种用于阻容法湿度传感器的含湿量校准方法 | |
| US7499821B2 (en) | Sensor drift characteristic testing | |
| Madrolle et al. | Dual-temperature mode for quantitative analysis of gas mixtures with MOX sensor | |
| JP2010079465A (ja) | プロセス推定システムおよびプロセス推定方法 | |
| EP4080202A1 (en) | Gas sensing device and method for determining a calibrated measurement value of a concentration of a target gas | |
| US7865315B2 (en) | Methods and apparatus for calibrating striation density models for materials | |
| US11909412B2 (en) | Failure determination device, control device, and failure determination method | |
| EP4368988A1 (en) | Gas sensing device and method for sensing a target gas |
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 |