CN1609605A - 用于酒气检测的传感器阵列信号处理方法 - Google Patents

用于酒气检测的传感器阵列信号处理方法 Download PDF

Info

Publication number
CN1609605A
CN1609605A CN 200310102768 CN200310102768A CN1609605A CN 1609605 A CN1609605 A CN 1609605A CN 200310102768 CN200310102768 CN 200310102768 CN 200310102768 A CN200310102768 A CN 200310102768A CN 1609605 A CN1609605 A CN 1609605A
Authority
CN
China
Prior art keywords
signal processing
sensor array
gas
neural network
processing 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
Application number
CN 200310102768
Other languages
English (en)
Other versions
CN100367028C (zh
Inventor
高晓光
李建平
贾建
何秀丽
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.)
Institute of Electronics of CAS
Original Assignee
Institute of Electronics of CAS
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 Institute of Electronics of CAS filed Critical Institute of Electronics of CAS
Priority to CNB2003101027681A priority Critical patent/CN100367028C/zh
Publication of CN1609605A publication Critical patent/CN1609605A/zh
Application granted granted Critical
Publication of CN100367028C publication Critical patent/CN100367028C/zh
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Landscapes

  • 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

本发明涉及气体检测和模式识别技术领域，特别是一种用于酒气检测的信号处理方法。本发明一种用于酒气检测的传感器阵列信号处理方法，采集传感器阵列对被测气体从开始响应到最终恢复的整个过程中的动态响应信号并进行处理；采用了人工神经网络技术，并在检测过程中对模式识别所用的人工神经网络权值进行修正。本发明方法可以显著提高检测仪对酒气的选择性，有效排除汽油、香水等常见气体味对检测结果的影响，可在一定程度上补偿气敏传感器阵列的漂移，具有自校准功能，大大降低了对仪器进行校验的频率。

Description

用于酒气检测的传感器阵列信号处理方法
技术领域
本发明涉及气体检测和模式识别技术领域，特别是一种用于酒气检测的信号处理方法。
背景技术
现有的酒气检测装置大多使用单个酒敏传感器作为敏感单元，只利用了传感器的稳态响应信号而忽略了含有丰富信息的动态响应信号，这些酒气检测装置可靠性低，对酒精选择性差。人们通过改善敏感材料、使用过滤膜等办法来提高传感器及检测装置的性能，但环境中的一些干扰气体如汽油、香水等仍会对检测结果造成较大影响。有人提出使用多个传感器进行某种气氛检测，如中国专利00127299，但只是简单地将各个传感器的输出信号与预先设置的阈值分别进行比较，整个系统的性能仍不能令人满意。
发明内容
本发明的目的是克服现有酒气检测方法的不足，提出一种用于酒气检测的信号处理新方法，可有效排除汽油、香水等常见气体味对检测结果的影响。
本发明的另一目的是这种酒气检测的信号处理新方法，采用人工神经网络技术，可以在一定程度上补偿气敏传感器阵列的漂移，具有自校准功能，大大降低对仪器进行校验的频率。
为达到上述目的，本发明的技术解决方案提供一种用于酒气检测的传感器阵列信号处理方法，其采集传感器阵列对被测气体从开始响应到最终恢复的整个过程中的动态响应信号并进行处理。
所述的信号处理方法，其所述动态响应信号包括响应速度、恢复速度及间隔时间。
所述的信号处理方法，其采用了人工神经网络技术，并在检测过程中对模式识别所用的人工神经网络权值进行修正。
所述的信号处理方法，其对被测气体的识别流程如下：
a)采集传感器阵列对被测气体从开始响应到最终恢复整个过程中的动态响应信号；
b)从采集到的传感器阵列动态响应信号提取一组特征值并进行降维处理；
c)将降维处理后的特征值，输入人工神经网络进行被测气体的模式识别，得到被测气体中酒精浓度的定性或者半定量信息。
d)输出测量结果。
所述的信号处理方法，其所述a)步包括如下动作：首先抽取洁净空气，待传感器阵列输出稳定后，再定量抽取被测气体，传感器阵列进入响应阶段并逐渐达到最大响应，然后进样系统再次抽取洁净空气，直到传感器阵列恢复阶段完成。
所述的信号处理方法，其用于模式识别的人工神经网络在使用前需进行训练，其训练过程如下：
a)采集传感器阵列对已知种类和浓度的样品气体从开始响应到最终恢复整个过程中的动态响应信号；
b)从采集到的传感器阵列动态响应信号中提取特征值并进行降维处理；
c)重复a、b二步，获得一定量N组的样本数据；
d)将样本数据输入人工神经网络进行网络训练，直到网络输出与期望值之间的均方误差低于设定标准。
所述的信号处理方法，其所述的人工神经网络权值修正，方法如下：
a)将最新的n组测量结果作为新的样本数据，加入原有的N组数据，组成(N+n)组样本数据；
b)将所得的(N+n)组样本数据输入人工神经网络进行网络训练，直到网络对样品气体的识别率达到设定标准；
c)舍弃在修正后的神经网络中误差最大的n组样本数据。
所述的信号处理方法，其中n远小于N。
所述的信号处理方法，其所述的误差为网络输出值与期望值之间的差别。
所述的信号处理方法，由“酒气检测仪”实施，检测仪是由半导体气体传感器阵列，气体取样模块，信号处理及控制模块，输入输出模块，通讯模块和电源及电源管理模块组成；其中传感器阵列由四个SnO2基气敏传感器组成，气体取样模块由薄膜泵、聚四氟乙烯管路及传感器室组成，信号处理及控制模块由51系列单片机及外围电路组成。
附图说明
图1是传感器阵列对待测气体的响应过程示意图；
图2是本发明信号采集过程示意图；
图3是本发明的一个具体实例结构示意图；
图4是本发明具体实例工作过程示意图。
具体实施方式
本发明提出一种用于酒气检测的信号处理方法，有以下二特征：
一、本发明方法使用半导体气敏传感器阵列作为酒气检测的敏感单元，采集传感器阵列对被测气体从开始响应到最终恢复整个过程中的动态响应信号。由于传感器阵列对不同气体如酒精与汽油的响应差异不仅体现在响应大小这一静态信号上，还更多地体现在响应速度、恢复速度等动态信号上，采用本发明方法可以显著提高检测仪对酒气的选择性，有效排除汽油、香水等常见气体味对检测结果的影响。
二、本发明方法采用人工神经网络技术进行被测气体的模式识别。训练好的网络在测试过程中，利用测试所得数据作为样本数据对网络权值进行修正。采用此技术的智能检测仪可以在一定程度上补偿气敏传感器阵列的漂移，具有自校准功能，大大降低对仪器进行校验的频率。
本发明用于酒气检测的传感器阵列信号处理方法，对被测气体的识别流程如下：
1)采集传感器阵列对被测气体从开始响应到最终恢复整个过程中的动态响应信号。
传感器阵列对被测气体的整个响应过程如图1所示。
整个信号采集过程如图2所示，为了采集到全过程中传感器阵列的动态响应信号，需控制检测仪的气体取样模块进行如下动作：首先抽取洁净空气，待传感器阵列输出稳定后定量抽取被测气体，传感器阵列进入响应阶段并逐渐达到最大响应，然后进样系统再次抽取洁净空气直到传感器阵列恢复阶段完成。在整个过程中传感器阵列的响应信号被采集。
2)从采集到的传感器阵列动态响应信号提取一组特征值并进行降维处理。
从采集到的传感器阵列动态信号中提取能够反映阵列对被测气体响应恢复特性的特征值，并进行降维处理以减小模式识别的计算量。
3)将降维处理后的特征值输入人工神经网络进行被测气体的模式识别，得到被测气体中酒精浓度的定性或者半定量信息。
4)输出测量结果。
作为一种化学传感器，气体传感器不可避免地存在漂移问题。本发明用于酒气检测的传感器阵列信号处理方法，引用了人工神经网络技术，使用测量结果作为样本数据对人工神经网络进行修正，可以在一定程度上补偿气敏传感器阵列的漂移，降低对仪器进行校验的频率。
本发明用于酒气检测的传感器阵列信号处理方法中，用于模式识别的人工神经网络在使用前需进行训练，其训练过程如下：
1)采集传感器阵列对已知种类和浓度的样品气体从开始响应到最终恢复整个过程中的动态响应信号。
2)从采集到的传感器阵列动态响应信号提取特征值并进行降维处理。
3)重复1、2获得一定量N组的样本数据。
4)将样本数据输入人工神经网络进行网络训练，直到网络输出与期望值之间的均方误差低于设定标准。
利用测量结果对用于模式的人工神经网络进行修正的方法如下：
1)将最新的n组测量结果作为新的样本数据加入原有的N组数据，组成N+n组样本数据n远小于N。
2)将所得的N+n组样本数据输入人工神经网络进行网络训练，直到网络对样品气体的识别率达到设定标准。
3)舍弃在修正后的神经网络中误差(定义为网络输出与期望值之间的差别)最大的n组样本数据。
实施例
实施本发明方法的智能“酒气检测仪”，如图3所示，是由半导体气体传感器阵列1，气体取样模块2，信号处理及控制模块3，输入输出模块4，通讯模块5和电源及电源管理模块6组成。其中传感器阵列1由四个SnO2基气敏传感器组成，气体取样模块2由薄膜泵、聚四氟乙烯管路及传感器室组成，信号处理及控制模块3由51系列单片机及外围电路组成。
本发明智能酒气检测仪按图4所示过程工作。工作时，通过输入输出模块4启动系统，待测气体通过气体取样模块2接触传感器阵列1，传感器阵列1预热，信号处理及控制模块3采集传感器阵列1对被测气体响应的全过程，传感器阵列1的响应信号再由信号处理及控制模块3完成预处理及识别工作，排除其它气体(味)干扰并给出待测气体酒精的浓度信息。
同时，提取传感器阵列1中各传感器的最大响应时的电阻RS1及开始恢复20秒后传感器的电阻Rs2与洁净空气中传感器电阻R0的比值RS1/R0、RS2/R0作为特征值，将此特征值输入BP网络进行识别，识别结果由输入输出模块4以声光电等形式输出酒精浓度信息或者直接控制外部设备，如当酒精浓度大于设定值时控制汽车发动机停止运转。
为了利用测得的结果对人工神经网络进行修正，有50组样本数据保存于模式识别模块中。每次测量后，把最近5次测量结果加入原有的50组样本对人工神经网络进行修正。网络修正后如果误差最大的5组数据为新加入的测量结果，则输出出错信息，提醒使用者重新训练网络；如果误差最大的5组数据不全为新加入的测量结果，则剔除这5组数据，网络权值修正成功。

Claims (10)

1、一种用于酒气检测的传感器阵列信号处理方法，其特征在于，采集传感器阵列对被测气体从开始响应到最终恢复的整个过程中的动态响应信号并进行处理。
2、如权利要求1所述的信号处理方法，其特征在于，所述动态响应信号包括响应速度、恢复速度及间隔时间。
3、如权利要求1所述的信号处理方法，其特征在于，采用了人工神经网络技术，并在检测过程中对模式识别所用的人工神经网络权值进行修正。
4、如权利要求1所述的信号处理方法，其特征在于，对被测气体的识别流程如下：
a)采集传感器阵列对被测气体从开始响应到最终恢复整个过程中的动态响应信号；
b)从采集到的传感器阵列动态响应信号提取一组特征值并进行降维处理；
c)将降维处理后的特征值，输入人工神经网络进行被测气体的模式识别，得到被测气体中酒精浓度的定性或者半定量信息。
d)输出测量结果。
5、如权利要求4所述的信号处理方法，其特征在于，所述a)步包括如下动作：首先抽取洁净空气，待传感器阵列输出稳定后，再定量抽取被测气体，传感器阵列进入响应阶段并逐渐达到最大响应，然后进样系统再次抽取洁净空气，直到传感器阵列恢复阶段完成。
6、如权利要求1或3所述的信号处理方法，其特征在于，用于模式识别的人工神经网络在使用前需进行训练，其训练过程如下：
a)采集传感器阵列对已知种类和浓度的样品气体从开始响应到最终恢复整个过程中的动态响应信号；
b)从采集到的传感器阵列动态响应信号中提取特征值并进行降维处理；
c)重复a、b二步，获得一定量N组的样本数据；
d)将样本数据输入人工神经网络进行网络训练，直到网络输出与期望值之间的均方误差低于设定标准。
7、如权利要求3所述的信号处理方法，其特征在于，所述的人工神经网络权值修正，方法如下：
a)将最新的n组测量结果作为新的样本数据，加入原有的N组数据，组成(N+n)组样本数据；
b)将所得的(N+n)组样本数据输入人工神经网络进行网络训练，直到网络对样品气体的识别率达到设定标准；
c)舍弃在修正后的神经网络中误差最大的n组样本数据。
8、如权利要求7所述的信号处理方法，其特征在于，其中n远小于N。
9、如权利要求7所述的信号处理方法，其特征在于，所述的误差为网络输出值与期望值之间的差别。
10、如权利要求1或3所述的信号处理方法，其特征在于，该方法由“酒气检测仪”实施，检测仪是由半导体气体传感器阵列，气体取样模块，信号处理及控制模块，输入输出模块，通讯模块和电源及电源管理模块组成；其中传感器阵列由四个SnO2基气敏传感器组成，气体取样模块由薄膜泵、聚四氟乙烯管路及传感器室组成，信号处理及控制模块由51系列单片机及外围电路组成。
CNB2003101027681A 2003-10-21 2003-10-21 用于酒气检测的传感器阵列信号处理方法 Expired - Fee Related CN100367028C (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CNB2003101027681A CN100367028C (zh) 2003-10-21 2003-10-21 用于酒气检测的传感器阵列信号处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CNB2003101027681A CN100367028C (zh) 2003-10-21 2003-10-21 用于酒气检测的传感器阵列信号处理方法

Publications (2)

Publication Number Publication Date
CN1609605A true CN1609605A (zh) 2005-04-27
CN100367028C CN100367028C (zh) 2008-02-06

Family

ID=34756448

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB2003101027681A Expired - Fee Related CN100367028C (zh) 2003-10-21 2003-10-21 用于酒气检测的传感器阵列信号处理方法

Country Status (1)

Country Link
CN (1) CN100367028C (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103776874A (zh) * 2012-10-17 2014-05-07 成都龙冠科技实业有限公司 人体酒精含量采集器
CN104280558A (zh) * 2014-10-17 2015-01-14 河南省计量科学研究院 呼出气体酒精含量探测器用检定装置
CN105651939A (zh) * 2015-12-29 2016-06-08 重庆大学 电子鼻系统中基于凸集投影的浓度检测精度校正方法
CN108139343A (zh) * 2015-10-08 2018-06-08 Ak全球科技公司 可替换酒精传感器模块
CN109784390A (zh) * 2019-01-03 2019-05-21 西安交通大学 一种人工智能嗅觉动态响应图谱气体检测识别方法
CN110118804A (zh) * 2018-01-30 2019-08-13 Tdk株式会社 用于测试多个传感器装置的方法、用于该方法中的板和通过该方法生产的传感器部件
CN111157584A (zh) * 2020-01-07 2020-05-15 广东博智林机器人有限公司 酒精含量检测方法、装置及检测设备
CN111610232A (zh) * 2019-02-25 2020-09-01 英飞凌科技股份有限公司 气体感测设备以及用于操作气体感测设备的方法
CN113176304A (zh) * 2021-04-14 2021-07-27 中山大学 一种基于神经网络气体识别的酒驾预警装置及其方法
CN113267533A (zh) * 2021-05-18 2021-08-17 浙江大学 自标定气体传感器阵列动态在线监测VOCs的装置与方法
CN114216941A (zh) * 2021-12-13 2022-03-22 合肥艾鑫智能科技有限公司 一种基于复合阵列传感器的酒醉驾预防报警系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5832468A (en) * 1995-09-28 1998-11-03 The United States Of America As Represented By The Administrator Of The Environmental Protection Agency Method for improving process control by reducing lag time of sensors using artificial neural networks
CN1352386A (zh) * 2000-11-07 2002-06-05 王磊 电子鼻报警控制器

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103776874A (zh) * 2012-10-17 2014-05-07 成都龙冠科技实业有限公司 人体酒精含量采集器
CN104280558A (zh) * 2014-10-17 2015-01-14 河南省计量科学研究院 呼出气体酒精含量探测器用检定装置
CN108139343A (zh) * 2015-10-08 2018-06-08 Ak全球科技公司 可替换酒精传感器模块
CN105651939A (zh) * 2015-12-29 2016-06-08 重庆大学 电子鼻系统中基于凸集投影的浓度检测精度校正方法
CN110118804A (zh) * 2018-01-30 2019-08-13 Tdk株式会社 用于测试多个传感器装置的方法、用于该方法中的板和通过该方法生产的传感器部件
CN109784390A (zh) * 2019-01-03 2019-05-21 西安交通大学 一种人工智能嗅觉动态响应图谱气体检测识别方法
CN111610232A (zh) * 2019-02-25 2020-09-01 英飞凌科技股份有限公司 气体感测设备以及用于操作气体感测设备的方法
CN111157584A (zh) * 2020-01-07 2020-05-15 广东博智林机器人有限公司 酒精含量检测方法、装置及检测设备
CN113176304A (zh) * 2021-04-14 2021-07-27 中山大学 一种基于神经网络气体识别的酒驾预警装置及其方法
CN113267533A (zh) * 2021-05-18 2021-08-17 浙江大学 自标定气体传感器阵列动态在线监测VOCs的装置与方法
CN114216941A (zh) * 2021-12-13 2022-03-22 合肥艾鑫智能科技有限公司 一种基于复合阵列传感器的酒醉驾预防报警系统
CN114216941B (zh) * 2021-12-13 2023-12-29 合肥艾鑫智能科技有限公司 一种基于复合阵列传感器的酒醉驾预防报警系统

Also Published As

Publication number Publication date
CN100367028C (zh) 2008-02-06

Similar Documents

Publication Publication Date Title
CN1609605A (zh) 用于酒气检测的传感器阵列信号处理方法
CN112798529B (zh) 一种基于增强拉曼光谱和神经网络的新型冠状病毒检测方法及系统
CN1453584A (zh) 基于气体传感器阵列技术的食品气味快速无损检测方法及装置
CN111639683B (zh) 基于obd技术评价柴油车氮氧化物排放等级的方法
CN109766952A (zh) 基于偏最小二乘法和极限学习机的光伏阵列故障检测方法
CN1381721A (zh) 便携式智能电子鼻及其制备方法
CN1787073A (zh) 自动控制输入等级的语音识别系统及语音识别方法
CN114429504B (zh) 一种燃料电池汽车氢系统微量泄漏诊断方法
CN111898644A (zh) 一种无故障样本下航天液体发动机健康状态智能识别方法
CN113990303B (zh) 基于多分辨率空洞深度可分卷积网络的环境声音辨识方法
CN114368795B (zh) 一种在线式黑臭水体的多模态辨识方法及系统
CN113987937A (zh) 基于卷积神经网络的热强化sve有害气体浓度检测方法
CN117233547A (zh) 一种油纸绝缘局部放电的融合识别方法及系统
CN114781427B (zh) 基于信息融合技术的风力发电机组滚动轴承故障诊断系统
CN116244631A (zh) 基于双通道卷积神经网络的桩基础多缺陷识别方法及其系统
WO2022241883A1 (zh) 基于三维液相色谱指纹的污染源识别方法及装置
CN104897660A (zh) 一种基于成像化气体传感器阵列的发酵过程在线监测的方法
CN207817139U (zh) 基于模糊小脑模型神经网络的绝缘子故障诊断装置
CN209372744U (zh) 一种多通道智能化污染气体监测装置
CN1715904A (zh) 一种用于黄酒分类的电化学及信号分析处理方法
CN115326775B (zh) 一种融合本征先验知识的荧光检测方法和系统
CN111881922A (zh) 一种基于显著性特征的绝缘子图像识别方法及系统
CN100336689C (zh) Abs轮速传感器的下线检测方法
CN117609874B (zh) 基于集成深度学习的岩石断层摩擦微震检测方法和系统
CN115657118B (zh) 基于深度学习的声震信号数据识别方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C19 Lapse of patent right due to non-payment of the annual fee
CF01 Termination of patent right due to non-payment of annual fee