JPH06141843A - ガス識別装置 - Google Patents
ガス識別装置Info
- Publication number
- JPH06141843A JPH06141843A JP4324737A JP32473792A JPH06141843A JP H06141843 A JPH06141843 A JP H06141843A JP 4324737 A JP4324737 A JP 4324737A JP 32473792 A JP32473792 A JP 32473792A JP H06141843 A JPH06141843 A JP H06141843A
- Authority
- JP
- Japan
- Prior art keywords
- estimated information
- gas
- sensor
- estimated
- information
- 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
Landscapes
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
(57)【要約】
【目的】 多種類のガス、臭い、かおり等が混在してい
るものの成分、濃度を広い範囲で短時間に識別すること
のできる装置を提供する。 【構成】 センサ（信号情報入力部）２からの複数の検
知信号を処理する処理装置であって、該処理装置により
一種類を含む多種類の検知対象混合ガスの成分の種類、
及び／又は、成分比を識別する。このガス識別装置は、
複数の推定情報からなる推定情報集団を初期集団として
発生させる遺伝子集団発生部１と、推定情報集団に対し
て遺伝的操作を行う遺伝的操作部とから成る。遺伝的操
作部は、推定情報集団の推定情報とセンサからの複数の
信号情報とを比較して評価する評価部３、評価結果に応
じて生き残れる情報を選択して淘汰する淘汰部４を有
し、更に、増殖部５、交差部６、突然変異部７等を有す
る。
るものの成分、濃度を広い範囲で短時間に識別すること
のできる装置を提供する。 【構成】 センサ（信号情報入力部）２からの複数の検
知信号を処理する処理装置であって、該処理装置により
一種類を含む多種類の検知対象混合ガスの成分の種類、
及び／又は、成分比を識別する。このガス識別装置は、
複数の推定情報からなる推定情報集団を初期集団として
発生させる遺伝子集団発生部１と、推定情報集団に対し
て遺伝的操作を行う遺伝的操作部とから成る。遺伝的操
作部は、推定情報集団の推定情報とセンサからの複数の
信号情報とを比較して評価する評価部３、評価結果に応
じて生き残れる情報を選択して淘汰する淘汰部４を有
し、更に、増殖部５、交差部６、突然変異部７等を有す
る。
Description
【０００１】
【技術分野】本発明は、匂い及び香りなどを含む環境、
乃至は、ある特定の区域に存在する広い意味でのガスの
種類ないし濃度の判定や識別を行う装置に関する。
乃至は、ある特定の区域に存在する広い意味でのガスの
種類ないし濃度の判定や識別を行う装置に関する。
【０００２】
【従来技術】ガスセンサは、一般に、多種類のガスに感
度を有する。しかしながら、逆に、ガスの種類や濃度を
識別することは困難であった。これを避けるために、特
定のガスにのみ感度を有するように触媒を添加したり、
検知面に特定のガスのみを透過ないし吸収する選択材料
を形成したりしている。また、混合ガスの種類及び濃度
を識別するために複数の特性の異なるセンサ素子を用
い、それらの応答パターンを解析する手法が提案されて
いる。この解析手法としては、組み合わせの最適値を線
形代数的に解く方法や、逆伝搬法で学習させたニューラ
ルネットワークを用いる方法がある。
度を有する。しかしながら、逆に、ガスの種類や濃度を
識別することは困難であった。これを避けるために、特
定のガスにのみ感度を有するように触媒を添加したり、
検知面に特定のガスのみを透過ないし吸収する選択材料
を形成したりしている。また、混合ガスの種類及び濃度
を識別するために複数の特性の異なるセンサ素子を用
い、それらの応答パターンを解析する手法が提案されて
いる。この解析手法としては、組み合わせの最適値を線
形代数的に解く方法や、逆伝搬法で学習させたニューラ
ルネットワークを用いる方法がある。
【０００３】
【本発明が解決しようとする課題】ガスの識別を応答パ
ターンの解析で実施するにあたり、線形代数的に解く方
法では、センサの特性が濃度に対して一般には非線形で
あるので、適用範囲が限定される。また、判別すべきガ
スの種類が多くなると、組み合わせの場合の数が累乗的
に増加し、計算に時間がかかる。また、ニューラルネッ
トワークを用いる方法も学習に時間がかかるという欠点
がある。
ターンの解析で実施するにあたり、線形代数的に解く方
法では、センサの特性が濃度に対して一般には非線形で
あるので、適用範囲が限定される。また、判別すべきガ
スの種類が多くなると、組み合わせの場合の数が累乗的
に増加し、計算に時間がかかる。また、ニューラルネッ
トワークを用いる方法も学習に時間がかかるという欠点
がある。
【０００４】本発明は、上述のごとき実情に鑑みてなさ
れたもので、多種類のガス、臭い、かおり等が混在して
いるものの成分、濃度等を広い範囲で短時間に識別する
ことのできる装置を提供することを目的としてなされた
ものである。
れたもので、多種類のガス、臭い、かおり等が混在して
いるものの成分、濃度等を広い範囲で短時間に識別する
ことのできる装置を提供することを目的としてなされた
ものである。
【０００５】
【課題を解決するための手段】本発明は、上記目的を達
成するために、（１）センサからの複数の検知信号を処
理する処理装置を有し、該処理装置により一種類を含む
多種類の検知対象混合ガスの成分の種類、及び／又は、
成分比を識別するガス識別装置において、該ガス識別装
置は、複数の推定情報からなる推定情報集団を初期集団
として発生させる集団発生手段と、該推定情報集団に対
して遺伝的操作を行う遺伝的操作手段とを備えているこ
とを特徴としたものであり、更には、（２）前記（１）
において、前記遺伝的操作手段は、推定情報集団内の推
定情報とセンサからの信号情報とを比較して推定情報の
適応度を評価する評価手段と、適応度の評価結果に応じ
て後の世代へ生き残れる推定情報を選択する淘汰手段を
有し、更に、淘汰の結果減少した推定情報分を生き残っ
た推定情報から増殖させる増殖手段と、推定情報集団か
ら任意の推定情報対を選びこの推定情報対において推定
情報の一部の入れ替えを行う交差手段と、推定情報の任
意の位置においてその位置での情報の状態を変化させる
突然変異手段との３つの手段のうちの少なくとも１つの
手段を備えていること、更には、（３）前記（１）又は
（２）において、前記遺伝的操作手段により、推定情報
集団を進化させ、推定情報の適応度の評価結果が良いと
判断されたとき、推定情報集団内の所定の進定情報を識
別結果として出力すること、或いは、（４）前記（１）
乃至（３）において、センサから複数の検知信号をうる
手段として、互いに特性の異なる複数のセンサ素子を具
備すること、更には、（５）前記（１）乃至（３）にお
いて、センサから複数の検知信号をうる手段として、単
一のセンサ素子を時間的に分割して用い、分割された時
間毎にセンサの特性を異ならしめること、更には、
（６）前記（４）又は（５）において、センサ素子の特
性を異ならせる手段として、センサ素子の駆動温度を異
ならしめることを特徴としたものであり、更には、
（７）前記（４）において、複数の異なった特性のセン
サ素子として、少なくとも検知部の一部の構造、及び／
又は、材料を異ならしめたことを特徴としたものであ
る。
成するために、（１）センサからの複数の検知信号を処
理する処理装置を有し、該処理装置により一種類を含む
多種類の検知対象混合ガスの成分の種類、及び／又は、
成分比を識別するガス識別装置において、該ガス識別装
置は、複数の推定情報からなる推定情報集団を初期集団
として発生させる集団発生手段と、該推定情報集団に対
して遺伝的操作を行う遺伝的操作手段とを備えているこ
とを特徴としたものであり、更には、（２）前記（１）
において、前記遺伝的操作手段は、推定情報集団内の推
定情報とセンサからの信号情報とを比較して推定情報の
適応度を評価する評価手段と、適応度の評価結果に応じ
て後の世代へ生き残れる推定情報を選択する淘汰手段を
有し、更に、淘汰の結果減少した推定情報分を生き残っ
た推定情報から増殖させる増殖手段と、推定情報集団か
ら任意の推定情報対を選びこの推定情報対において推定
情報の一部の入れ替えを行う交差手段と、推定情報の任
意の位置においてその位置での情報の状態を変化させる
突然変異手段との３つの手段のうちの少なくとも１つの
手段を備えていること、更には、（３）前記（１）又は
（２）において、前記遺伝的操作手段により、推定情報
集団を進化させ、推定情報の適応度の評価結果が良いと
判断されたとき、推定情報集団内の所定の進定情報を識
別結果として出力すること、或いは、（４）前記（１）
乃至（３）において、センサから複数の検知信号をうる
手段として、互いに特性の異なる複数のセンサ素子を具
備すること、更には、（５）前記（１）乃至（３）にお
いて、センサから複数の検知信号をうる手段として、単
一のセンサ素子を時間的に分割して用い、分割された時
間毎にセンサの特性を異ならしめること、更には、
（６）前記（４）又は（５）において、センサ素子の特
性を異ならせる手段として、センサ素子の駆動温度を異
ならしめることを特徴としたものであり、更には、
（７）前記（４）において、複数の異なった特性のセン
サ素子として、少なくとも検知部の一部の構造、及び／
又は、材料を異ならしめたことを特徴としたものであ
る。
【０００６】
【作用】複数の推定情報からなる推定情報集団を初期集
団として発生させる集団発生手段と、該推定情報集団の
推定情報とセンサからの複数の信号情報とを比較するこ
とにより推定情報を評価して淘汰し、推定情報集団に対
して推定情報の評価結果が良くなるまで遺伝的操作を繰
り返し、評価結果が良くなったときに、推定情報集団内
の所定の推定情報を出力する。
団として発生させる集団発生手段と、該推定情報集団の
推定情報とセンサからの複数の信号情報とを比較するこ
とにより推定情報を評価して淘汰し、推定情報集団に対
して推定情報の評価結果が良くなるまで遺伝的操作を繰
り返し、評価結果が良くなったときに、推定情報集団内
の所定の推定情報を出力する。
【０００７】
【実施例】図１は、本発明に係るガス識別装置の一実施
例を説明するためのブロック図で、本ガス識別装置は、
推定ガス種パターンを初期推定集団Ｂｉｙｚ（ガスの種
類ｉ＝１，２，…，Ｌ；ガスの濃度ｙ＝１，２，…，
Ｖ；初期推定情報集団の要素ｚ＝１，２，…，Ｗ）とし
て発生させる遺伝子集団発生部１、信号情報入力部２、
初期推定情報集団から算出され、センサ信号と対比され
るべき推定対応情報▲〜ｂｊ▼（センサ種類ｊ＝１，
２，…，Ｍ）と信号情報入力部２からのセンサの信号情
報ｂｊとを比較評価する評価部３、評価部３からの適応
度の評価値に応じて後の世代へ生き残れる推定情報を選
択する淘汰部４、淘汰の結果減少した推定情報分を生き
残った推定情報から増殖させる増殖部５、推定情報集団
から一対の任意の推定情報を選び、一部の入れ替えを行
う交差部６、推定情報の任意の位置において、その状態
を変化させて突然変異を行う突然変異部７を有し、この
ような各種の遺伝的操作を複数回施し、そして、得られ
た推定情報集団の中で、例えば、最高の評価値をとるも
のを最終の推定ガス種として、出力部８により出力す
る。
例を説明するためのブロック図で、本ガス識別装置は、
推定ガス種パターンを初期推定集団Ｂｉｙｚ（ガスの種
類ｉ＝１，２，…，Ｌ；ガスの濃度ｙ＝１，２，…，
Ｖ；初期推定情報集団の要素ｚ＝１，２，…，Ｗ）とし
て発生させる遺伝子集団発生部１、信号情報入力部２、
初期推定情報集団から算出され、センサ信号と対比され
るべき推定対応情報▲〜ｂｊ▼（センサ種類ｊ＝１，
２，…，Ｍ）と信号情報入力部２からのセンサの信号情
報ｂｊとを比較評価する評価部３、評価部３からの適応
度の評価値に応じて後の世代へ生き残れる推定情報を選
択する淘汰部４、淘汰の結果減少した推定情報分を生き
残った推定情報から増殖させる増殖部５、推定情報集団
から一対の任意の推定情報を選び、一部の入れ替えを行
う交差部６、推定情報の任意の位置において、その状態
を変化させて突然変異を行う突然変異部７を有し、この
ような各種の遺伝的操作を複数回施し、そして、得られ
た推定情報集団の中で、例えば、最高の評価値をとるも
のを最終の推定ガス種として、出力部８により出力す
る。
【０００８】ここで、遺伝子集団発生部１は、初期集団
の発生時には初期推定情報集団Ｂｉｙｚを、例えば、乱
数発生器によりランダムに生成する。また、評価部３で
は、推定集団Ｂｉｙｚから得られる推定対応情報▲〜ｂ
ｊ▼とセンサからの信号情報ｂｊとの間の、たとえば、
ユークリッドノルムＥを次式のように求め、これを適応
度評価用の評価関数とする。
の発生時には初期推定情報集団Ｂｉｙｚを、例えば、乱
数発生器によりランダムに生成する。また、評価部３で
は、推定集団Ｂｉｙｚから得られる推定対応情報▲〜ｂ
ｊ▼とセンサからの信号情報ｂｊとの間の、たとえば、
ユークリッドノルムＥを次式のように求め、これを適応
度評価用の評価関数とする。
【０００９】
【数１】
【００１０】この場合、評価関数Ｅが小さいほど、適応
度が高く評価される。これらの処理を推定集団のすべて
について行うことにより、推定集団の各遺伝子の評価値
が定まる。その後、例えば、ある評価値以上の遺伝子の
み残し、他は淘汰除去する。あるいは、評価値の高い方
から一定の数だけ残すようにしてもよい。
度が高く評価される。これらの処理を推定集団のすべて
について行うことにより、推定集団の各遺伝子の評価値
が定まる。その後、例えば、ある評価値以上の遺伝子の
み残し、他は淘汰除去する。あるいは、評価値の高い方
から一定の数だけ残すようにしてもよい。
【００１１】上記のようにして、推定集団の淘汰処理が
された後、淘汰によって減少した推定集団の数を遺伝子
集団の多様性が失なわれないように、コピーなしい新規
遺伝子の追加で補う。ついで、推定集団から適当に遺伝
子対を選び、その特定部位の入れ替えを行う。しかる
後、推定情報の特定部分に突然変異をあたえて、この部
分を変化させる。
された後、淘汰によって減少した推定集団の数を遺伝子
集団の多様性が失なわれないように、コピーなしい新規
遺伝子の追加で補う。ついで、推定集団から適当に遺伝
子対を選び、その特定部位の入れ替えを行う。しかる
後、推定情報の特定部分に突然変異をあたえて、この部
分を変化させる。
【００１２】このようにして、初期推定集団の生成、評
価、淘汰、増殖、交差、突然変異の一連の遺伝的操作を
推定集団に対して行い、推定集団を進化させ、その後
は、評価からのステップを繰り返す。ここで、評価のス
テップにおいては、全体の評価関数｛Ｅ｝が十分小さく
なり、全体の評価値が十分良くなったと判断されると、
得られた推定情報の平均、あるいは、最高の評価値を与
える推定情報を最終的な結果として出力する。
価、淘汰、増殖、交差、突然変異の一連の遺伝的操作を
推定集団に対して行い、推定集団を進化させ、その後
は、評価からのステップを繰り返す。ここで、評価のス
テップにおいては、全体の評価関数｛Ｅ｝が十分小さく
なり、全体の評価値が十分良くなったと判断されると、
得られた推定情報の平均、あるいは、最高の評価値を与
える推定情報を最終的な結果として出力する。
【００１３】次に、Ｌ種類のガス種の各々の濃度Ｃｉ
（ｉ＝１，２，…，Ｌ）をＭ個のセンサ素子の信号ｂｊ
（ｊ＝１，２，…，Ｍ）を用いて識別する場合について
説明する。ここで、ガス濃度Ｃｉを下記の式（２）で変
換し、たとえば、２進数表示をすれば、濃度Ｃｉがｒビ
ット（ｒは整数）の数字列で表わされる。 Ｘｉ＝ｆ（Ｃｉ） （２） こうすると、考えられるＬ種の混合ガスを表す遺伝子の
一例が、図２のように示される。この例では、ガス種１
がＸ１、ガス種２がＸ２、ガス種３がＸ３、ガス種Ｌが
ＸＬ存在していることを示している。即ち、初期推定集
団の遺伝子は、Ｌ×ｒのマトリックスで表される。ま
た、個々のセンサの応答はガスの各々に対する応答を足
し合わせたものになる。よって、ｊ番目のセンサからの
信号ｂｊは下式（３）のように表される。
（ｉ＝１，２，…，Ｌ）をＭ個のセンサ素子の信号ｂｊ
（ｊ＝１，２，…，Ｍ）を用いて識別する場合について
説明する。ここで、ガス濃度Ｃｉを下記の式（２）で変
換し、たとえば、２進数表示をすれば、濃度Ｃｉがｒビ
ット（ｒは整数）の数字列で表わされる。 Ｘｉ＝ｆ（Ｃｉ） （２） こうすると、考えられるＬ種の混合ガスを表す遺伝子の
一例が、図２のように示される。この例では、ガス種１
がＸ１、ガス種２がＸ２、ガス種３がＸ３、ガス種Ｌが
ＸＬ存在していることを示している。即ち、初期推定集
団の遺伝子は、Ｌ×ｒのマトリックスで表される。ま
た、個々のセンサの応答はガスの各々に対する応答を足
し合わせたものになる。よって、ｊ番目のセンサからの
信号ｂｊは下式（３）のように表される。
【００１４】
【数２】
【００１５】ここで、ａｉｊはｉ番目のガスとｊ番目の
センサの応答との関係を結びつけるもので、一般的に
は、濃度と非線形な関係にある。よって、推定情報集団
から上記式（３）により求められる推定対応情報▲〜ｂ
ｊ▼とセンサからの信号情報ｂｊとから、式（１）によ
り得られる評価関数Ｅが最小となるのが求めるべき解と
なる。
センサの応答との関係を結びつけるもので、一般的に
は、濃度と非線形な関係にある。よって、推定情報集団
から上記式（３）により求められる推定対応情報▲〜ｂ
ｊ▼とセンサからの信号情報ｂｊとから、式（１）によ
り得られる評価関数Ｅが最小となるのが求めるべき解と
なる。
【００１６】次に、実際の例として、酸化スズ薄膜を検
知材料とする還元性のガスを識別する場合について説明
する。図３は、本実施例で用いたセンサ素子の形状を示
す図で、図中、１０は検知材料としての酸化スズ薄膜
で、ヒータ線１１ａ，１１ｂ，１２ａ，１２ｂに流す電
流を調節することにより、駆動温度が設定でき、その温
度での、ガスの種類と濃度に依存する酸化スズ膜１０の
電気抵抗値を電極１３ａ，１３ｂにより測定する。この
センサにおいて、イソブタンの場合を、図４に示した
が、ガス種毎に、濃度と応答の値が定まり、また、駆動
温度（Ｔ１＜Ｔ２＜Ｔ３＜Ｔ４＜Ｔ５＜Ｔ６）により異
なった関係が得られる。ここで、図４の縦軸の感度は、
標準空気での酸化スズ膜１０の電気抵抗値をその濃度の
ガスを含む状態での電気抵抗値で割った商である。ま
た、混合ガスにおけるセンサの応答は各成分効果の和と
なる。そこで、温度を変えた６個のセンサ素子より成る
センサシステムを形成し、これより得られる６種の信号
に対して遺伝子的操作による信号処理を行い、空気中に
６種のガスが任意の比率で混合されている場合の識別を
行う。ここで、同一駆動温度での濃度と応答の関係が前
記ａｉｊに対応する。
知材料とする還元性のガスを識別する場合について説明
する。図３は、本実施例で用いたセンサ素子の形状を示
す図で、図中、１０は検知材料としての酸化スズ薄膜
で、ヒータ線１１ａ，１１ｂ，１２ａ，１２ｂに流す電
流を調節することにより、駆動温度が設定でき、その温
度での、ガスの種類と濃度に依存する酸化スズ膜１０の
電気抵抗値を電極１３ａ，１３ｂにより測定する。この
センサにおいて、イソブタンの場合を、図４に示した
が、ガス種毎に、濃度と応答の値が定まり、また、駆動
温度（Ｔ１＜Ｔ２＜Ｔ３＜Ｔ４＜Ｔ５＜Ｔ６）により異
なった関係が得られる。ここで、図４の縦軸の感度は、
標準空気での酸化スズ膜１０の電気抵抗値をその濃度の
ガスを含む状態での電気抵抗値で割った商である。ま
た、混合ガスにおけるセンサの応答は各成分効果の和と
なる。そこで、温度を変えた６個のセンサ素子より成る
センサシステムを形成し、これより得られる６種の信号
に対して遺伝子的操作による信号処理を行い、空気中に
６種のガスが任意の比率で混合されている場合の識別を
行う。ここで、同一駆動温度での濃度と応答の関係が前
記ａｉｊに対応する。
【００１７】図５は、遺伝的情報処理の一例を説明する
ための図で、まず、遺伝的情報処理にあたり、図５に示
すように、ガス６種を行とし、濃度を６ビットで表した
ものを列とする二次元マトリックスを遺伝子とする相当
数の初期推定集団を、ランダムに生成する。次に、この
推定遺伝子に対して、前記式（３）により推定対応情報
ｂｊをうる。この際、濃度に対するセンサの応答は２進
数で表わしたＸｉから、式（２）を用いて、実際の濃度
Ｃｉを求め、その後、図４などより、算出することにな
る。その後、６個のセンサからの信号情報に対する評価
を行う。たとえば、センサからの信号情報に対しては、
図５の♯２よりも♯１の方が評価値は高いという結果が
得られる。
ための図で、まず、遺伝的情報処理にあたり、図５に示
すように、ガス６種を行とし、濃度を６ビットで表した
ものを列とする二次元マトリックスを遺伝子とする相当
数の初期推定集団を、ランダムに生成する。次に、この
推定遺伝子に対して、前記式（３）により推定対応情報
ｂｊをうる。この際、濃度に対するセンサの応答は２進
数で表わしたＸｉから、式（２）を用いて、実際の濃度
Ｃｉを求め、その後、図４などより、算出することにな
る。その後、６個のセンサからの信号情報に対する評価
を行う。たとえば、センサからの信号情報に対しては、
図５の♯２よりも♯１の方が評価値は高いという結果が
得られる。
【００１８】次に、高い評価値を持つ遺伝子をある数だ
け残し、他は淘汰し、淘汰した数を残った遺伝子群から
複製し、遺伝子の数を一定に保つ。ついで、新たな遺伝
子集団の任意の一対を適当な確率で選び、特定部位の入
れ替えを行う。これは、例えば、図６に示すように、Ａ
の特定部位Ａ1をＢの特定部位Ｂ1へ、Ｂの特定部位Ｂ1
をＡの特定部位Ａ1へ入れるもので、この特定部位は任
意に選択できる。また、図７に示すように、遺伝子の任
意の部位のビットを適当な確率で“０”から“１”へ、
または、“１”から“０”へと反転させて、突然変異を
おこさせる。また、これらの淘汰、増殖、交差、突然変
異工程は、並列的に実施することも可能である。以上の
ような一連の操作を推定集団に対して繰り返し行い、推
定集団を進化させ、評価値の高いものを出力する。
け残し、他は淘汰し、淘汰した数を残った遺伝子群から
複製し、遺伝子の数を一定に保つ。ついで、新たな遺伝
子集団の任意の一対を適当な確率で選び、特定部位の入
れ替えを行う。これは、例えば、図６に示すように、Ａ
の特定部位Ａ1をＢの特定部位Ｂ1へ、Ｂの特定部位Ｂ1
をＡの特定部位Ａ1へ入れるもので、この特定部位は任
意に選択できる。また、図７に示すように、遺伝子の任
意の部位のビットを適当な確率で“０”から“１”へ、
または、“１”から“０”へと反転させて、突然変異を
おこさせる。また、これらの淘汰、増殖、交差、突然変
異工程は、並列的に実施することも可能である。以上の
ような一連の操作を推定集団に対して繰り返し行い、推
定集団を進化させ、評価値の高いものを出力する。
【００１９】なお、以上の実施例では、６個の信号をう
るのに温度を変えた６個のセンサ素子を用いているが、
図８に示すように、時間的に分割して、各々の時間区間
で温度を変えて信号を得るようにすれば、ただ一個のセ
ンサで同様な処理が可能となる。また、これらを組み合
わせて、たとえば、３個のセンサで２種の時間区間でデ
ータをうることも可能である。また、上述のように、同
一の構造で駆動温度を変えて、異なった特性のセンサ信
号をうるばかりでなく、図９に示すように、検知材料
（Ｓ１，Ｓ２，Ｓ３，Ｓ４，Ｓ５）により、特定ガスに
対する応答特性が異なることを利用することもできる。
さらには、図８は、センサ応答特性として、ある時刻の
電気抵抗値を用いているが、図１０に示すように、ガス
種（Ｇ１，Ｇ２，Ｇ３，Ｇ４，Ｇ５）により電気的過渡
応答パターンが異なることを利用しても同様な処理が可
能で、これらの場合は識別できるガスの範囲を広げる効
果がある。なお、図１０において縦軸の出力は、センサ
抵抗に比例する電圧出力で示した。
るのに温度を変えた６個のセンサ素子を用いているが、
図８に示すように、時間的に分割して、各々の時間区間
で温度を変えて信号を得るようにすれば、ただ一個のセ
ンサで同様な処理が可能となる。また、これらを組み合
わせて、たとえば、３個のセンサで２種の時間区間でデ
ータをうることも可能である。また、上述のように、同
一の構造で駆動温度を変えて、異なった特性のセンサ信
号をうるばかりでなく、図９に示すように、検知材料
（Ｓ１，Ｓ２，Ｓ３，Ｓ４，Ｓ５）により、特定ガスに
対する応答特性が異なることを利用することもできる。
さらには、図８は、センサ応答特性として、ある時刻の
電気抵抗値を用いているが、図１０に示すように、ガス
種（Ｇ１，Ｇ２，Ｇ３，Ｇ４，Ｇ５）により電気的過渡
応答パターンが異なることを利用しても同様な処理が可
能で、これらの場合は識別できるガスの範囲を広げる効
果がある。なお、図１０において縦軸の出力は、センサ
抵抗に比例する電圧出力で示した。
【００２０】
【効果】以上の説明から明らかなように、本発明によれ
ば、以下のような効果がある。請求項１及び３に記載の
発明によれば、複数の推定情報からなる推定情報集団を
初期集団として発生させ、この推定情報から算出した推
定対応情報とセンサからの信号情報とを比較評価するこ
とにより推定情報を評価淘汰し、推定情報集団に対し遺
伝的操作を行うようになっているので、ガス濃度とセン
サ応答が非線形の関係がある場合でも、ガス種とその濃
度識別処理が短時間が可能となった。請求項２の発明に
よれば、適応度の評価による淘汰の結果により、増殖、
交差、突然変異を行うようになっているので、より速く
最適に近い解が得られ、特に、これら淘汰、増殖、交
差、突然変異の処理を同時に並行して行なえば、その効
果はより著しい。請求項４，５，６に記載の発明によれ
ば、基本的に同一の構造のセンサを用いているので、安
価で高集積なシステムが実現できる。請求項７に記載の
発明によれば、巾広い種類のガスの識別が可能となる。
ば、以下のような効果がある。請求項１及び３に記載の
発明によれば、複数の推定情報からなる推定情報集団を
初期集団として発生させ、この推定情報から算出した推
定対応情報とセンサからの信号情報とを比較評価するこ
とにより推定情報を評価淘汰し、推定情報集団に対し遺
伝的操作を行うようになっているので、ガス濃度とセン
サ応答が非線形の関係がある場合でも、ガス種とその濃
度識別処理が短時間が可能となった。請求項２の発明に
よれば、適応度の評価による淘汰の結果により、増殖、
交差、突然変異を行うようになっているので、より速く
最適に近い解が得られ、特に、これら淘汰、増殖、交
差、突然変異の処理を同時に並行して行なえば、その効
果はより著しい。請求項４，５，６に記載の発明によれ
ば、基本的に同一の構造のセンサを用いているので、安
価で高集積なシステムが実現できる。請求項７に記載の
発明によれば、巾広い種類のガスの識別が可能となる。
【図１】 本発明に係る遺伝的操作手段の一実施例を説
明するためのブロック図である。
明するためのブロック図である。
【図２】 推定情報集団に含まれる推定情報の一例を示
す図である。
す図である。
【図３】 本発明の実施に使用されるセンサ形状の概念
図である。
図である。
【図４】 イソブタンに対する温度をパラメータとした
時のガス濃度とセンサ応答の関係を示す図である。
時のガス濃度とセンサ応答の関係を示す図である。
【図５】 初期推定情報集団の一例を説明するための図
である。
である。
【図６】 交差操作の一例を説明するための図である。
【図７】 突然変異操作の一例を説明するための図であ
る。
る。
【図８】 時間の区分により複数のセンサ信号をうる方
法を説明するための図である。
法を説明するための図である。
【図９】 検知材料の相異によるセンサ応答特性の例を
示す図である。
示す図である。
【図１０】 ガス種による過渡応答パターンの例を示す
図である。
図である。
１…遺伝子集団発生部、２…信号情報入力部、３…評価
部、４…淘汰部、５…増殖部、６…交差部、７…突然変
異部、８…出力部。
部、４…淘汰部、５…増殖部、６…交差部、７…突然変
異部、８…出力部。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 藤沢 悦子 東京都大田区中馬込１丁目３番６号 株式 会社リコー内
Claims (7)
- 【請求項１】 センサからの複数の検知信号を処理する
処理装置を有し、該処理装置により一種類を含む多種類
の検知対象混合ガスの成分の種類、及び／又は、成分比
を識別するガス識別装置において、該ガス識別装置は、
複数の推定情報からなる推定情報集団を初期集団として
発生させる集団発生手段と、該推定情報集団に対して遺
伝的操作を行う遺伝的操作手段とを備えていることを特
徴とするガス識別装置。 - 【請求項２】 前記遺伝的操作手段は、推定情報集団内
の推定情報とセンサからの信号情報とを比較して推定情
報の適応度を評価する評価手段と、適応度の評価結果に
応じて後の世代へ生き残れる推定情報を選択する淘汰手
段を有し、更に、淘汰の結果減少した推定情報分を生き
残った推定情報から増殖させる増殖手段と、推定情報集
団から任意の推定情報対を選び該推定情報対において推
定情報の一部の入れ替えを行う交差手段と、推定情報の
任意の位置においてその位置での情報の状態を変化させ
る突然変異手段との３つの手段のうちの少なくとも１つ
の手段を備えていることを特徴とする請求項１記載のガ
ス識別装置。 - 【請求項３】 前記遺伝的操作手段により、推定情報集
団を進化させ、推定情報の適応度の評価結果が良いと判
断されたとき、推定情報集団内の所定の進定情報を識別
結果として出力することを特徴とする請求項１又は２記
載のガス識別装置。 - 【請求項４】 センサから複数の検知信号をうる手段と
して、互いに特性の異なる複数のセンサ素子を具備する
ことを特徴とする請求項１乃至３のいずれか１に記載の
ガス識別装置。 - 【請求項５】 センサから複数の検知信号をうる手段と
して、単一のセンサ素子を時間的に分割して用い、分割
された時間毎にセンサの特性を異ならしめることを特徴
とする請求項１乃至３のいずれか１に記載のガス識別装
置。 - 【請求項６】 センサ素子の特性を異ならせる手段とし
て、センサ素子の駆動温度を異ならしめることを特徴と
する請求項４又は５記載のガス識別装置。 - 【請求項７】 複数の異なった特性のセンサ素子とし
て、少なくとも検知部の一部の構造、及び／又は、材料
を異ならしめたことを特徴とする請求項４に記載のガス
識別装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4324737A JPH06141843A (ja) | 1992-11-10 | 1992-11-10 | ガス識別装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4324737A JPH06141843A (ja) | 1992-11-10 | 1992-11-10 | ガス識別装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06141843A true JPH06141843A (ja) | 1994-05-24 |
Family
ID=18169129
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4324737A Pending JPH06141843A (ja) | 1992-11-10 | 1992-11-10 | ガス識別装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06141843A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105975761A (zh) * | 2016-04-29 | 2016-09-28 | 中国石油天然气股份有限公司 | 一种确定油气藏类型的方法及装置 |
-
1992
- 1992-11-10 JP JP4324737A patent/JPH06141843A/ja active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105975761A (zh) * | 2016-04-29 | 2016-09-28 | 中国石油天然气股份有限公司 | 一种确定油气藏类型的方法及装置 |
| CN105975761B (zh) * | 2016-04-29 | 2018-11-16 | 中国石油天然气股份有限公司 | 一种确定油气藏类型的方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gardner et al. | Enhancing electronic nose performance by sensor selection using a new integer-based genetic algorithm approach | |
| Kim et al. | Multivariate measurement of gene expression relationships | |
| Sloan et al. | Modeling taxa-abundance distributions in microbial communities using environmental sequence data | |
| Bahlo et al. | Inference from gene trees in a subdivided population | |
| EP0811198B1 (en) | Neural network | |
| US7406451B2 (en) | Method for training neural networks | |
| Maliet et al. | Fast and accurate estimation of species-specific diversification rates using data augmentation | |
| Perez et al. | Prediction of particlulate air pollution using neural techniques | |
| Li et al. | Computing minimal hitting sets with genetic algorithm | |
| Kang et al. | Mutual information of population codes and distance measures in probability space | |
| Higgs | Frequency distributions in population genetics parallel those in statistical physics | |
| Link et al. | Application of genetic programming to high energy physics event selection | |
| Landis et al. | Design and analysis of multispecies toxicity tests for pesticide registration | |
| JPH06141843A (ja) | ガス識別装置 | |
| Vazquez et al. | Projections of definitive screening designs by dropping columns: Selection and evaluation | |
| Dürr et al. | Cellular automata and communication complexity | |
| Kavzoglu et al. | Using feature selection techniques to produce smaller neural networks with better generalisation capabilities | |
| Szép et al. | Using gridCoal to assess whether standard population genetic theory holds in the presence of spatio‐temporal heterogeneity in population size | |
| Füllsack | LSTM-certainty as early warning signal for critical transitions | |
| Khan et al. | A genetic algorithm for selection of noisy sensor data in multisensor data fusion | |
| Louis et al. | Flaw detection and configuration with genetic algorithms | |
| Laquerbe et al. | Synthesis of RTD models via stochastic procedures: simulated annealing and genetic algorithm | |
| Campbell et al. | The Bayes factor, HDI-ROPE, and frequentist equivalence tests can all be reverse engineered—Almost exactly—From one another: Reply to Linde et al.(2021). | |
| Bourbour et al. | Improved methods to compare distance metrics in networks using uniform random spanning trees (dimecost) | |
| KR102703648B1 (ko) | 추천 리스트 생성 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20040525 |