基于单传感器动态检测和神经网络的气体监测

研究了气体传感器动态检测结合神经网络识别空气中有机气体的新方法.这种方法利用单个SnO2气体传感器而非阵列在方波温度调制的状态下,可实现多种有机气体的定性分析.在0.02Hz的调制频率、250～300℃的温度调制范围,测得传感器对不同体积分数异丙醇、乙酰丙酮和乙醇气体的动态响应.通过小波变换对单个周期测试信号进行特征提取,并将提取的特征值输入神经网络进行定性识别和体积分数估计,仿真识别的成功率高达100%,同时,较准确地实现待测有机气体的体积分数估计.     

基于小波特征提取的气体传感器温度调制模式研究

为了有效提取传感器对被测气体的响应特征,通过对单个微热板式气体传感器在不同温度调制模式下,对3种可燃性气体的动态响应信号结合主成分分析(PCA)和概率神经网络(PNN)进行分析和测试,利用小波变换对温度调制下传感器的动态响应信号进行小波特征提取。结果表明:提取的小波特征系数能较好地反映被测气体的信息。     

基于ESP32-S的小型智能气体识别系统设计

智能气体识别系统主要包括硬件电路、用户界面、信号处理和深度神经网络模型各模块。其采用 ESP32-S作为主控芯片，设计硬件电路对金属氧化物半导体气体传感器加热端电压动态调制，实验选择调制传感器温度范围为150~250 ℃，对应调制电压范围2.5~3.8 V。以20 Hz的频率采集热调制下的传感器特性变化曲线，通过信号传输功能传递至上位机，将所得热调制响应信号经信号处理特征提取后喂入自行搭建的I-5×5-2×2-200-200-P结构卷积神经网络训练构建模型，使用训练后深度神经网络模型前向传播实现对目标气体的快速识别检测。在静态气敏测试平台中的测试结果显示，该系统能有效实现对多种类VOC气体的识别功能，对乙醇、丙酮和异丙醇的42种测试气氛的识别准确率达到100%。     

气体传感器的温度调制技术研究进展

气体传感器的温度调制技术是改善传感器选择性和稳定性的有效方法之一,近几年研究比较活跃.详细分析了气体传感器的温度调制技术,并从温度调制方法、动态信号处理技术、调制模式优化以及动态响应建模等方面进行了综述,并讨论了该技术的研究趋势.     

基于单个SnO2传感器的CO/H2混合气体定量分析

利用单个商品化SnO2传感器,对CO和H2及其混合气体进行分类识别和定量分析.对传感器进行温度调制,获得传感器在不同浓度CO、H2和CO/H2混合气体中的动态响应.对动态响应信号进行离散小波变换(DWT),选取小波系数作为特征,输入到支持向量机(SVM),实现了对CO、H2及其混合气体的识别(其中CO浓度100×10-6,H2浓度1 000×10-6),正确识别率超过96%.从动态响应曲线提取特征,利用SVM模型对CO/H2混合气体进行定量分析,准确地估计出CO的浓度.另外,采用相同样本集,对比SVM和BP算法, 结果显示SVM具有更优的泛化性能.可用的数据处理算法可移植到单片机实现,在气体传感器智能化的研究中具有潜在的应用价值.     

基于SnO2气体传感器检测农药残留的表面动态响应特性

利用单个SnO2气体传感器在方波变化的温度条件下实现对敌百虫和乙酰甲胺磷及其混合气体的快速检测和识别.实验结果表面,SnO2气体传感器在温度范围为250～300℃、温度变化频率为20MHz的工作条件下对敌百虫和乙酰甲胺磷及其混合气体表现出高的灵敏度和清晰的动态响应特征.通过快速傅立叶变换(FFT)实现对敌百虫和乙酰甲胺磷及其混合气体的定量分析.     

气体传感器温度调制信号的瞬时频谱分析

温度调制技术已被证明能够改善气体传感器的选择性。为了有效提取传感器对被测气体的响应特征,提出应用Hil-bert-Huang变换对温度调制下的气体传感器的动态信号进行分析,可获得传感器动态响应信号中的瞬时频谱和边际谱等有效的气体响应特征。通过对一个微热板式气体传感器在矩形波调制下对三种易燃易爆气体响应的动态信号进行测试和分析,说明提取的瞬时频谱和边际谱能较好的体现被测气体信息。进一步研究了调制周期对动态响应信号的影响和该方法在正弦波、三角波等温度调制模式下的传感器对三种易燃易爆气体的响应,结果说明使用瞬时频谱能够有效提取信号中的气体信息。     

一种利用单个SnO2 气体传感器检测农药残留的新方法

研究了一种在环境气氛中快速检测和识别农药残留(敌百虫和乙酰甲胺磷)的新方法，即动态检测方法。这种方法是利用单个SnO2气体传感器在方波变化的温度下完成对敌百虫和乙酰甲胺磷及其混合气体的定性分析。实验结果表明，SnO2气体传感器在温度范围为250～300℃、温度变化频率为20MHz的工作条件下对敌百虫和乙酰甲胺磷及其混合气体表现出高的灵敏度和清晰的动态特征响应。     

基于温度调制的气体传感器动态信号识别研究

利用4只掺杂Pt的SnO2微热板气体传感器组成传感器阵列来识别三种不同的工业气体（ CO, CH4和C2 H5 OH）,传感器加热分别采用了三角波、正弦波、锯齿波和脉冲波四种温度调制模式。然后将得到的传感器动态响应信号进行短时傅里叶变换（ STFT）提取特征信息,并结合主成分分析（ PCA）方法将特征信息进行降维处理,发现调制周期对气体种类影响较小。最后利用决策树识别三种不同的气体,识别准确率较高。实验结果证明了该算法的正确性和可行性。     

基于SnO2 气体传感器对CO 的动态检测及原理

研究以单个SnO2传感器为敏感元件对CO进行动态检测;讨论了SnO2气体传感器动态检测方法的理论基础.结果表明,运用动态检测方法明显提高了SnO2传感器对CO的选择性,动态检测方法是建立在半导体电导率温度依赖特性基础上的.