基于模型辨识的气体信息快速感知

针对金属氧化物气体传感器具有较长的响应和恢复时间与泄露气体源的及时报警或快速定位之间的矛盾,提出了一种气体信息快速感知的方法。所提方法首先将气体传感器近似为一阶线性惯性延时系统,然后使用双传感器重构了辨识模型,利用M序列构建模型输入,实现了对传感器时间常数的辨识;最后,根据辨识出的参数,使用传感器逆模型估计出气体浓度的真实输入。使用上述方法进行实验,结果显示估计得到的浓度输入值和实际浓度值相吻合。进一步,为了验证本文算法的有效性,在移动嗅觉平台上,将气体传感器测量值和本文处理方法算出的重构值进行浓度二值化处理,同时应用到基于改进的Spiral-Surge算法的气体源定位实验中。与采用固定浓度阈值进行二值化定位实验对比得出,采用所提方法可以使室内外平均路径长度分别减少55.2%和84.7%。