基于LabVIEW平臺的智能電子鼻系統(tǒng)*

宋海聲，蘇小蕓，趙曉林

(西北師范大學(xué)物理與電子工程學(xué)院甘肅省原子分子物理與功能材料重點(diǎn)實(shí)驗(yàn)室，甘肅蘭州730070)

0 引言

由于有害氣體引起的各種事故屢見不鮮，所以，檢測化學(xué)品作業(yè)場所或設(shè)備內(nèi)部氣中的可燃或有毒氣體和蒸氣含量對人們的生活工作具有重要意義。基于LabVIEW的智能電子鼻系統(tǒng)，能夠有效地檢測各種有害氣體(CH4，CO等)。

氣體傳感器的種類很多，各類氣敏傳感器性能差異較大，各自的主要檢測對象也不一樣，構(gòu)成的測試系統(tǒng)也不同，然而，幾乎所有的都不能用于多種氣體檢測。用傳感器陣列構(gòu)成電子鼻的前端檢測多種氣體，氣體與傳感器的活性材料反應(yīng)，傳感器把化學(xué)輸入轉(zhuǎn)換為電信號;通過數(shù)據(jù)采集電路采集到電信號，采用BP神經(jīng)網(wǎng)絡(luò)模式識別對這些電信號進(jìn)行處理，分析和識別所測的氣體［1］，這是一種基于測量和分析化學(xué)傳感器中信號微小變化的新方法。

1 系統(tǒng)結(jié)構(gòu)

圖1是傳感器陣列氣體檢測的實(shí)驗(yàn)室裝置示意圖。測量室由不銹鋼的密閉的容器構(gòu)成，測量室需要盡量保證每只傳感器或傳感器上每個陣列所接觸的氣體成分完全相同(包括組成物質(zhì)和體積分?jǐn)?shù))、測量室體積盡可能的小，保證測量室溫度不會有很大波動。為了保證氣體流速恒定，選用JY－LUGB氣體流量計(jì)，可以精確地控制氣體的流速與流量。這樣一方面可以保證測試的重復(fù)性，另一方面也可以保證多路氣體混合后的體積分?jǐn)?shù)精度。由于系統(tǒng)使用的傳感器都是半導(dǎo)體器件，在使用的過程中需要對其進(jìn)行加熱，因此，在測量室中傳感器到達(dá)一定數(shù)量后就會形成熱量，在測量室設(shè)計(jì)時也要考慮到這一點(diǎn)。

圖2是多種氣體檢測的自動化系統(tǒng)的結(jié)構(gòu)框圖。信號采樣采用分壓法，其原理為:將傳感器與一只電阻器(匹配電阻器)進(jìn)行串聯(lián)，即匹配電阻器和傳感器同時分配電源電壓信號。當(dāng)傳感器吸附氣體時，其電阻值會發(fā)生變化，而匹配電阻器是一個穩(wěn)定的電阻器，它不會發(fā)生變化，根據(jù)歐姆定律可以知道，2只電阻器所分配的電壓會發(fā)生變化，這個電壓的變化在一定程度上就可以反映傳感器電阻的變化。由于傳感器在測量室內(nèi)，測試傳感器的電壓不是很方便，所以，轉(zhuǎn)而測試匹配電阻器的電壓。通過換算可以得到傳感器的電阻信號。在這個系統(tǒng)中，匹配電阻器的選擇很重要，一般來說，當(dāng)金屬型氧化物傳感器未與待測氣體接觸，其活性材料未吸附氣體分子時，電阻值約為2～20 MΩ;當(dāng)傳感器接觸到氣體并發(fā)生吸附時，其電阻值將會下降。下降后的阻值一般為200kΩ～2MΩ。匹配電阻器的阻值應(yīng)該與傳感器的阻值相適應(yīng)，以保證測試電路輸出的響應(yīng)信號保持在可測試范圍的中間部分，從而便于用戶的觀察［2］，還要能夠使用戶方便地更換匹配電阻器，這樣才能保證傳感器電阻與匹配電阻器阻值配合恰當(dāng)［3］。通過測試電路采集的電壓信號需要通過數(shù)據(jù)采集卡進(jìn)行采集，選用研華公司的PCI—1710HG采集卡和A68D接線子板，并將電壓信號轉(zhuǎn)換為計(jì)算機(jī)可以識別的數(shù)字信號。為了減少電源的波動加入濾波器電路。

圖3是單只傳感器的測量電路，氣體傳感器的電壓是(V c－VRL)，其中，V c為測量電壓，VRL為負(fù)載電阻器的電壓，VH為氣體傳感器的加熱電壓。通過調(diào)節(jié)VH來控制傳感器的工作溫度。

等式(1)用來計(jì)算氣體傳感器的敏感度

其中，R0為在空氣中測得的電阻，Rg為在氣體中測得的電阻［4～7］。

圖1 電子鼻裝置結(jié)構(gòu)示意圖Fig 1 Structure schematic drawing of electronic nose device

圖2 基于PCI—1710板卡的系統(tǒng)框圖Fig 2 Block diagram of system based on PCI—1710 card

圖3 單只傳感器測試電路Fig 3 Test circuit of single sensor

2 軟件開發(fā)

軟件部分采用基于LabVIEW的開發(fā)平臺。主要考慮到:一方面，編程簡單、易于掌握，界面簡潔易操作;另一方面，LabVIEW針對數(shù)據(jù)采集、儀器控制、信號分析與處理等方面，提供了專用節(jié)點(diǎn)(函數(shù))，使用方便，在數(shù)據(jù)分析方面上，更改數(shù)據(jù)比Matlab更加方便。

整個系統(tǒng)軟件的流程圖如圖4所示，系統(tǒng)軟件主要分為以下模塊:測量控制模塊，數(shù)據(jù)采集模塊和模式識別模塊。測量控制模塊提供了可視化的實(shí)驗(yàn)控制平臺。數(shù)據(jù)采集模塊主要是采集經(jīng)信號調(diào)理電路調(diào)理后的各只傳感器的輸出響應(yīng)，模式識別模塊利用BP神經(jīng)網(wǎng)絡(luò)得出各氣體體積分?jǐn)?shù)值，最后得出結(jié)論并將結(jié)果顯示在屏幕上。

圖4 系統(tǒng)軟件流程圖Fig 4 Flow chart of system software

模式識別方法是影響電子鼻性能的重要因素。目前，常用的模式識別方法有統(tǒng)計(jì)模式識別方法(包括主成分分析、判別函數(shù)分析、聚類分析等)和人工神經(jīng)網(wǎng)絡(luò)(包括BP網(wǎng)絡(luò)、Kohonen 網(wǎng)絡(luò)等)的方法［8，9］。

人工神經(jīng)網(wǎng)絡(luò)由于強(qiáng)大的適應(yīng)能力和自學(xué)習(xí)能力以及良好的容錯性，獲得了廣泛的應(yīng)用，而BP神經(jīng)網(wǎng)絡(luò)由于在眾多實(shí)際問題上的成功運(yùn)用和算法上的簡單性，使其在電子鼻模式識別領(lǐng)域占據(jù)主流地位。運(yùn)用遺傳算法改進(jìn)后的BP網(wǎng)絡(luò)，提高了對混合氣體檢測的速度和精度。

遺傳算法具有全局搜索性，但它的局部搜索能力較弱，遺傳算法雖然能很快確定全局最優(yōu)解存在的區(qū)域，卻不能很快的搜索到最優(yōu)解，所以，當(dāng)遺傳算法搜索到全局最優(yōu)解的大致范圍后，再充分發(fā)揮BP算法的局部搜索能力。兩部分有機(jī)結(jié)合起來，可以更好地加快運(yùn)算效率，增加神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力。圖5為遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)流程圖。

圖5 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)流程圖Fig 5 Flow chart of BP neural network optimized by genetic algorithm

表1和表2分別為改進(jìn)前的BP網(wǎng)絡(luò)和改進(jìn)后的BP網(wǎng)絡(luò)三組模式識別的結(jié)果。經(jīng)過50次的連續(xù)測試，改進(jìn)前的平均誤差為8.01× 10－6(CO)，75.43× 10－6(CH4)，7.94×10－6(H2S)，而改進(jìn)后的平均誤差為3.12×10－6(CO)，17.59(CH4)，2.93×10－6(H2S)。結(jié)果證明了改進(jìn)算法在實(shí)際識別上的有效性，提高了檢測的準(zhǔn)確性。

表1 改進(jìn)前BP網(wǎng)絡(luò)模式識別結(jié)果Tab 1 BP network pattern recognition results before the improvement

表2 改進(jìn)后的BP網(wǎng)絡(luò)模式識別結(jié)果Tab 2 Improved BP network pattern recognition results

3 精度與穩(wěn)定性測試

圖6為匹配電阻100kΩ，經(jīng)過24h測試電路的漂移圖。

圖6 測試電路漂移圖Fig 6 Drift figure of the test circuit

從圖6中可以看出:電路的漂移為幾十至幾百歐，小于測試電阻器阻值的1%。因此，對于此檢測系統(tǒng)，在長期的測試情況下，電路是非常穩(wěn)定的。

4 結(jié)論

本設(shè)計(jì)以LabVIEW為平臺，利用傳感器陣列，結(jié)合改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識別，實(shí)現(xiàn)電子鼻智能化，并且利用匹配電阻進(jìn)行精度穩(wěn)定度測試，結(jié)果證明了該系統(tǒng)的可靠性。該系統(tǒng)不僅可用于實(shí)驗(yàn)教學(xué)和研究，也可用來檢測礦井中可燃?xì)怏w含量;能夠?qū)崿F(xiàn)氣體傳感器的長期穩(wěn)定性的測試，從而實(shí)現(xiàn)了高效智能化檢測。

［1］楊建華，侯 宏，王 磊，等.基于集成氣體傳感器陣列的電子鼻系統(tǒng)［J］.傳感器技術(shù)，2003，22(8):21－24.

［2］徐毓龍，徐玉成.電子鼻的研究和開發(fā)現(xiàn)狀［J］.傳感器世界，1999(8):1－5.

［3］Dyer D C，Gardner JW.High－precision intelligent interface for a hybridelectronic nose［J］.Sensors and Actuators A，1997，62:724－728.

［4］Cardinali G C.A smart sensor system for carbon monoxide detection［J］.Analog Integrated Circuits and Signal Processing，1997，14:275－296.

［5］Ederth J，Smulko J M，Kish L B，et al.Comparison of classical and fluctuation－enhanced gas sensing with PdxWO3nanoparticle films［J］.Sensors and Actuators B，2006，113:310－315.

［6］Min B K，Choi S D.Undoped and 0.1wt%Ca－doped Pt－catalyzed SnO2sensors for CH4detection［J］.Sensors and Actuators B，2005，108:119－124.

［7］Bahrami B，Khodadadi A，Kazemeini M，et al.Enhanced COsensitivity and selectivity of gold nanoparticles doped SnO2sensor in presence of propane and methane［J］.Sensors and Actuators B，2008，133:352－356.

［8］Yoland G M，Concepcion C O，Jose P P，et al.Electronic nose based on metal oxide semiconductor sensors and pattern recognition techniques:Characterization of vegetable oils［J］.Analytica Chimica Acta，2001，449:69－80.

［9］Parekh R，Yang J，Honavar V.Constructive neural－network learning algorithms for pattern classification［J］.IEEE Trans on Neural Networks，2000，11:436－450.