一種基于BP神經網絡的甲醛測量儀設計

王文輝+王磊+袁圓+肖兵

摘要：人的一生80%在室內度過，室內空氣質量的優劣直接影響著人體的健康。甲醛是重要的室內污染氣體，長期接觸會對人體產生很大的危害。本文應用氣體傳感器陣列作為甲醛氣體檢測器件，將金屬氧化物氣體傳感器陣列和有教師指導的前饋神經網絡技術相結合，構成甲醛氣體的精確定量識別系統，對氣體陣列傳感器的氣體交叉敏感性進行氣體敏感性分析實驗分析，設計一種基于BP算法的前饋神經網絡，并對該網絡進行訓練，最終得到一個泛化性能較好的神經網絡，對甲醛氣體進行預測及補償。

關鍵詞：室內空氣質量；甲醛；氣體傳感器陣列；前饋神經網絡；BP算法

中圖分類號：TP211+.5 文獻標識碼：A 文章編號：1007-9416（2017）11-0127-04

隨著生活水平的不斷提高，人們對于自身生活品質和身體健康越來越重視，甲醛（HCHO），作為新裝修房屋內氣體的主要污染源之一，越來越受到人們的關注，因此，對室內甲醛氣體的檢測具有很大的現實意義。

根據國家強制性標準，關閉門窗1小時后，每立方米室內空氣中，甲醛釋放量不得大于0.08毫克；如達到0.1-2.0毫克，50%的正常人能聞到臭氣；達到2.0-5.0毫克，眼睛、氣管將受到強烈刺激，出現打噴嚏、咳嗽等癥狀[1]；達到10毫克以上，呼吸困難；達到50毫克以上，會引發肺炎等危重疾病，甚至會導致死亡。我國居室空氣中甲醛標準如表1所示。

甲醛的檢測方法可謂是百花齊放，推陳出新。世界各國推出很多檢測方法，例如比色法，色譜法，熒光法，光譜法，傳感器法等，以及電子鼻等先進的檢測技術。在便攜的手持式甲醛測量儀中，使用的較多的是電化學傳感器作為甲醛的檢測單元[2]，但電化學型甲醛測試儀由于其成本較高，且壽命較短，不適合普遍推廣[3]。

本文運用氣體傳感器整列作為甲醛的檢測單元，并運用前饋神經網絡對甲醛含量進行補償，具有結構簡單，性價比高等優勢。

1 氣體陣列傳感器

本文采用德國UST公司的XPC100系列高精度、可定量測量有毒有害氣體濃度的陣列傳感器，該傳感器技術已經BMW汽車傳感器的知名供應商。該傳感器由三個敏感單元組成，可以測量氧化、還原、氧化還原三類氣體，可以定量測量一氧化碳（CO），碳氫化合物（SO2） ，氮氧化物（NOx），易揮發物質（VOC）和微粒懸浮物（PM2.5）等多種氣體。

德國UST的金屬氧化物氣體傳感器[4]敏感機理是敏感膜表面的氧化還原反應，考慮到氣體監測的交叉敏感性和復雜性，UST傳感器利用成熟的模式識別算法可以解算得到混合氣體各組分的定量濃度[5]。

此外，UST傳感器可以適應船舶尾氣檢測裝置復雜的工作環境，被檢測船舶尾氣氣體溫度高。正常負荷運行時排氣總管廢氣溫度約達 525度，廢氣渦輪增壓器前廢氣溫度大約450-480度，增壓器后出口為375-400度，廢氣鍋爐前約為320-350度，廢氣鍋爐后約為260-280度。而UST陣列氣體傳感器的工作溫度隨著測量環境溫度的變化而變化，通常可以達到300-550度，并在相應的工作溫度下達到最佳的工作狀態，因此溫度過高并不會影響UST陣列傳感器檢測數據的正確性。傳感器結構圖如圖1所示，傳感器實物圖如圖2所示。

2 傳感器接口電路及信號處理

氣體傳感器檢測電路包括基準調零、X9C103電橋分壓電路、LM324電壓跟隨、AD620差分放大電路。傳感器分壓端接入AD620三儀表運放后采集到Arduino處理器中。AD620具有高共模抑制比與低溫漂的特性。由于氣體傳感器對不同氣體，以及同種氣體不同濃度的響應具差異較大，故要求系統有較大的動態響應范圍[6]。（用面包板測試過，大概是變化到10K --1M）本文三端可調電阻由可編程數控電位器X9C103實現。

X9C103是美國Xicor公司生產的高精度100階數字電位器，其阻值變化范圍為40Ω-10KΩ。滑動單元的位置由、、三個輸入端控制。可實現氣體電阻值量程的自動調節，即實現自動變量程、變分辨率測量（就是當氣體濃度變化范圍較大時，及敏感電阻變化較大時，對應的變位器阻值也增加，這樣保持分壓比例永遠是差不多的，輸入運放時可以保證在AD620的線性工作范圍內）[7]。氣體陣列傳感器信號采集原理框圖如圖3所示。電路仿真圖如圖4所示。

3 前饋神經網絡

由于氣體的交叉敏感特性，混合氣體濃度定量測量一直是氣體檢測領域的難點。在檢測目標氣體濃度時，時常會受到具有相同氧化還原性的氣體的干擾，從而影響測量的精確性。本文利用BP神經網絡訓練算法[8]， 并選取甲醛、乙醇、氨氣三種氣體作為進行定量分析，其中，乙醇是需要被精確測量的檢測氣體，甲醛和氨氣則是相應的干擾氣體，前饋神經網絡的作用就是對模型進行訓練，從而在干擾氣體的影響下輸出精確的待測氣體的值。

混合氣體與氣體陣列敏感單元輸出形成一一對應的高維響應模式。設被測量的混合氣體有n種成分，濃度分別為C1，C2，…，Cn， ，氣體陣列傳感器有m個敏感單元，則其高維響應模式：

4 實驗

為了測試氣體傳感器陣列的氣體交叉敏感性，在氣體配氣裝置中先充入不同濃度的甲醛氣體，在本實驗中，甲醛氣體的濃度從一開始的0.01ppm逐漸增加到2.6ppm，氣體配氣裝置如圖6所示。

由于數據量較為龐大，在本文中僅列出一部分實驗結果，R1，R2，R3分別為三個敏感單元，從實驗數據中可以看到，三個敏感單元對乙醇氣體有不同程度的響應，其中以R3變化最為明顯。

通過大量實驗數據，可以使氣體陳列傳感器對甲醛氣體進行較為精確地標定，但在實際情況下往往在被測氣體中含有部分干擾氣體，對此，需要對氣體傳感器陣列的交叉敏感性做出測試，并且根據測試結果對傳感器的輸出做出修正。

在本實驗中，選取乙醇與氨氣作為干擾氣體進行測試，考慮到分析的準確性，僅對單一干擾氣體進行氣體交叉敏感性實驗。endprint

在氣體配置裝置中首先配置1ppm甲醛氣體，再逐漸增加干擾氣體，測試傳感器對混合氣體的響應，測試結果如表3，表4所示。

5 實驗與分析

BP神經網絡功能強大之處在于對于函數的逼近，這種對于函數的逼近可以用于未知的模型識別，其原理可以視為一個黑盒，通過大量對應輸入與輸出的測量[9]，利用所得實際過程的輸入輸出數據來訓練一個神經網絡。

本文用具有單一隱含層的前饋神經網絡對氣體進行定性測量，網絡輸入層神經元個數等于氣體傳感器陣列的維數；輸出層的神經元個數等于所要測量的氣體種類數[10]。即：該神經網絡的輸入為陣列中三個敏感單元所測得的值，網絡的輸出為測量結果。

在matlab中，構建一個前向BP神經網絡[11]，實測得100組數據，將100組數據分成兩類，前80組數據用來對神經網絡進行訓練，即系統建模，剩余20組數據用來檢驗該神經網絡是否符合性能指標。構建前置BP神經網絡如圖7所示，訓練結果如圖8所示。

經過訓練之后，該網絡可以精確地測量混合氣體中甲醛的濃度，利用金屬氧化物傳感器陣列以及神經網絡可以很好的對甲醛氣體進行定量測量。加之金屬氧化物氣體傳感器陳列有著壽命長，成本低等優點，比之現在市面上較常見的電化學傳感器有很大優勢。

參考文獻

[1]裴志剛，朱立.室內裝修甲醛的危害及測量方法[J].實驗技術與管理，2005，（06）：127-131.

[2]王博.便攜式甲醛氣體檢測儀的設計與實現[D].西安電子科技大學，2015.

[3]杜娟.便攜式現場甲醛檢測儀的設計[D].鄭州大學，2010.

[4]劉湘軍，譚湘倩，浣石.金屬氧化物氣敏傳感器[J].廣州大學學報（自然科學版），2007，（05）：42-46.

[5]施京毅.基于氣體傳感器陣列的多氣體檢測及應用[D].西北工業大學，2001.

[6]鄭學仁，張云芝，李斌，吳朝暉.集成傳感器接口電路設計實現[J].大學物理實驗，1998，（02）：42-44.

[7]孫海山，顧洪軍，余愚，蔣永華.一種SAW氣體傳感器信號處理電路的研究與設計[J].工業儀表與自動化裝置，2008，（01）：79-81.

[8]石春燕.基于人工神經網絡的多氣體分析系統研究與設計[D].吉林大學，2004.

[9]常曉麗.基于Matlab的BP神經網絡設計[J].機械工程與自動化，2006，（04）：36-37.

[10]張圣楠，郭文義，肖力墉.基于MATLAB的BP神經網絡的設計與訓練[J].內蒙古科技與經濟，2005，（17）：95-98.

[11]Wang Ying，Lu Cuijie，Zuo Cuiping. Coal mine safety production forewarning based on improved BP neural network[J].International Journal of Mining Science and Technology，2015，25（02）：319-324.

Abstract：Person spends 80% lifetime indoors. Indoor air quality directly affects the health of human body. Formaldehyde is an important indoor pollution gas， and with a longtime contact can cause great harm to human. Gas sensor array is applied in this article as formaldehyde gas detection device. In this article， formaldehyde gas precise quantitative recognition system is made of the combination of the metal oxide gas sensor array and a feed-forward neural network technology. The gas cross sensitivity of gas sensor array is analyzed by several experiment. The design of a feed-forward neural network based on BP algorithm， and the network is trained， end up with a good generalization capability of neural network， the formaldehyde gas prediction and compensation.

Key Words：Indoor air quality； formaldehyde； gas sensor array； feed-forward neural network； BP algorithmendprint