自確認金屬氧化物半導體氣體傳感器陣列及其應用研究*

陳寅生,宋 凱,王 祁,路佳浩

(1.哈爾濱理工大學測控技術與通信工程學院,哈爾濱 150001;2.哈爾濱工業大學電氣學院,哈爾濱 150001)

機器嗅覺系統是一種利用仿生檢測技術實現氣體/氣味定性識別和定量分析的電子設備,在環境監測、食品藥品加工、易燃易爆氣體檢測、醫學臨床分析與診斷等領域展現了廣闊的應用前景[1],其工作原理如圖1所示。

圖1 機器嗅覺系統原理框圖

金屬氧化物半導體MOS(Metal-Oxide Semiconductor)傳感器陣列以其響應速度快、靈敏度高、成本低廉等優點,已成為目前機器嗅覺系統中使用最為普遍的信息獲取裝置,其響應輸出信號的準確性和可靠性直接影響后續模式識別方法的檢測與分析結果。鑒于此,MOS氣體傳感器陣列工作狀態的好壞直接決定了機器嗅覺系統整體性能的優劣[2-3]。MOS氣體傳感器陣列長期運行過程中不可避免地會遇到外界干擾(粉塵附著、腐蝕性氣體影響、溫濕度變化)及自身故障(氣敏元件老化、中毒、損壞),導致系統檢測與分析性能大大降低。MOS氣體傳感器陣列故障模式及主要形成原因如圖2所示。由此可見,MOS氣體傳感器陣列的異常狀態監測與測量質量評定是目前機器嗅覺領域亟待解決的重要問題之一[4]。

圖2 MOS傳感器陣列故障模式及主要成因

自確認傳感器是由牛津大學教授Henry教授等人于1993年提出的一種新型智能傳感器,經過多年的發展,得到了國內外學者的廣泛關注[5]。自確認傳感器能夠根據傳感器的自身特性,通過故障檢測與隔離、故障識別、故障恢復及測量不確定度評定等一系列自確認方法,實現傳感器對自身的異常狀態監測與測量質量評估,達到提高傳感器測量過程可靠性的目的[6]。

為了解決目前機器嗅覺系統工作過程中MOS氣體傳感器陣列異常狀態監測與測量質量評定問題,以有效提高機器嗅覺系統檢測與分析結果的可信性,本文根據MOS氣體傳感器陣列的特點并結合自確認傳感器技術的最新研究成果,提出了自確認金屬氧化物半導體氣體傳感器陣列。

本文將分別介紹自確認MOS氣體傳感器陣列的硬件架構、功能模型及關鍵自確認技術,最后設計了一種面向大氣環境污染監測的自確認MOS氣體傳感器陣列,實現了傳感器陣列運行過程中的異常狀態監測與測量質量評估,并對其有效性進行了驗證。

1 自確認MOS傳感器陣列的硬件架構及功能模型

不同于傳統的氣體傳感器陣列,自確認MOS氣體傳感器陣列由傳統傳感器陣列、溫濕度敏感單元、信號調理電路、數據采集電路及處理器組成,其硬件架構如圖3所示。

圖3 自確認MOS傳感器陣列硬件架構

自確認MOS氣體傳感器陣列不但能夠響應被測氣體/氣味的種類或濃度變化并輸出響應信號,還能夠利用溫度、濕度敏感單元對影響MOS氣敏傳感器測量準確性影響較大的溫度、濕度進行測量,并實現溫濕度補償;采用處理器實現故障檢測與隔離、故障識別、故障恢復、測量質量評估等自確認功能模塊對傳感器陣列運行狀態進行監測,并輸出相應的自確認參數;采用存儲器保存算法程序和歷史數據等信息。

自確認MOS氣體傳感器陣列的輸出參數包括以下幾項:

①確認的測量值:當傳感器陣列無發生故障時,傳感器的確認的測量值為傳感器的輸出的測量值。如果傳感器出現故障,傳感器的輸出值將偏離真實測量值,此時傳感器的確認的測量值是對被測量的測量值的最佳估計。

②測量值狀態:指示MOS氣體傳感器陣列獲取的確認的測量值是在MOS氣體傳感器陣列何種運行狀態下獲得的。

③測量不確定度:傳感器的確認不確定度表示傳感器確認測量值的不確定度,表征傳感器測量值的準確性。測量不確定度為用戶提供了關于傳感器測量值的準確性信息,反映了各種不確定因素對傳感器測量質量的影響。

④故障信息:在MOS氣體傳感器陣列發生故障時,指示故障傳感器的位置、故障傳感器的類型、故障程度等信息,幫助用戶進行維修決策。

2 關鍵自確認技術

2.1 故障檢測與隔離

自確認MOS氣體傳感器陣列采用故障檢測與隔離FDI(Fault Detection and Isolation)技術對傳感器陣列中發生故障的傳感器進行故障檢測與故障隔離,實現MOS氣體傳感器陣列對自身異常狀態的在線監測。

近年來,相關學者根據所研究領域中傳感器運行狀態監測問題,提出了一系列自確認傳感器故障檢測與隔離方法,主要包括解析模型法和數據驅動法[7]。解析模型法通過對傳感器的工作機理的精確把握,建立傳感器響應特性的數學模型,再利用傳感器的真實輸出與模型輸出的殘差判斷是否發生故障,例如觀測器法和濾波器法。數據驅動法是對傳感器輸出的正常歷史數據進行學習和挖掘,獲得相應的數學模型。一旦故障發生,故障數據將破壞已建立起的關系模型的穩定性。數據驅動法便以此變化為根據,對傳感器進行故障檢測與隔離,主要的數據驅動法包括信號處理法、多變量統計分析法及人工智能法等方法。

2.2 故障類型識別

為了進一步對傳感器的維修決策提供必要的信息,提高傳感器陣列的可維護性,故障識別技術成為了自確認傳感器技術中的關鍵技術之一。目前,自確認傳感器故障類型識別主要采用模式識別方法實現。該方法主要由特征提取和模式識別兩部分組成。首先,采用合理而有效的特征提取方法突出傳感器故障信號的特征,然后利用高性能的分類器對故障特征進行識別,最終確定傳感器故障類型[8]。如圖4所示為主要的基于模式識別的傳感器故障類型識別方法。

圖4 基于模式識別的故障類型識別方法

2.3 測量質量評估

傳感器在測量過程中,由于敏感元件的物理或化學變化、轉換電路的系統誤差、外部干擾產生的隨機誤差以及各種不確定因素的影響,都會導致傳感器測量質量下降,影響后續信息處理過程。因此,需要對傳感器的測量質量進行在線評估,確定當前測量值是否值得進一步處理。目前,傳感器測量質量評估方法主要采用測量不確定度評定方法實現,主要包括GUM方法、Monte Carlo方法、貝葉斯推理、灰色理論及模糊隨機變量法等[9]。

2.4 數據恢復

為了保證傳感器故障狀態下輸出的故障數據不對后續傳感器信息處理模塊的穩定性和可靠性造成影響,甚至產生嚴重后果。自確認傳感器技術中利用歷史數據的冗余信息和相關信息對故障傳感器輸出值進行在線恢復,代替故障傳感器輸出值,為系統穩定運行和維護決策爭取寶貴時間[10]。

3 一種面向大氣環境污染氣體監測的自確認MOS傳感器陣列設計

3.1 傳感器陣列設計

MOS氣體傳感器利用被測氣體與金屬氧化物半導體氣敏元件的化學反應所導致的傳感器內阻的變化對目標氣體進行檢測。由于大氣環境污染氣體包括一氧化碳、硫化物、氮化物、臭氧等有害氣體,因此在設計MOS氣體傳感器陣列時,應遵循選擇對被測氣體響應的靈敏度存在差異、對目標氣體均有響應、具有較快的響應速度、穩定可靠、重復性好的氣體傳感器。鑒于此,本文設計的MOS氣體傳感器陣列選型如表1所示。由于MOS氣體傳感器的檢測性能與環境的溫濕度相關,因此傳感器陣列也同時包括溫、濕度傳感器,并根據其響應信號對氣體傳感器陣列的測量值進行溫濕度補償。

表1 MOS氣體傳感器陣列選型

圖5 基于FPGA和DSP的自確認氣體傳感器陣列

3.2 硬件架構

本文設計一種基于FPGA與DSP的自確認氣體傳感器陣列硬件架構,如圖5所示,其中,FPGA(EP3C55F48417)控制傳感器信號的采集與控制,DSP(TMS320DM642)負責實現MOS氣體傳感器陣列的自確認方法,并輸出監測結果及各種自確認參數。

3.3 自確認算法設計及仿真結果

本小節根據作者近年來對MOS氣體傳感器陣列自確認方法的研究成果,分別介紹MOS氣體傳感器陣列故障檢測與隔離、故障模式識別、測量質量評估等自確認算法的實現,利用仿真結果來說明算法的有效性。

3.3.1 故障檢測與隔離

根據MOS氣體傳感器陣列的多路輸出存在相關性的特點,本文采用主成分分析(PCA)實現故障檢測與隔離,算法的流程如圖6所示。PCA是一種基于數據驅動的故障檢測與隔離方法,該方法利用正常狀態下陣列輸出的樣本建立PCA模型,一旦故障傳感器發生故障,其輸出信號在冗余子空間的投影將發生突變,SPE統計量也隨即發生跳變,實現故障檢測,隨后再利用SPE貢獻率來確定故障傳感器的位置。

圖6 基于PCA的故障檢測與隔離算法流

圖7 基于PCA的故障檢測仿真實驗結果

鑒于篇幅的限制,基于PCA的故障檢測與診斷算法的詳細理論推導可參考文獻[11]。基于PCA的故障檢測與隔離算法的仿真實驗結果如圖7和圖8 所示。可見,基于PCA的故障檢測與隔離方法能夠有效實現MOS氣體傳感器陣列的故障檢測與隔離。

圖8 基于PCA的故障隔離仿真實驗結果

3.3.2 傳感器故障類型識別

由于故障的傳感器會導致其輸出信號的頻率變化,且不同的故障狀態會導致故障頻率的不同[11]。因此,本文采用基于集合經驗模態分解(EEMD)樣本熵(SampEn)的故障特征提取方法,再利用稀疏表示分類器(SRC)對故障特征進行故障類型識別,算法的流程如圖9所示。

圖9 基于EEMD-SampEn和SRC的故障類型識別算法流程

圖10 不同故障狀態下各本征模態函數樣本熵值

該方法的詳細理論推導可參考文獻[8]。如圖10所示為不同故障狀態下各本征模態函數樣本熵值比較結果,可見不同故障狀態下的EEMD-SampEn特征向量存在較明顯的差別,可以利用此特征提取方法對氣體傳感器故障進行特征提取。

3.3.3 測量質量評估

傳統的測量質量評估方法都是利用基于測量值的不確定度表示。該類方法一方面不能夠進行動態評定,另一方面對用戶觀測并不直觀。本文采用動態測量過程中測量不確定度結合過程能力指數的方法進行表示,其理論推導可參考文件[12]。表2為過程能力指數Cpk的評級標準。圖11為偏置故障下MOS氣體傳感器測量質量評估結果。

表2 過程能力指數Cpk的評級標準

圖11 MOS 氣體傳感器測量質量評估結果

3.3.4 故障恢復

自確認傳感器陣列的故障恢復方法是通過傳感器的正常歷史數據建立預測模型,當傳感器處理故障狀態,利用預測模型對傳感器故障進行恢復。本文采用灰色預測模型GM(1,1)進行數據恢復,該故障恢復模型能夠利用小樣本對傳感器輸出信號進行準確預測,其理論推導可參考文獻[13]。圖12所示的是沖擊故障狀態下的故障恢復結果,可見該方法可以對氣體傳感器測量進行有效恢復。

圖12 沖擊故障狀態下故障恢復結果

3.4 自確認氣體傳感器陣列有效性分析

為了說明自確認MOS氣體傳感器陣列在機器嗅覺系統中的有效性,本文設計了基于自確認MOS氣體傳感器陣列的機器嗅覺系統,如圖13所示。該機器嗅覺系統實現了二元混合氣體(CO氣體和CH4氣體)的識別與檢測[14]。正常情況下,機器嗅覺系統的氣體識別率和濃度檢測的相對誤差如表3和表4所示。

圖13 基于自確認MOS氣體傳感器陣列的機器嗅覺系統

表3 不同氣體識別方法的氣體識別準確率

表4 不同混合氣體濃度檢測方法的性能

本文以恒定輸出故障情況為例,說明氣體傳感器故障對于機器嗅覺系統性能的影響。在恒定故障情況下,氣體識別率和濃度檢測的相對誤差如表5和表6所示。可見,無論是氣體識別率,還是濃度檢測的平均相對誤差都受故障傳感器輸出的影響,導致不同程度的下降。

表5 恒定輸出故障情況下不同氣體識別方法的氣體識別準確率

表6 恒定輸出故障情況下不同混合氣體濃度檢測方法的性能

通過自確認技術對MOS氣體傳感器陣列故障輸出信號進行處理,機器嗅覺系統的氣體識別率和濃度檢測的相對誤差如表7和表8所示。可見,在故障發生的情況下,自確認MOS氣體傳感器陣列能夠顯著地提高機器嗅覺系統的檢測與分析性能。

表7 恒定輸出故障情況下不同氣體識別方法的氣體識別準確率

表8 恒定輸出故障情況下不同混合氣體濃度檢測方法的性能

4 結論

本文根據機器嗅覺系統對準確而可靠的MOS氣體傳感器陣列測量值的需求,根據以往研究成果,創新性地提出了自確認MOS氣體傳感器陣列的概念。首先,概括性地介紹了自確認MOS氣體傳感器陣列的硬件架構、功能模型;然后,介紹了主要的自確認技術及實現方法;最后,設計并實現了一種面向大氣環境污染氣體監測的自確認MOS傳感器陣列,說明了自確認MOS氣體傳感器陣列可行性和有效性。該研究保證了MOS氣體傳感器測量值的準確性和有效性,提高了機器嗅覺系統的可靠性與分析結果的可信性,對機器嗅覺的應用與發展具有重大的理論與實際意義。

參考文獻:

[1] Marco S,Gutierrez-Galvez A. Signal and Data Processing for Machine Olfaction and Chemical Sensing:A Review[J]. IEEE Sensors Journal,2012,12(11):3189-3214.

[2] Fonollosa J,Vergara A,Huerta R. Algorithmic Mitigation of Sensor Failure:Is Sensor Replacement Really Necessary?[J]. Sensors and Actuators B Chemical,2013,183(8):211-221.

[3] Fernandez L,Marco S,Gutierrez-Galvez A. Robustness to Sensor Damage of a Highly Redundant Gas Sensor Array[J]. Sensors and Actuators B:Chemical,2015,218:296-302.

[4] Korotcenkov G,Cho B. Engineering Approaches to Improvement of Conductometric Gas Sensor Parameters. Part 2:Decrease of Dissipated(Consumable)Power and Improvement Stability and Reliability[J]. Sensors and Actuators B:Chemical,2014,198:316-341.

[5] Henry M P,Clarke D W. The Self-Validating Sensor:Rationale,Definitions and Examples[J]. Control Engineering Practice,1993,1(4):585-610.

[6] Feng Z,Wang Q,Shida K. A Review of Self-Validating Sensor Technology[J]. Sensor Review,2007,27(1):48-56.

[7] Shen Z,Wang Q. Failure Detection,Isolation,And Recovery of Multifunctional Selfvalidating Sensor[J]. Instrumentation and Measurement,IEEE Transactions on,2012,61(12):3351-3362.

[8] 陳寅生,姜守達,劉曉東,等. 基于 EEMD 樣本熵和SRC的自確認氣體傳感器故障診斷方法[J]. 系統工程與電子技術,2016,38(5).

[9] Shen Z,Wang Q. Data Validation and Validated Uncertainty Estimation of Multifunctional Self-Validating Sensors[J]. Instrumentation and Measurement,IEEE Transactions on,2013,62(7):2082-2092.

[10] 王祁,趙樹延,宋凱. 多功能自確認傳感器[J]. 傳感技術學報,2011,24(4):527-531.

[11] 馮志剛,王茹,田豐. 基于MVRVM回歸和RVM二叉樹分類的自確認氣動執行器故障診斷算法[J]. 傳感技術學報,2015,28(6):842-84.

[12] Chen Y,Yang J,Xu Y,et al. Status Self-Validation of Sensor Arrays Using Gray Forecasting Model and Bootstrap Method[J]. IEEE Transactions on Instrumentation and Measurement,2016,65(7):1626-164.

[13] Chen Y,Xu Y,Yang J,et al. Fault Detection,Isolation,and Diagnosis of Status Self-Validating Gas Sensor Arrays[J]. Review of Scientific Instruments,2016,87(4):045001.

[14] 陳寅生. MOS氣體傳感器陣列的自確認方法研究[D]. 哈爾濱:哈爾濱工業大學,2017:110-126.