基于人工神經網絡的光纖傳感氣體檢測系統

杜銳

關鍵詞：人工神經網絡；光纖傳感；氣體檢測；系統設計

中圖分類號：TP212.14 文獻標識碼：A

0引言

現階段，由于光纖通信得到了廣泛應用，光纖傳感技術深入發展，光纖傳感氣體的檢測也得到了越來越多的關注。利用傳統光纖傳感氣體檢測系統來檢測混合氣體濃度具有局限性，如可調范圍小、硬件結構復雜、檢測過程煩瑣，只能檢測特定氣體的濃度，且檢測準確性不高。人工神經網絡算法彌補了傳統算法在檢測、識別、優化和數據信息處理等方面的不足，因其特有的非線性組合適應性處理數據信息濃度的能力，被廣泛應用于模擬人類認知工業控制和人工智能等領域。人工神經網絡因其本身具有的各種優點，在光纖傳感氣體檢測工作中，可以準確地檢測出混合氣體中不同氣體的濃度。因此，本文利用人工神經網絡算法設計了光纖傳感氣體檢測系統。

1光纖傳感氣體檢測系統設計

1.1系統硬件設計

本系統的硬件設計主要包含3個模塊：光源模塊、光柵恒溫模塊和光電轉換模塊，如圖1所示。

參照光纖傳感氣體檢測系統的整體設計方案，光源將收集到的電信號轉換為光信號，保證光波在光纖傳感器中正常傳播；經過光柵恒溫模塊，將因外界因素而產生折射率漂移的光波通過內部運算放大器整合成折射率正常的光波；然后經光電轉換模塊將光信號轉換為電信號，傳輸給系統軟件部分，最終將數據處理的結果輸出，完成檢測氣體的目標。

1.1.1光源模塊

在光纖傳感氣體檢測系統中，為了將采集到的光信號轉換成電信號，本系統選擇超輻射發光二極管（super luminescent diode，SLD）光源作為光源驅動模塊。SLD光源模塊中的主要芯片是AND8831。當采集到電信號時，AND8831芯片可以通過內部電流分壓器來設定SLD光源的目標電壓值。當SLD的電壓超出目標電壓時，SLD模塊中的電阻溫度傳感器（resistance temperature detector，RTD）即溫度傳感器會檢測到變化，并產生相應的電流變化。而后AND8831感知到這種變化，AND芯片帶有高穩定性、低噪聲的PID補償放大器，可對這種變化進行補償操作，最終反映到半導體（TEC），TEC通過升高或者降低電流來穩定SLD的電壓，使其達到目標電壓，進而實現光纖傳感系統中的電信號轉換為光信號。

1.1.2光柵恒溫模塊

光柵恒溫模塊的電路主要是確保光纖傳感系統中光波的折射率不發生改變。在光纖傳感中，由于外界環境條件或者人為操作的干擾，光纖傳感器中的紅外光波波段的反射率和折射率會產生一定的漂移現象，導致氣體檢測系統的檢測準確性變差。因此為了維持光波的正常折射率，本系統中采用光柵恒溫模塊來保持光波的正常傳播以及系統的穩定性。光柵恒溫模塊將溫度傳感器的感知信號TC和設定溫度電流TS相比較，將電壓控制在一個恒定的值，從而控制了溫度恒定。其中，溫度傳感器可以感知周圍環境的溫度，經內部轉換電路，把溫度轉換為電壓，通過電壓跟隨器，可以將輸入電壓與預設的電壓值進行比較。這一過程涉及一個運算器，它將同時對電壓跟隨器的兩個輸入端進行比較，并計算它們之間的差值。然后經反饋放大電路，反復調節流過二極管中的電流，使二極管產生不同的目標溫度，來實現標準光柵模塊的溫度恒定，從而保證了光纖傳感系統中光波的折射率，進而保證了系統的檢測精度和穩定性。本系統選用的標準光柵模塊是FBG，其主要性能參數如表1所示。

1.1.3光電轉換模塊

光電轉換模塊在系統中的主要作用是將傳感器中已經處理完成的光波信號以電壓信號形式反映出來。光電轉換模塊主要性能參數如表2所示。

光電轉換模塊主要包括前置放大電路與運算放大器。由于前置放大器的增益很高，因此可以探測到光纖傳感系統中很微弱的光波信號。前置放大電路與硬件部分中的光柵恒溫模塊的兩端直接相連，其中的光電二極管正接于運算放大器的輸入端，采集到的光波信號經二極管轉換成電壓信號，從而實現光電轉換。

1.2系統軟件設計

光纖傳感器氣體檢測系統是將采集到的光波經光源模塊轉換成電信號，再通過光電轉換模塊轉換成電壓信號，以便于系統的識別和檢測。為了提高檢測系統的檢測精度，將人工神經網絡算法應用到系統中，實現對某種單一氣體和混合氣體的分類檢測。本系統的軟件設計結構如圖2所示。

要實現對某種氣體的定性檢測，需要考慮人工神經網絡的輸入單元和輸出單元以及每個單元的神經元數目等方面。

輸入單元和輸出單元的網絡設計。人工神經網絡的輸入和輸出單元的神經元數目是根據具體的實驗類型來設置的。在本系統人工神經網絡的輸入單元中，輸入單元的數目為，n，檢測類別的數目為m，確定輸入單元的神經元數目為T，訓練樣本為X。若訓練樣本X的類別屬于第j類，則神經網絡的輸出單元輸出的結果Y計算式如下：

光纖傳感技術與人工神經網絡的結合使用能夠高效、精確地實現對某一種氣體的定性檢測，同時本系統還可以對混合氣體進行定量檢測分析。

假設某種混合氣體是由a種不同氣體混合而成，其濃度分別為c₁，C₂，…，c_a，收集該混合氣體在光纖傳感器中的光波信息，經光電轉換模塊轉換為電壓信號，將其向量輸入到神經網絡的輸入單元層，那么系統對該混合氣體的響應就是一個非線性組合。若矩陣的維數是m，則系統的響應可以表達為：

通過設計系統中人工神經網絡的輸入單元數、輸出單元數、隱藏單元數以及調整網絡的權值和閾值，再對神經網絡進行算法訓練，最后把采集到的實驗數據經硬件部分各模塊的處理，再傳輸給系統軟件部分的人工神經網絡的輸入單元中，得到輸出結果，實現對單一氣體的定性檢測和對混合氣體的定量檢測。

2系統測試

2.1實驗說明

為了驗證本文設計的氣體檢測系統的可行性，利用對比實驗的方式對本系統進行測試。本次實驗中，在實驗室條件下由專業的配氣裝置調配一定濃度的混合氣體，其中包括CO₂、H₂S和CH₄等3種氣體，另外對這3種氣體再分別調配3組不同濃度的混合氣體，由此可以獲得9組混合氣體的實驗樣本。在系統軟件部分的人工神經元網絡的隱藏單元設定20個神經元；輸入單元的神經元數目設定為8個；輸出單元的神經元為待檢測氣體的類別數即3個。輸出單元的輸出結果則表示9組混合氣體中的不同氣體濃度值。其氣體檢測的網絡結構如圖2所示。

2.2對比結果

在本次實驗中，分別采用本文設計的氣體檢測系統和傳統氣體檢測系統對上述9組不同濃度的混合氣體進行檢測，在這9組樣本中選取其中3組作為實驗的測試樣本，剩余6組作為訓練樣本，分別統計兩種檢測系統的網絡輸出值并計算每種氣體檢測結果的平均相對誤差。平均相對誤差計算公式如下：

網絡輸出的濃度值越接近氣體實際濃度值，且平均相對誤差越小，則說明該氣體檢測系統的檢測效果越好。兩種檢測系統的檢測對比結果如表3所示。

由表3可知，相較于傳統氣體檢測系統，本文設計的光纖傳感氣體檢測系統對CO₂、H₂S和CH₄的網絡輸出值更接近氣體的實際濃度值，且其對每種氣體濃度檢測的平均相對誤差均低于傳統檢測系統。因此本文設計的光纖傳感氣體檢測系統可以很好地檢測出多種混合氣體中不同氣體的濃度值，在光纖傳感氣體檢測領域中有一定的應用價值。

3結語

本文設計了基于人工神經網絡的光纖傳感氣體檢測系統，通過設計系統硬件與軟件部分，實現了對多種混合氣體的濃度檢測。系統測試表明，本文設計的氣體檢測系統具有極高的有效性，可以達到實際應用要求。