[發(fā)明專利]基于人工智能學(xué)習(xí)機的電子鼻中非目標(biāo)干擾氣味的在線識別和抑制方法

有效

• 申請?zhí)枺?/td>: 201210336450.9
• 申請日: 2012-09-13
• 公開（公告）號: CN102866179A
• 公開（公告）日: 2013-01-09
• 發(fā)明（設(shè)計）人: 田逢春;張磊;胡波;郭潔蓮;馮敬偉;黨麗君;黃智勇;李國瑞;葉奇;肖博
• 申請（專利權(quán)）人: 重慶大學(xué)
• 主分類號: G01N27/00
• 分類號: G01N27/00;G06N3/08;G06N3/12
• 代理公司: 重慶大學(xué)專利中心 50201
• 代理人: 唐開平

技術(shù)領(lǐng)域

本發(fā)明涉及一種電子鼻的氣體檢測領(lǐng)域，具體涉及一種基于人工智能學(xué)習(xí)機的電子鼻中非目標(biāo)干擾氣味的在線識別和抑制方法。

背景技術(shù)

由于金屬氧化物傳感器對環(huán)境參數(shù)較為敏感，在實時應(yīng)用時極易受到環(huán)境因素比如溫度、濕度、外界非目標(biāo)干擾氣味等的影響。對溫度、濕度的影響，目前已經(jīng)得到大量研究，比如，有的通過設(shè)定相同的溫度和濕度來避免因其變化而對傳感器帶來的影響；有的通過在不同的溫度和濕度下進行實驗樣本的采集，通過神經(jīng)網(wǎng)絡(luò)泛化性而忽視由于溫度和濕度帶來的影響。另外，傳感器漂移也是影響電子鼻預(yù)測能力的一種因素，目前已經(jīng)有大量針對漂移補償?shù)难芯俊?/p>

然而，對非目標(biāo)干擾氣味或者說非目標(biāo)氣體影響的研究到目前一直處在難以克服階段。而大多數(shù)金屬氧化物氣體傳感器對非目標(biāo)干擾氣味比如酒精、香水、水果等敏感度極高，因此基于金屬氧化物氣體傳感器的電子鼻在非目標(biāo)干擾氣味環(huán)境下根本無法正常工作，而并不像電化學(xué)傳感器對要檢測的目標(biāo)氣體選擇性較好。在實際應(yīng)用中，非目標(biāo)干擾氣味產(chǎn)生的信號能量通常遠遠高于溫濕度和漂移等干擾產(chǎn)生的信號能量.

因此，該問題的難點也就在于非目標(biāo)氣味干擾源不同于高斯白噪聲或環(huán)境對傳感器造成的微弱影響，非目標(biāo)干擾氣味造成的傳感器響應(yīng)幅度遠遠高于本電子鼻所測量的目標(biāo)氣體甲醛、苯、甲苯、一氧化碳、二氧化氮和氨氣，即非目標(biāo)干擾氣味造成的傳感器陣列響應(yīng)與期望的目標(biāo)信號是極為相似，因此通過常用的電子鼻信號預(yù)處理方法，例如平滑濾波、小波、獨立分量分析、主成分分析、自適應(yīng)濾波等，根本無法將這類非目標(biāo)干擾氣味抑制，將導(dǎo)致電子鼻所要檢測的目標(biāo)氣體濃度完全預(yù)測錯誤。比如，在干凈的環(huán)境中，甲醛濃度應(yīng)很低，但是在非目標(biāo)氣味干擾的影響下，甲醛濃度會比較高，從而造成電子鼻檢測器產(chǎn)生誤報警。從目前的國內(nèi)文獻研究中，未曾看到有關(guān)抑制非目標(biāo)干擾氣味對基于金屬氧化物傳感器陣列的電子鼻干擾研究的報道。

發(fā)明內(nèi)容

本發(fā)明所要解決的第一個技術(shù)問題就是提供一種基于人工智能學(xué)習(xí)機的電子鼻對非目標(biāo)干擾氣味的識別方法，它能識別目標(biāo)氣體和非目標(biāo)干擾氣味，并給檢測的信號賦予類別標(biāo)志。

本發(fā)明所要解決的第二個技術(shù)問題就是提供一種基于人工智能學(xué)習(xí)機的電子鼻對非目標(biāo)干擾氣味的抑制方法，它能抑制非目標(biāo)干擾氣味造成的干擾，準(zhǔn)確檢測出目標(biāo)氣體的含量。

為了解決本發(fā)明所提出的第一個技術(shù)問題，本發(fā)明包括以下步驟：

步驟1、目標(biāo)氣體和典型非目標(biāo)干擾氣味樣本的采集

本步驟將待檢測氣體視為目標(biāo)氣體，將待檢測氣體之外的氣味統(tǒng)一視為非目標(biāo)干擾氣味，調(diào)整實驗箱體的溫度和濕度，對不同濃度的目標(biāo)氣體和典型非目標(biāo)干擾氣味分別進行采樣實驗；

步驟2、傳感器陣列信號預(yù)處理

將上述采集的傳感器陣列信號進行平滑濾波和歸一化，平滑濾波的公式如下：

其中，X為平滑濾波后的信號，X(i)表示第i次觀測，n為平滑濾波器長度，S為傳感器所測信號，N為傳感器所測信號的個數(shù)。

歸一化的公式為???????X’=X/4095

其中，4095為12位AD轉(zhuǎn)換器的最大值，X’為平衡濾波及歸一化后的傳感器信號；

步驟3、目標(biāo)氣體和非目標(biāo)干擾氣味樣本的特征提取

對目標(biāo)氣體樣本，將氣體在每個傳感器的穩(wěn)態(tài)響應(yīng)點作為用來表達氣體類別和濃度的實時特征點，對于非目標(biāo)干擾氣味樣本，將該氣體在各傳感器的吸附點、最大點、穩(wěn)態(tài)點和解吸附點作為用于實時表征干擾類氣體的最佳特征點；

步驟4、智能學(xué)習(xí)機的離線訓(xùn)練學(xué)習(xí)

將目標(biāo)氣體訓(xùn)練樣本特征和非目標(biāo)干擾氣味訓(xùn)練樣本特征訓(xùn)練一個智能學(xué)習(xí)機，目標(biāo)氣體與非目標(biāo)干擾氣味的訓(xùn)練目標(biāo)通過設(shè)置類別標(biāo)志T加以區(qū)分(比如“0”代表目標(biāo)氣體；“1”代表非目標(biāo)干擾氣味)；

步驟5、人工智能學(xué)習(xí)機對非目標(biāo)干擾氣味的實時在線識別

傳感器陣列檢測信號，對傳感器陣列信號預(yù)處理，與步驟2相同；對預(yù)處理后的當(dāng)前信號X’，依據(jù)智能學(xué)習(xí)機訓(xùn)練學(xué)習(xí)獲得學(xué)習(xí)機內(nèi)部參數(shù)，通過相應(yīng)的參數(shù)計算獲得當(dāng)前信號X’的類別標(biāo)志T。

為了解決兩類樣本不均衡所造成的將樣本數(shù)較少的一類判別為樣本數(shù)較多的一類的問題，在上述步驟3之后增加一個步驟3ˊ；