[發明專利]一種氣敏-氣相色譜多源感知和電子鼻儀器在線檢測方法有效
| 申請號: | 202010077146.1 | 申請日: | 2020-01-23 |
| 公開(公告)號: | CN111443159B | 公開(公告)日: | 2021-02-12 |
| 發明(設計)人: | 高大啟;盛明健;王澤建;萬培耀;賀德貴;邢利民 | 申請(專利權)人: | 湖州老恒和釀造有限公司 |
| 主分類號: | G01N33/00 | 分類號: | G01N33/00;G01N30/88;G06N20/00 |
| 代理公司: | 浙江千克知識產權代理有限公司 33246 | 代理人: | 楊學強 |
| 地址: | 313000 浙*** | 國省代碼: | 浙江;33 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 色譜 感知 電子 儀器 在線 檢測 方法 | ||
1.一種氣敏/氣相色譜感知信息相融合的電子鼻儀器在線檢測方法,其特征是,電子鼻儀器包括氣敏傳感器陣列模塊(I)、毛細管氣相色譜柱模塊(II)、氣體自動進樣系統模塊(III)、計算機控制與分析模塊(IV),以及輔助氣源(V);所述電子鼻儀器實現多個生物發酵過程或多個惡臭污染點的長期循環在線檢測與智能分析;
所述的氣敏傳感器陣列模塊(I)包括氣敏傳感器陣列(I-1)、氣敏傳感器陣列環形工作腔(I-2)、電阻加熱元件(I-3)、第一風扇(I-4)、第一隔熱層(I-5)和隔板(I-6);所述氣敏傳感器陣列模塊(I)位于電子鼻儀器右中部;
所述的毛細管氣相色譜柱模塊(II)包括毛細管氣相色譜柱(II-1)、檢測器(II-2)、放大器(II-3)、記錄儀(II-4)、進樣口(II-5)、電阻加熱絲(II-6)、第二風扇(II-7)和第二隔熱層(II-8);所述毛細管氣相色譜柱模塊(II)位于電子鼻儀器右上部;
所述的氣體自動進樣系統模塊(III)包括:第一~第五二位二通電磁閥(III-1~III-5)、5個第一凈化器(III-6)、第一微型真空泵(III-7)、第一流量計(III-8)、第六二位二通電磁閥(III-9)、第一節流閥(III-10)、二位三通電磁閥(III-11)、三位四通電磁閥(III-12)、第二微型真空泵(III-13)、第七二位二通電磁閥(III-14)、第八二位二通電磁閥(III-15)、穩壓閥(III-16)、第一減壓閥(III-17)、第二節流閥(III-18)、第二凈化器(III-19)、第二減壓閥(III-20)、第三凈化器(III-21)、第三節流閥(III-22)、第二流量計(III-23)、第四節流閥(III-24)、第五節流閥(III-25);所述氣體自動進樣系統模塊(III)位于電子鼻儀器右下方;
所述的計算機控制與分析模塊(IV)包括計算機主板(IV-1)、A/D數據采集卡(IV-2)、驅動與控制電路板(IV-3)、4路精密直流穩壓電源(IV-4)、顯示器(IV-5)、WIFI模塊(IV-6);所述計算機控制與分析模塊(IV)位于電子鼻儀器左側;
一個生物發酵過程/發酵罐或一個惡臭污染點被簡稱為檢測點;電子鼻儀器對一個檢測點的被測氣體進樣單周期默認為T0=480s;在氣體進樣單周期T0內,一個檢測點的被測氣體被第一微型真空泵(III-7)和第二微型真空泵(III-13)分別抽吸到氣敏傳感器陣列模塊(I)和毛細管氣相色譜柱模塊(II)內,氣敏傳感器陣列(I-1)和毛細管氣相色譜柱(II-1)產生敏感響應,電子鼻儀器因此得到1組氣敏傳感器陣列響應曲線和1幅氣相色譜圖,這是電子鼻儀器感知一個被測氣體樣品而得到的氣敏/氣相色譜模擬信號;
在氣體進樣單周期T0內,毛細管氣相色譜柱模塊(II)的被測氣體進樣時間比氣敏傳感器陣列模塊(I)提前進行;T0=480s時前者比后者提前400s;氣敏傳感器陣列模塊(I)與毛細管氣相色譜柱模塊(II)的被測氣體進樣流量、進樣持續時間與累積進樣量不相等,計算機控制與分析模塊(IV)對氣敏傳感器陣列模塊(I)與毛細管氣相色譜柱模塊(II)的信息選擇與分析操作同時進行;
在氣體進樣單周期T0內,電子鼻儀器感知一個檢測點的被測氣體,得到一個m維感知向量x(τ)∈Rm,稱之為樣本;電子鼻儀器對5個檢測點的氣體循環進樣周期為T=5T0,依次得到5個樣本,依次存儲在計算機控制與分析模塊(IV)的5個對應數據文件里,通過WIFI路由模塊(IV-6)將樣本數據發送到云端和指定的固定/移動終端;若氣體進樣單周期T0=480s,則5個檢測點的氣體循環進樣周期為T=2400s,相當于一個發酵罐或一個惡臭污染點每隔40min檢測一次;
電子鼻儀器、色/質譜儀器和專業人員對大量生物發酵過程或惡臭污染點的在線/離線檢測與感知形成氣味大數據X;在學習階段,計算機控制與分析模塊(IV)的機器學習模型離線學習數據集X以確定結構和參數,在線學習氣敏/氣相色譜近期感知信息以微調機器學習模型參數;在決策階段,機器學習模型依據氣敏/氣相色譜當前感知向量x(τ)在線確定生物發酵類型與惡臭污染類型,量化預測發酵液主要成分濃度或國標GB14554指定的臭氣濃度OU值與8種惡臭成分濃度。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于湖州老恒和釀造有限公司,未經湖州老恒和釀造有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010077146.1/1.html,轉載請聲明來源鉆瓜專利網。





