|
1 引 言 金屬氧化物氣體傳感器的選擇性通常較差，具體來說，基于SnO2的CO傳感器對H2，CH4等多種還原性或易燃性氣體的交叉響應非常明顯。針對這個問題，目前常用的方法是對傳感器進行溫度調制。在這種工作方式下，傳感器對不同的氣體呈現不同的響應特性，利用模式識別技術對響應信號進行處理就有可能對被測氣體的類別和濃度給出判定。Haifeng Ge等人對單個氣體傳感器進行溫度調制，利用支持向量機算法實現了對H2，CO及其混合氣體的定性識別，但是沒有給出定量分析的結果；太惠玲等人利用4個SnO2氣體傳感器構成的陣列實現了對CO和H2混合氣體的定量分析。 支持向量機是近年來模式識別領域新的研究熱點，它解決了在人工神經網絡方法中無法避免的局部極值問題，具有很好的泛化能力，此外，它在學習速度方面的性能也優于神經網絡。 本文利用周期加熱電壓對單個SnO2氣體傳感器進行溫度調制，結合支持向量機算法，對CO／H2混合氣體進行定量分析，估算CO／H2混合氣體或空氣中CO的濃度。 2 實 驗 傳感器型號為MQ307A，其敏感部分是一個微型小球，內嵌加熱絲和金屬電極。傳感器的輸出信號經數據采集卡采樣后，發送到計算機(PC)進行處理。由于氣體傳感器的性能易受環境溫、濕度的影響，整個測試過程在溫度為25℃、相對濕度為30％的環境中完成。 3 結果與討論 3.1 加熱電壓波形對傳感器響應的影響 圖1(a)，(b)，(c)分別是傳感器在正弦波、占空比為40％的方波以及三角波調制下對5×10-4單一CO和5×10-4單一H2的響應曲線，其中加熱電壓周期都為30 s，幅值為1 V。對這三種響應信號進行主成分分析(PCA)，結果如圖2所示。可見，在正弦波或三角波電壓的調制加熱下，傳感器對CO和H2的響應曲線更易于區分。 圖3給出了傳感器分別在正弦電壓和三角波電壓的調制下，對不同濃度CO的響應靈敏度。此處，靈敏度的定義為 式中：VP為傳感器在被測氣體中的響應峰值；VP(CO，10-4)為傳感器在10-4 CO中的響應峰值。 可以看出，利用正弦加熱電壓獲得的靈敏度高于利用三角波電壓得到的結果。O．R．Gutierrez等人也曾指出，在定量分析中，緩慢變化的正弦波有助于分辨一個周期中可能出現的多個與靈敏度相關的峰值。因此，選用正弦波作為傳感器的調制電壓。 3.2 加熱電壓周期對傳感器響應的影響 圖4(a)給出了正弦加熱電壓周期分別為20，40，60，80，100 s時，傳感器對2×10-4單一CO和6×10-4單一CO的響應曲線。由圖4(b)可以看到，響應峰值隨加熱電壓周期的增大而增大，因此，增大加熱電壓周期有利于提高傳感器的檢測下限。圖4(c)顯示了傳感器分別對6×10-4CO和8×10-4 CO的響應靈敏度隨加熱電壓周期變化的趨勢，由圖可見，傳感器靈敏度與加熱電壓周期為非線性關系。 從檢測下限、靈敏度以及響應速度等多個方面綜合考慮，最終確定正弦加熱電壓的周期為30 s。 3.3 CO／H2混合氣體定量分析 圖5給出了傳感器在不同濃度Co／H2混合氣體中的響應曲線，其中CO的濃度范圍為2×10-4～1×10-3。可以看到，在響應時間約為24 s處(設為tf)，在同一濃度的H2背景下，傳感器對不同濃度CO的響應曲線集中于某一個值附近，而且此響應值隨H2濃度的增大而增大。由于這一良好的特性，將傳感器靈敏度S和tf時刻的響應值作為特征向量，用于訓練SVM模型。 訓練過程如下： 對于被測氣體為CO／H2混合氣體的情況。首先，將混合氣體中H2的實際濃度作為期望值，將傳感器在tf時刻的響應值作為一維輸入向量，訓練模型SVM1，利用SVM1估計混合氣體中H2的濃度CH2。其次，將混合氣體中CO的實際濃度作為期望值，將SVM1估計的H2濃度CH2傳感器靈敏度S組成二維輸入向量[CH2S]，訓練模型SVM2，利用SVM2估計CO／H2混合氣體中CO的濃度。 對于被測氣體為單一CO的情況，將CO的實際濃度作為期望值，傳感器靈敏度作為一維輸入向量，訓練模型SVM3，利用SVM3估計空氣中CO的濃度。 圖6是利用SVM模型估計CO／H2混合氣體和潔凈空氣中CO濃度的過程。基于35個訓練樣本，對25個獨立的測試樣本進行了定量分析，結果如圖7所示。 由圖7(a)可見，SVM對混合氣體中CO濃度的估計值與實際值接近，平均估計誤差為10.45％，其中最小估計誤差為0.31％，最大估計誤差為23.53％，最大誤差發生在2×10-4 CO／2.5×10-3H2的測試樣本中。圖7(b)是對空氣中CO濃度的估計，平均估計誤差為6.03％，其中最小估計誤差1.88％，最大估計誤差為8.18％。 4 結 論 對單個SnO2傳感器進行溫度調制，考察加熱電壓對傳感器性能的影響。在正弦電壓調制下，傳感器對CO和Hz的響應曲線易于區分，且正弦電壓有利于對CO作定量分析。獲取傳感器在不同濃度的CO／H2混合氣體中的動態響應，利用SVM算法估計混合氣體中CO的濃度，平均估計誤差為10.45％。本文提出的方法能夠有效地提高CO傳感器抗H2干擾的能力。 |
