基于传感器阵列的危险污染气体检测系统设计与研究

作     者：龚洋 

作者单位：盐城工学院 

学位级别：硕士

导师姓名：关荣锋

授予年度：2023年

学科分类：08[工学] 0804[工学-仪器科学与技术] 

主      题：混合气体检测 半导体传感器 传感器阵列 BP神经网络 布谷鸟搜寻算法 

摘      要：在工业场所、车站、医院、住宅等人群聚集场所,开展对某些特殊类型污染物的检测,是实现此类场所空气污染控制的关键。通常情况下,对于某些气体的检测,可以采用对所检测对象非常敏感的单一气敏元件,这样就可以实现对其进行检测、监控和报警。但目前已有研究发现,由于各敏感材料与混合气体之间的相互影响,使得其对特定的一种气体的灵敏度在各种情况下都会发生改变,无法实现对混合气体的准确分辨,导致其性能受到极大限制。针对该问题,本文将传感阵列与模式识别技术相融合,构建一种微型、便捷、低成本可用于特殊情况下对特定目标气体进行检测识别的无线探测系统。该系统由电源模块产生±5 V和3.3 V的基准电压输送给信号调理模块,并为STM32单片机进行供电。气体传感器阵列将气体探测元件采集到的模拟电压信号,经ADC调理模块转换为数字信号输出,并传输至STM32单片机上。以单片机为核心控制器,把检测到的温度、湿度、气体浓度等参数信息显示在单片机的OLED显示屏上。同时通过Lo Ra无线通信的方式,把采集到的数据传送给PC上位机。由于传统BP神经网络在混合气体检测中存在检测误差大、对初值与阈值依赖性较强等问题,本文将采用布谷鸟算法优化神经网络的权值和阈值,在迭代过程中,采用模拟退火操作来防止算法陷入局部极值,从而提高算法的稳定性和可靠性;同时,采用发现概率自适应调整策略来生成新的解,以确保算法能够不断地得到更新,来提高算法的性能。以最小化训练样本均方误差为目标,优化得到的参数即初始连接权值和阈值,将其应用于混合气体的定性定量识别。实验采用甲醛、氨气、硫化氢和二氧化硫作为混合气体样本。将传感器阵列的输出电压值作为算法的输入数据,混合气体的浓度值作为输出数据,分别对其进行归一化处理。通过测试获得300组数据并作为数据集,在300组样本数据中随机选择20个样本作为预测样本,对预测结果进行了验证。实验结果表明,用单一BP神经网络对混合气浓度进行预测,其预测准确率为81.7%,而用改进的BP神经网络对混合气浓度进行预测,其预测精度可达91.5%,改进算法更准确,精度更高。