详情

原文传递一种厨房环境中多组分有害气体检测装置及检测方法

专利名称：	一种厨房环境中多组分有害气体检测装置及检测方法
摘要：	本发明公开了一种厨房环境中多组分有害气体检测装置及检测方法，该检测装置包括进样模块、供电模块、气室及传感器模块、信号处理模块、AD转换模块、单片机最小系统模块、串口模块。在外界匀速向气室进气的情况下，传感器可快速稳定、响应并恢复电压基线，其输出的电压响应可被单片机接收并处理，向上位机输出混合气中一氧化碳、甲烷和甲醛等三种组分的浓度检测结果。该装置功能完善，体积小，操作方便，准确性、稳定性、重复性较好，可作为核心装置投入厨房环境中有害气体检测仪器的生产制造中。
专利类型：	发明专利
国家地区组织代码：	浙江;33
申请人：	浙江大学
发明人：	王平;张钧煜;薛莹莹;万浩;陈远涛;张涛
专利状态：	有效
申请日期：	2019-09-09T00:00:00+0800
发布日期：	2019-11-08T00:00:00+0800
申请号：	CN201910848479.7
公开号：	CN110426421A
代理机构：	杭州求是专利事务所有限公司
代理人：	刘静
分类号：	G01N27/12(2006.01);G;G01;G01N;G01N27
申请人地址：	310058 浙江省杭州市西湖区余杭塘路866号
主权项：	1.一种厨房环境中多组分有害气体检测装置，其特征在于，该装置包括进样模块(1)、供电模块(2)、气室及传感器模块(3)、信号处理模块(4)、AD转换模块(5)、单片机最小系统模块(6)、串口模块(7)。所述进样模块(1)包括气泵、干燥过滤管和加热室，用于匀速往气室及传感器模块(3)通入经干燥、过滤和控温后的气体；所述气泵用于使进样时和传感器清洗时的气体流速一致且不变，确保传感器输出的电压信号在传感器清洗前后的相对稳定；所述干燥过滤管，内部采用变色硅胶填充，用于过滤进样气体中的颗粒物杂质和水汽，并通过颜色变化指示硅胶性能状况；所述气泵、干燥过滤管和加热室依次连接。所述供电模块(2)用于为进样模块(1)和单片机最小系统模块(6)提供所需的不同电压，由+12V开关电源供电。所述气室及传感器模块(3)包括气室和传感器阵列，所述气室主体为长方体结构，气室内部上方有一个气体检测室，气体检测室侧面开有进气孔(9)，所述进气孔(9)连接有进气管(8)，气室内的底部开有6个MOS传感器圆槽(10)用于传感器的固定和替换，在气室的底部还开有3mm高度的底部空槽(12)，并且在气室的底部与进气孔(9)相对的一侧开有出气槽(13)，所述底部空槽(12)与出气槽(13)连通，所述出气槽(13)的底部设有温湿度传感器位点(11)，在出气槽(13)的侧面开有出气孔(14)，所述出气孔(14)连接出气管(15)，用于待检测的气体从气室底部的底部空槽(12)汇合后经出气管(15)排出；所述传感器阵列包括6个MOS传感器和1个温湿度传感器；所述MOS传感器设置在MOS传感器圆槽中，MOS传感器的头部位于气体检测室中，与进气孔(9)的高度一致；所述温湿度传感器设置在出气槽的底部的温湿度传感器位点(11)处，用于检测加热后流过传感器阵列的气体的实际温度和湿度。所述信号处理模块(4)采用差分放大电路和RC滤波，用于对传感器阵列的输出信号进行差分放大和滤波处理，调节输出信号变化范围。所述AD转换模块(5)用于快速完成差分放大和滤波处理后的传感器的电压信号的AD转换，输入到单片机最小系统模块(6)。所述单片机最小系统模块(6)装载有检测待测气体浓度的算法模型，用于将接收的信号直接在下位机进行分析运算并得出最终结果，通过串口模块(7)发送至上位机。所述串口模块(7)采用USART串口，通过串口转USB信号线向上位机发送检测的结果。 2.根据权利要求1所述的一种厨房环境中多组分有害气体检测装置，其特征在于，所述气泵为实验室用微型真空泵，通过PWM波实现流速调节，整个检测过程中气泵都一直运行；气泵也可由配气仪或其他进样仪器代替。 3.根据权利要求1所述的一种厨房环境中多组分有害气体检测装置，其特征在于，所述加热室由铜管、加热片、导热胶、固定架等组成；加热室采用高性能耐热尼龙3D打印而成，内部可装入4支外径6mm内径4mm的铜管。 4.根据权利要求1所述的一种厨房环境中多组分有害气体检测装置，其特征在于，所述供电模块(2)采用稳压芯片UA7805和REG1117-3.3来分别产生+5V电压和+3.3V电压，并使用两个贴片LED灯串联一个电阻后接于稳压芯片输出与地之间，用于指示电压转换是否正常。 5.根据权利要求1所述的一种厨房环境中多组分有害气体检测装置，其特征在于，所述气室材质为树脂，气室内部使用未来8000树脂填充了大部分无用空间，使得气室内部气体容积进一步减小，缩短清洗传感器的时间；气室的进气管(8)和出气管尺(15)寸均为外径6mm、内径4mm，作为气路连接的硅胶管尺寸为外径8mm，内径4mm，以保证良好的气密性。 6.根据权利要求1所述的一种厨房环境中多组分有害气体检测装置，其特征在于，所述传感器阵列的一种组合为：气敏传感器MP-9、MP-4、MP503、TGS821、TGS816、TGS2602以及数字温湿度传感器SHT20。 7.根据权利要求1所述的一种厨房环境中多组分有害气体检测装置，其特征在于，所述传感器阵列检测的有害气体为厨房环境中的一氧化碳、甲烷和甲醛，检测的干扰气体氢气和乙醇。 8.一种利用上述检测装置的厨房环境中多组分有害气体检测方法，其特征在于，该方法包括以下步骤： (1)传感器预热检测装置的传感器需要在没有进气的情况下预热至少半小时，使传感器充分预热。 (2)传感器清洗单片机最小系统模块(6)通过继电器接通进样模块(1)中的气泵，使其将标准空气以1000毫升/分钟的恒定流速通入气室，清洗传感器阵列，去除杂质干扰，持续至少30分钟，直到传感器阵列的输出电压平稳后，并且每个传感器电压都降到预先设定的电压基线值以下，进入能够进样与检测的状态，执行步骤(3)。 (3)进样与检测，具体包括以下步骤： (3.1)进样并采集传感器特征值，具体为：将在进样模块(1)中干燥、过滤和控温后的待测气体通入气室进行检测，持续5分钟，期间单片机最小系统模块(6)采样传感器阵列输出的电压信号，等时间间隔采样，通过信号处理模块(4)和AD转换模块(5)将电压信号转换为数字信号，进而得到传感器的特征值数据并保存，传感器的特征值数据包括进样前基线值、电压最大正斜率、电压响应峰值、电压峰面积、恢复电压基线时间、温度特征值和湿度特征值，单片机最小系统模块(6)装载有BP人工神经网络；所述进样前基线值为单次检测过程之前，经过差分放大处理的传感器输出电压值，记为Bi，i＝1,2,3,4,5,6；所述电压响应峰值为单次检测过程中，经过差分放大处理的传感器输出的最大电压值，记为Pi，i＝1,2,3,4,5,6；所述电压峰面积为单次检测进样过程中，电压响应上升，传感器的输出电压相对进样前基线值的电压差值的累加和；所述电压最大正斜率为单次检测的进样过程中，电压响应上升时的响应曲线的斜率最大值；所述恢复电压基线时间为从单次检测的清洗过程开始的采样点计数，当电压下降至检测前基线的电压时，则认为清洗完全，以此时采样点的个数作为恢复电压基线的时间；所述温度特征值和湿度特征值为：在传感器峰值时提取的温湿度传感器数值，与峰值前后相邻的两个采样点的温湿度传感器数值进行三点求平均值，得到最终温度特征值和湿度特征值。对采样的进样前基线值和电压响应峰值进行处理，得到响应峰值时刻第i个传感器电阻与进样前基线时传感器电阻的比值，即电阻比，记为Ri，公式如下： (3.2)将传感器采集并处理的特征值作为训练集，训练BP人工神经网络，具体为：BP人工神经网络的输入层神经元26个，中间隐层神经元9个，输出层神经元3个，3个输出层神经元分别代表一氧化碳、甲烷和甲醛的气体浓度值，输入层和中间层的每一个神经元的初始权值和阈值随机生成，损失函数采用均方误差，为三种待检测气体的浓度计算值与实际值的均方误差和。输入层-中间层激活函数为tansig,因此每个中间层神经元的输出mid_output可由下式计算。其中，n表示单个神经元的多个输入与其各自权值、阈值计算后累加得到的结果。 mid_output＝tansig(n)＝2/(1+exp(-2*n))-1 而中间层-输出层激活函数为purelin,因此每个输出层神经元的输出output可由下式计算。 output＝purelin(n)＝n 将6个电压响应峰值时刻的传感器电阻与进样前基线时的传感器电阻的比值、6个电压最大正斜率、6个电压峰面积、6个恢复电压基线时间、1个温度特征值和1个湿度特征值作为训练集输入到单片机最小系统模块(6)装载的BP人工神经网络中，通过贝叶斯正则化算法进行训练BP人工神经网络，最终确定的输入层和中间层的每一个神经元的权值和阈值，得到训练好的BP人工神经网络。 (3.3)将传感器采集的待检测气体的26个特征值输入到BP人工神经网络中，经过BP人工神经神经网络计算，输出3种待检测气体浓度，并将计算结果通过串口模块(7)发送至上位机。 (4)清洗状态检测完成后，进样气泵将标准空气以1000毫升/分钟的恒定流速通入检测气室，清洗传感器阵列10分钟以上，直到每个传感器都恢复电压基线值以下，然后重复步骤(3.3)和(4)可继续进样并检测，直到人为停止检测。 9.根据权利要求8所述的方法，其特征在于，所述单片机最小系统模块(6)还可以载入经典主成分分析算法优化的BP人工神经网络，经典主成分分析算法针对BP人工神经网络的26个输入特征值进行预先优化处理，计算原输入的协方差矩阵，其特征根为主成分方差，将特征根从大到小排列，取前4个特征根所对应的特征向量作为主成分的系数，根据系数与输入的26个特征值，可得到4个主成分Fi＝ai0+ai1x1+ai2x2+…+ai26x26,i＝1,2,3,4作为新特征值，其中aij为计算得到的系数，i＝1,2,3,4，j＝1,2…26，x1～x26为输入的26个特征值。此时BP人工神经网络为输入层神经元4个，中间隐层神经元9个，输出层神经元3个，将4个主成分作为训练集，通过贝叶斯正则化算法训练BP人工神经网络，确定的输入层和中间层的每一个神经元的权值和阈值，得到训练好的BP人工神经网络，用于进样与检测。 10.根据权利要求8所述的方法，其特征在于，所述单片机最小系统模块(6)还可以载入经典偏最小二乘算法优化的BP人工神经网络，将训练集中的26个特征值输入作为自变量，将3种待检测气体实际浓度输出作为因变量，经典偏最小二乘算法分别在自变量和因变量中提取成分t1和u1，t1为自变量的线性组合，u1为因变量的线性组合，使t1和u1两者的协方差达到最大。记t1和u1为第一成分。用提取完第一成分的残差继续提取第二成分，重复该步骤，取前四个成分，同时得到四个成分中的ti与各个输入自变量之间的系数aij,i＝1,2,3,4，j＝1,2…26。根据经典偏最小二乘法得到的四组系数针对BP人工神经网络的26个输入特征值进行预先优化处理，计算出四个成分Fi＝ai0+ai1x1+ai2x2+…+ai26x26,i＝1,2,3,4作为新特征值，其中x1～x26为输入的26个特征值。此时BP人工神经网络为输入层神经元4个，中间隐层神经元9个，输出层神经元3个，将4个成分作为训练集，通过贝叶斯正则化算法训练BP人工神经网络，确定输入层和中间层的每一个神经元的权值和阈值，得到训练好的BP人工神经网络，用于进样与检测。
所属类别：	发明专利