一种多参数气体传感器的校准方法及测试平台技术

本申请实施例公开了一种多参数气体传感器的校准方法及测试平台。所述方法包括：获取待测气体的标准浓度；根据气体传感器采集待测气体的实际浓度参数，确定待测气体的交叉敏感度系数；根据待测气体的交叉敏感度系数和外部干扰因素建立气体传感器输出模型，并初始化气体传感器输出模型；将气体传感器的参数权重输入气体传感器输出模型进行训练和优化，得到气体传感器校准模型；基于气体传感器校准模型对气体传感器采集的实际气体浓度参数进行校准。本申请实施例通过将外部干扰因素作为校准影响因素纳入气体传感器校准模型中，提高了校准模型的准确率，可以获得更加精确的气体浓度参数。

【技术实现步骤摘要】
一种多参数气体传感器的校准方法及测试平台
本申请涉及气体传感
，具体涉及一种多参数气体传感器的校准方法及测试平台。
技术介绍
气体传感器之间存在交叉干扰特性，单一气体和混合气体之间的定性和定量识别问题一直是气体检测领域难点问题。特别是环境的多变和复杂气体的干扰很难从传感器材料工艺及原理结构上提高测试的准确性和精度，因此，如何对气体传感器进行校准已经成为重要的研究焦点。当前大部分气体检测传感器多为电化学传感器，电化学传感器是通过渗透入传感器内部的目标气体与传感器内部的催化剂发生氧化还原反应，使电极的平衡电位发生变化从而测量出气体浓度。而其他干扰气体也有可能会与传感器内部的催化剂发生反应，或者是抑制目标气体与催化剂的氧化还原反应，对气体检测结果造成正负负交叉干扰。检测结果偏高或偏低均会造成操作人员误判，尤其是像硫化氢、氨气这种有毒有害气体，气体交叉干扰可能会造成报警延误，影响人们的身体健康。因此，如何提供准确校准多参数无源柔性传感器参数的方法成为亟待解决的问题。
技术实现思路
由于现有方法存在上述问题，本申请实施例提供一种多参数气体传感器的校准方法及测试平台。具体的，本申请实施例提供了以下技术方案：第一方面，本申请实施例提供一种多参数气体传感器的校准方法，包括：获取待测气体的标准浓度；根据气体传感器采集待测气体的实际浓度参数，确定待测气体的交叉敏感度系数；根据所述待测气体的交叉敏感度系数和外部干扰因素建立气体传感器输出模型，并初始化所述气体传感器输出模型；将气体传感器的参数权重输入所述气体传感器输出模型进行训练和优化，得到气体传感器校准模型；基于所述气体传感器校准模型对气体传感器采集的实际气体浓度参数进行校准。可选的，所述根据气体传感器采集待测气体的实际浓度参数，确定待测气体的交叉敏感度系数，包括：采集待测气体在无气体干扰环境下的第一浓度值和待测气体在有气体干扰环境下的第二浓度值；根据所述第一浓度值和所述第二浓度值，确定待测气体的交叉敏感度系数；所述交叉敏感度系数为：其中，αij为第i次测量待测气体时在有j干扰气体存在下的交叉敏感度系数，Si-Si-1为待测气体在无气体干扰环境下单位时间间隔内气体传感器的输出值，Sij-S(i-1)j为待测气体在有气体干扰环境下单位时间间隔内气体传感器的输出值，i为第i次测量，j为干扰气体种类。可选的，所述气体传感器输出模型为：其中，yj为干扰气体为j时气体传感器输出模型输出的待测气体浓度值，i为第i次测量，αij为第i次测量待测气体时在有j干扰气体存在下的交叉敏感度系数，Si为气体传感器第i次测量待测气体的输出值，wr表示外部干扰因素，T，H，E为外部干扰因素种类。可选的，所述将气体传感器的参数权重输入所述气体传感器输出模型进行训练和优化，得到气体传感器校准模型，包括：根据气体传感器输出模型输出的待测气体浓度与标准浓度的估计误差值自适应调整气体传感器的参数权重；将每一次调整后的气体传感器参数权重输入所述气体传感器输出模型进行训练和优化，直至所述气体传感器输出模型输出的待测气体浓度与标准浓度的估计误差处于全局误差置信区间内，形成气体传感器校准模型。可选的，所述气体传感器的参数权重是根据待测气体种类、测量次数、外部干扰因素和气体传感器输出模型输出的待测气体浓度与标准浓度的误差值计算得到的。可选的，计算所述气体传感器的参数权重的公式为：estn(k)＝Pn-Cn(k)；其中，wi(k+1)为第k+1次自适应调整气体传感器的参数权重，wi(k)为第k次自适应调整气体传感器的参数权重，η为学习因子，根据不同待测气体种类和外部干扰因素确定；f为改进因子，表示将上次权重变化的影响通过改进因子传递；estn(k)为估计误差，为第k次自适应调整气体传感器的参数权重后气体传感器输出模型输出的第n个待测气体浓度值，Pn为第n个待测气体的标准浓度值，θ表示分别对Cn(k)和wi进行求导。可选的，所述气体传感器校准模型为：其中，C为气体传感器校准模型输出的待测气体预测浓度值，w为自适应调整后的气体传感器参数权重，y为气体传感器输出模型输出的待测气体浓度值。可选的，所述根据气体传感器输出模型输出的待测气体浓度与标准浓度的估计误差值自适应调整气体传感器的参数权重包括：将气体传感器输出模型输出的待测气体浓度与标准浓度的估计误差值与预设误差阈值进行比较，当所述估计误差值大于预设误差阈值时，则认为本次采集气体参数数据有误，重新采集待测气体的浓度参数；当所述估计误差值小于预设误差阈值时，判断所述估计误差是否处于全局误差置信区间内；若所述估计误差不处于全局误差置信区间内，则调整所述气体传感器的参数权重，对所述气体传感器输出模型再次进行优化调整；若所述估计误差处于全局误差置信区间内，则根据当前气体传感器的参数权重建立气体传感器校准模型。可选的，所述全局误差置信区间为[emin,emax]，emin，emax分别为全局误差置信区间最小下限与全局误差置信区间最大上限，具体表示为：其中eP，eC，eave为标准均值、样本均值及波动偏差，β为获取全局误差置信区间最小下限与最大上限计算参数，与待测气体种类、个数及外部干扰因素有关第二方面，本申请实施例提供一种多参数气体传感器的校准测试平台，所述平台包括：动态配气单元，用于为系统的测试提供给定浓度的被测气体环境，实现混合气体配置与测试过程控制；控温测试单元，用于通过控制恒温箱中的温度对测试箱的温湿度进行控制，同时实时监控测试腔内湿度，进而保证测试准确性；数据采集校准单元，用于获取待测气体的标准浓度；根据气体传感器采集待测气体的实际浓度参数，确定待测气体的交叉敏感度系数；根据所述待测气体的交叉敏感度系数和外部干扰因素建立气体传感器输出模型，并初始化所述气体传感器输出模型；将气体传感器的参数权重输入所述气体传感器输出模型进行训练和优化，得到气体传感器校准模型；基于所述气体传感器校准模型对气体传感器采集的实际气体浓度参数进行校准；尾气检测模块，用于实时监测尾气流量值，同时返回尾气实时流量值至信息交互单元；信息交互单元，用于将动态配气单元、控温测试单元及尾气监测单元采集到的信息进行信息交互，传送至数据采集校准单元用于数据分析处理，同时，将数据采集校定单元参数校定后的结果实时显示。第三方面，本专利技术实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的多参数气体传感器的校准方法。第四方面，本专利技术实施例还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述的多参数气体传感器的校准方法。<本文档来自技高网...

【技术保护点】
1.一种多参数气体传感器的校准方法，其特征在于，包括：/n获取待测气体的标准浓度；/n根据气体传感器采集待测气体的实际浓度参数，确定待测气体的交叉敏感度系数；/n根据所述待测气体的交叉敏感度系数和外部干扰因素建立气体传感器输出模型，并初始化所述气体传感器输出模型；/n将气体传感器的参数权重输入所述气体传感器输出模型进行训练和优化，得到气体传感器校准模型；/n基于所述气体传感器校准模型对气体传感器采集的实际气体浓度参数进行校准。/n

【技术特征摘要】
1.一种多参数气体传感器的校准方法，其特征在于，包括：
获取待测气体的标准浓度；
根据气体传感器采集待测气体的实际浓度参数，确定待测气体的交叉敏感度系数；
根据所述待测气体的交叉敏感度系数和外部干扰因素建立气体传感器输出模型，并初始化所述气体传感器输出模型；
将气体传感器的参数权重输入所述气体传感器输出模型进行训练和优化，得到气体传感器校准模型；
基于所述气体传感器校准模型对气体传感器采集的实际气体浓度参数进行校准。


2.根据权利要求1所述的多参数气体传感器的校准方法，其特征在于，所述根据气体传感器采集待测气体的实际浓度参数，确定待测气体的交叉敏感度系数，包括：
采集待测气体在无气体干扰环境下的第一浓度值和待测气体在有气体干扰环境下的第二浓度值；
根据所述第一浓度值和所述第二浓度值，确定待测气体的交叉敏感度系数；所述交叉敏感度系数为：



其中，αij为第i次测量待测气体时在有j干扰气体存在下的交叉敏感度系数，Si-Si-1为待测气体在无气体干扰环境下单位时间间隔内气体传感器的输出值，Sij-S(i-1)j为待测气体在有气体干扰环境下单位时间间隔内气体传感器的输出值，i为第i次测量，j为干扰气体种类。


3.根据权利要求1所述的多参数气体传感器的校准方法，其特征在于，所述气体传感器输出模型为：



其中，yj为干扰气体为j时气体传感器输出模型输出的待测气体浓度值，i为第i次测量，αij为第i次测量待测气体时在有j干扰气体存在下的交叉敏感度系数，Si为气体传感器第i次测量待测气体的输出值，wr表示外部干扰因素，T，H，E为外部干扰因素种类。


4.根据权利要求1所述的多参数气体传感器的校准方法，其特征在于，所述将气体传感器的参数权重输入所述气体传感器输出模型进行训练和优化，得到气体传感器校准模型，包括：
根据气体传感器输出模型输出的待测气体浓度与标准浓度的估计误差值自适应调整气体传感器的参数权重；
将每一次调整后的气体传感器参数权重输入所述气体传感器输出模型进行训练和优化，直至所述气体传感器输出模型输出的待测气体浓度与标准浓度的估计误差处于全局误差置信区间内，形成气体传感器校准模型。


5.根据权利要求4所述的多参数气体传感器的校准方法，其特征在于，所述气体传感器的参数权重是根据待测气体种类、测量次数、外部干扰因素和气体传感器输出模型输出的待测气体浓度与标准浓度的误差值计算得到的。


6.根据权利要求4所述的多参数气体传感器的校准方法，其特征在于，计算所述气体传感器的参数权重的公式为：



estn(k)＝Pn-Cn(k)；
其中，wi(k+1)为第k+1次自适应调整气体传感器的参数权重，wi(k)为第k次自适应调整气体传感器的参数权重，η为学习因子，根据不同待测气体种类和外部干扰因素确定；f为改进因子，表示将上...

【专利技术属性】
技术研发人员：张小栓，徐进超，刘鹏飞，王文胜，曲立，张健，
申请(专利权)人：中国农业大学，北京信息科技大学，
类型：发明
国别省市：北京;11