用于感测气体混合物中的一种或多种气体的气体感测设备制造技术

本公开总体上涉及用于感测气体混合物中的一种或多种气体的气体感测设备以及用于操作气体感测设备的方法。气体感测设备包括：一个或多个化学电阻式气体传感器；一个或多个热源，其中气体传感器在恢复阶段期间根据一个或多个第一温度分布来加热并且在感测阶段期间根据一个或多个第二温度分布来加热；预处理处理器，被配置用于生成预处理信号样本；特征提取处理器，被配置用于从所接收的预处理信号样本中提取一个或多个特征值；以及用于创建感测结果的气体浓度处理器；其中气体浓度处理器包括被配置为输出类别判定值的分类处理器，其中分类处理器被配置为输出置信度值，其中分类处理器包括基于第一训练模型的算法处理器。理器包括基于第一训练模型的算法处理器。理器包括基于第一训练模型的算法处理器。

【技术实现步骤摘要】
用于感测气体混合物中的一种或多种气体的气体感测设备


[0001]实施例涉及用于感测气体混合物中的一种或多种气体的气体感测设备。另外的实施例涉及用于操作这样的气体感测设备的方法。更具体地，本公开涉及通过使用化学电阻式气体传感器来估计气体浓度。

技术介绍

[0002]关于化学电阻式气体传感器的文献通常仅限于用于证明传感器功能或昂贵的数据采集方法的简单模型，简单模型使用具有不切实际的实现方式[1,2]的地理分布式传感器系统。为了区分不同的气体，已提出使用选择性物理气体过滤器或附加的非化学电阻式气体传感器。然而，这样的使用对产品尺寸和成本有重大影响[3]。

技术实现思路

[0003]提供了气体感测设备，用于感测气体混合物中的一种或多种气体。气体感测设备包括：
[0004]一个或多个化学电阻式气体传感器，其中气体传感器中的每个气体传感器被配置为用于生成与气体混合物中的一种或多种气体中的一种气体的浓度相对应的信号样本；
[0005]一个或多个热源，其中一个或多个热源被控制为使得气体传感器各自根据一个或多个温度分布来被加热；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种气体感测设备，用于感测气体混合物中的一种或多种气体，所述气体感测设备(1)包括：一个或多个化学电阻式气体传感器(2)，其中所述气体传感器(2)中的每个气体传感器被配置为用于生成与所述气体混合物中的所述一种或多种气体中的一种气体的浓度相对应的信号样本(SIG)；一个或多个热源(3)，其中所述一个或多个热源(3)被控制为使得所述气体传感器(2)各自根据一个或多个温度分布(FTP、STP)被加热；预处理处理器(4)，被配置为用于从所述气体传感器(2)中的每个气体传感器接收所述信号样本(SIG)并且对所接收的信号样本(SIG)进行预处理，以便生成针对所述气体传感器(2)中的每个气体传感器的预处理信号样本(PSS)；特征提取处理器(5)，被配置为用于接收所述预处理信号样本(PSS)并且被配置为用于基于所接收的相应气体传感器(2)的预处理信号样本(PSS)的特性，从所接收的所述气体传感器(2)中每个气体传感器的预处理信号样本(PSS)中提取一个或多个特征值(FV)；以及气体浓度处理器(6)，用于针对所述气体传感器(2)中的每个气体传感器来创建感测结果(SR)；其中所述气体浓度处理器(6)包括分类处理器(7)，所述分类处理器(7)被配置为接收第一组特征值(FV)，所述第一组特征值(FV)包括针对所述气体传感器(2)中的每个气体传感器的特征值(FV)，其中所述分类处理器(7)被配置为用于输出针对气体中的每种气体的类别判定值(CDV)，其中所述类别判定值(CDV)中的每个类别判定值指示相应气体是否存在于所述气体混合物中，其中所述分类处理器(7)被配置用于输出针对所述类别判定值(CDV)中的每个类别判定值的置信度值(CV)，其中所述置信度值(CV)中的每个置信度值指示相应类别判定值(CDV)的可靠性，其中所述分类处理器(7)包括基于第一训练模型的算法处理器(8)以及针对所述基于第一训练模型的算法处理器(8)的第一训练模型(9)，其中所述第一组中的特征值(FV)被馈送到所述基于第一训练模型的算法处理器(8)的不同输入(10)，并且其中所述类别判定值(CDV)中的每个类别判定值以及所述置信度值(CV)中的每个置信度值在所述基于第一训练模型的算法处理器(8)的不同输出(11)上被提供；其中所述气体浓度处理器(6)包括量化处理器(12)，所述量化处理器(12)被配置为接收第二组特征值(FV)并且针对所述气体中的每种气体来创建估计值(EV)，所述第二组特征值(FV)包括针对所述气体传感器(2)中的每个气体传感器的特征值(FV)，其中所述估计值(EV)中的每个估计值指示相应气体的浓度的量化估计，其中所述量化处理器(12)包括基于第二训练模型的算法处理器(13)以及针对所述基于第二训练模型的算法处理器(13)的第二训练模型(14)，其中所述第二组中的特征值(FV)被馈送到所述基于第二训练模型的算法处理器(13)的不同输入(15)，其中针对气体的所述估计值(EV)在所述基于第二训练模型的算法处理器(13)的不同输出(16)上被提供；以及其中所述气体浓度处理器(6)被配置为使得针对所述气体中的每种气体的所述感测结果(SR)取决于针对相应气体的所述估计值(EV)、取决于针对所述相应气体的类别判定值(CDV)以及取决于针对相应气体的所述置信度值(CV)。2.根据前述权利要求所述的气体感测设备，其中所述一个或多个气体传感器(2)在恢复阶段(RP)与感测阶段(SP)中交替操作；
其中所述一个或多个热源(3)被控制为使得所述气体传感器(2)各自在所述恢复阶段(RP)期间根据所述一个或多个温度分布(FTP、STP)中的一个或多个第一温度分布(FTP)来加热，并且在所述感测阶段(SP)期间根据所述一个或多个温度分布(FTP、STP)中的一个或多个第二温度分布(STP)来加热，其中对于所述气体传感器(2)中的每个气体传感器，相应第一温度分布(FTP)的最高温度高于相应第二温度分布(STP)的最高温度。3.根据前述权利要求中任一项所述的气体感测设备，其中所述预处理处理器(4)被配置为针对从所述气体传感器(2)接收的所述信号样本(SIG)执行基线校准算法。4.根据前述权利要求中任一项所述的气体感测设备，其中所述预处理处理器(4)被配置为针对从所述气体传感器(2)接收的信号样本(SIG)执行滤波算法。5.根据前述权利要求中任一项所述的气体感测设备，其中所述特征提取处理器(5)被配置为用于从所接收的预处理信号样本(PSS)中提取归一化的传感器灵敏度，作为针对所述气体传感器(2)中的每个气体传感器的所述特征值(FV)中的一个特征值。6.根据前述权利要求中任一项所述的气体感测设备，其中所述特征提取处理器(5)被配置为用于从所接收的预处理信号样本(PSS)中提取所述预处理信号样本(PSS)中的一个预处理信号样本的斜率，作为针对所述气体传感器(2)中的每个气体传感器的所述特征值(FV)中的一个特征值。7.根据前述权利要求中任一项所述的气体感测设备，其中所述特征提取处理器(5)被配置为用于从所接收的针对所述气体传感器(2)中每个气体传感器的所述预处理信号样本(PSS)中提取所述相应气体传感器(2)的第一预处理信号样本(PSS)和所述相应气体传感器(2)的第二预处理信号样本(PSS)之间的时间相关性，作为针对所述相应气体传感器(2)的所述特征值(FV)中的一个特征值。8.根据前述权利要求中任一项所述的气体感测设备，其中所述特征提取处理器(5)被配置为用于从所接收的针对所述气体传感器(2)中的每个气体传感器的所述预处理信号样本(PSS)中提取所述相应气体传感器(2)的所述预处理信号样本(PSS)中的一个预处理信号样本与所述气体传感器(2)中的另一气体传感器的所述预处理信号样本(PSS)中的一个预处理信号样本之间的空间相关性，作为针对所述相应气体传感器(2)的所述特征值(FV)中的一个特征值。9.根据前述权利要求中任一项所述的气体感测设备，其中所述基于第一训练模型的算法处理器(6)被实现为第一人工神经网络。10.根据前述权利要求中任一项所述的气体感测设备，其中所述基于第二训练模型的算法处理器(13)被实现为第二人工神经网络。11.根据前述权利...

【专利技术属性】
技术研发人员：C，
申请(专利权)人：英飞凌科技股份有限公司，
类型：发明
国别省市：