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

本公开的实施例涉及用于感测气体混合物中的一个种或多个多种气体的气体感测设备。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；预处理处理器；特征提取处理器；判别嵌入网络处理器，判别嵌入网络处理器被配置为用于接收特征值集合并为每个特征值集合创建嵌入特征值集合；分类处理器，被配置为用于接收嵌入特征值集合并为每个嵌入特征值集合创建分类值，分类值指示气体混合物的类别；量化处理器，被配置为用于接收嵌入特征值集合和分类值，被配置为用于针对嵌入特征值集合中的每个为气体中的每种创建感测结果，量化处理器包括基于第三训练模型的算法处理器和用于该基于第三训练模型的算法处理器的多个第三训练模型。多个第三训练模型。多个第三训练模型。

【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。另外的实施例涉及一种用于操作这种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性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滤波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]提供了一种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。该气体感测设备包括：
[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被配置为用于生成与气体混合物中的一种或多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以气体传感器各自根据一个或多个温度分布被加热的方式被控制；
[0006]预处理处理器，其被配置为用于接收来自气体传感器中的每个的信号样本，并用于对接收到的信号样本进行预处理，以为气体传感器中的每个生成预处理信号样本；
[0007]特征提取处理器，其被配置为用于接收预处理信号样本，并在相应气体传感器的接收到的预处理信号样本的特性的基础上从气体传感器的接收到的预处理信号样本中的每个中提取特征值集合；
[0008]判别嵌入网络处理器，其被配置为用于接收特征值集合并为特征值集合中的每个创建嵌入特征值集合，其中判别嵌入网络处理器包括基于第一训练模型的算法处理器和用于该基于第一训练模型的算法处理器的第一训练模型，其中第一训练模型被配置为用于将使用判别权重的损失函数应用于特征值集合，以创建嵌入特征值集合；
[0009]分类处理器，其被配置为用于接收嵌入特征值集合并为每个嵌入特征值集合创建分类值，其中分类值指示气体混合物的类别，其中分类处理器包括基于第二训练模型的算法处理器和用于该基于第二训练模型的算法处理器的第二训练模型，其中嵌入特征值集合被馈送到基于第二训练模型的算法处理器的输入，其中分类值在基于第二训练模型的算法处理器的输出处被提供；和
[0010]量化处理器，其被配置为用于接收嵌入特征值集合和分类值，其中量化处理器被配置为用于针对嵌入特征值集合中的每个为气体中的每种创建感测结果，其中量化处理器包括基于第三训练模型的算法处理器和用于该基于第三训练模型的算法处理器的多个第三训练模型，其中嵌入特征值的集合被馈送到基于第三训练模型的算法处理器的输入，其
中感测结果在基于第三训练模型的算法处理器的输出处被提供，其中多个第三训练模型中的一个第三训练模型被选择用于在分类值的基础上创建感测结果。
[0011]一个或多个化学电阻式气体传感器可以是石墨烯气体传感器或还原石墨烯气体传感器，其中基体材料利用特定的化学物质(例如，利用铂(Pt)或二氧化锰(MnO2))被官能化，使得气体传感器中的每个对气体灵敏，例如对于二氧化氮(NO2)、臭氧(O3)或一氧化碳(CO)灵敏。这样做时，取决于气体的混合物，石墨烯片和所吸附的气体分析物之间的相互作用影响了材料的电子结构，导致电荷载流子浓度和电导率发生变化。
[0012]在多气体感测的情况下，可以使用包括具有不同选择性的多个化学电阻式气体传感器的多气体传感器阵列。由于对各种气体分子的灵敏性不同，气体传感器的电阻以不同的模式变化，使得能够使用单个传感器阵列分析复杂的气体混合物。
[0013]信号样本是由时间离散信号值组成的序列，其中信号值由气体传感器之一输出。
[0014]气体传感器中的每个可以由一个或多个热源加热。热源可以是电动电阻式加热元件或发射光、特别是紫外光的辐射器。在操作阶段(phase，又被称为相位)期间，一个或多个热源中的每个根据一个或多个温度分布来控制。温度分布中的每个在最高温度与最低温度之间调制一个或多个气体传感器的温度。
[0015]例如，根据温度分布之一，一个或多个加热元件的温度可以在最高温度与最低温度之间波动。最高温度可以例如被设定为150℃与300℃之间的值，而最低温度可以例如被设定为50℃与200℃之间的值。
[0016]在其他实施例中，可以使用诸如渐变的其他温度分布。
[0017]温度调制对于所有传感器可以是相同的，或者对于至少一些传感器是不同的。
[0018]温度调制改进了感测结果的可重复性和稳定性。
[0019]术语处理器是指针对特定任务配置的电子设备。处理器可以包括硬件或硬件和软件的组合。不同的处理器可以共享硬件组件和/或软件组件。
[0020]预处理处理器被配置为用于抑制和/或补偿信号样本中的伪像和/或信号样本中的噪声和/或由于气体传感器故障导致的无效信号样本和/或由于气体传感器的漂移而导致信号样本中的错误，以产生更可靠的经滤波的信号样本。
[0021]特征提取处理器被配置为用于接收预处理信号样本并且用于在接收到的相应气体传感器的预处理信号样本的特征的基础上从气体传感器中的每个的接收到的预处理信号样本中提取一个或多个特征值。特征可以在信号样本的动态特性的基础上。为此，气体传感器响应的调制性质被利用并且依赖于气体传感器的动态演变的特性被提取。
[0022]本专利技术的核心是一种具有改进的检测机制其中使用随后是分类处理器和量化处理器的判别嵌入网络处理器的气体感测设备，以便降低交叉灵敏性并改进对在气体混合物中的每种单一目标气体的估计准确性。
[0023]基于训练模型的算法处理器是能够进行机器学习的处理器。机器学习在预操作训练阶段中完成，在该阶段中，训练模型通过将基于训练模型的算法级的实际输出值与基于训练模型的算法级的期望输出值进行比较来开发，以获得基于训练模型的算法级的限定输入。训练模型具有预定义结构，其中预定义结构的参数化在训练阶段期间完成。训练模型包括训练阶段结束之后所习得的内容。在用于产生处理结果的操作阶段中，来自训练阶段的一个或多个训练模型被用于处理它们的输入数据。
[0024]在训练阶段中，多个训练模型可以被建立，并且然后被存储在气体感测设备中。训练模型可能在结构和/或参数上有所不同。在操作阶段期间，可以根据特定用例来选择最合适的训练模型。
[0025]判别嵌入网络处理器被配置为用于将特征值集合嵌入到新空间中，使得嵌入特征值集合具有更好的可分离性。换言之，判别嵌入网络处理器将判别映射应用于特征值集合，以生成嵌入特征值集合使得属于相同气体或气体混合物的嵌入特征值彼此较接近而属于不同气体或气体混合物的则相距较远。
[0026]分类处理器被配置为用于为每个嵌入特征值集合创建分类值，其中分类值指示气体混合物的类别。换言之，分类处理器为嵌入特征值集合中的每个预测类别或用例，并推荐由量化处理器用于量化(多个)气体浓度的回归模式。
[0027]量化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种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；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)以所述气体传感器(2)各自根据一个或多个温度分布(FTP、STP)被加热的方式被控制；预处理处理器(4)，所述预处理处理器(4)被配置为用于接收来自所述气体传感器(2)中的每个气体传感器的所述信号样本(SIG)，并用于对接收到的所述信号样本(SIG)进行预处理，以便为所述气体传感器(2)中的每个气体传感器生成预处理信号样本(PSS)；特征提取处理器(5)，所述特征提取处理器(5)被配置为用于接收所述预处理信号样本(PSS)，并在所述气体传感器(2)的接收到的所述预处理信号样本(PSS)的特性的基础上从所述气体传感器(2)的接收到的所述预处理信号样本(PSS)中的每个预处理信号样本中提取特征值(FV)集合；判别嵌入网络处理器(6)，所述判别嵌入网络处理器(6)被配置为用于接收所述特征值(FV)集合并为特征值(FV)集合中的每个集合创建嵌入特征值(EV)集合，其中所述判别嵌入网络处理器(6)包括基于第一训练模型的算法处理器(7)和用于所述基于第一训练模型的算法处理器(7)的第一训练模型(8)，其中所述第一训练模型(8)被配置用于将使用判别权重的损失函数应用于所述特征值(FV)集合，以创建所述嵌入特征值(EV)集合；分类处理器(9)，所述分类处理器(9)被配置为用于接收所述嵌入特征值(EV)集合并为每个嵌入特征值(EV)集合创建分类值(CV)，其中所述分类值(CV)指示所述气体混合物的类别，其中所述分类处理器(9)包括基于第二训练模型的算法处理器(10)和用于所述基于第二训练模型的算法处理器(10)的第二训练模型(11)，其中所述嵌入特征值(EV)集合被馈送到所述基于第二训练模型的算法处理器(10)的输入(12)，其中所述分类值(CV)在所述基于第二训练模型的算法处理器(10)的输出(13)处被提供；和量化处理器(14)，所述量化处理器(14)被配置为用于接收所述嵌入特征值(EV)集合和所述分类值(CV)，其中所述量化处理器(14)被配置为用于针对嵌入特征值(EV)集合中的每个集合，为气体中的每种气体创建感测结果(SR)，其中所述量化处理器(14)包括基于第三训练模型的算法处理器(15)和用于所述基于第三训练模型的算法处理器(15)的多个第三训练模型(16)，其中所述嵌入特征值(EV)集合被馈送到所述基于第三训练模型的算法处理器(15)的输入(17)，其中所述感测结果(SR)在所述基于第三训练模型的算法处理器(15)的输出(18)处被提供，其中所述多个第三训练模型(16)中的一个第三训练模型(16)被选择用于在所述分类值(CV)的基础上创建所述感测结果(SR)。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)交替操作在恢复阶段(RP)和感测阶段(SP)中；其中所述一个或多个热源(3)以这样的方式被控制，在该方式中所述气体传感器(2)各自根据在所述恢复阶段期间的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)并且根据在所述感测阶段(SP)期间的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)而被加热，其中对于所述气体传感器(2)中的每个气体传
感器，相应的第一温度分布(FTP)的最高温度高于相应的第二温度分布(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，其中所述化学电阻式气体传感器(2)的数目大于一个，其中所述化学电阻式气体传感器(2)中的至少一些对一种或多种气体具有不同的灵敏性。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)被配置为用于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。5.根据前述权利要求中任一项所述的气体感测设备，其中所述预处理处理器(4)被配置为用于对从所述气体传感器(2)接收的所述信号样本(SIG)执行滤波算法。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)被配置为用于从接收到的所述预处理信号样本(PSS)中提取归一化的传感器灵敏性作为所述气体传感器(2)中的每个气体传感器的所述特征值(FV)之一。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)被配置为用于从接收到的所述预处理信号样本(PSS)中提取所述预处理信号样本(PSS)之一的斜率作为所述气体传感器(2)中的每个气体传感器的所述特征值(FV)之一。8.根据前述权利要求中任一项所述的气体...

【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：