金属氧化物CO传感器智能化方法研究

金属氧化物CO传感器智能化方法研究

论文摘要

传统金属氧化物CO传感器对H2等还原性气体存在交叉响应,选择性差,且其性能易受环境温度和湿度影响,难以完全满足工程应用的需要。智能化是气体传感技术发展的重要方向,本文提出从检测方式和信号处理算法入手,提高传统CO传感器抗H2干扰的能力,并尝试对环境温湿度进行补偿;通过大量实验,确定了有效的温度调制方法、机器学习算法以及环境温度补偿方案,研制了基于单片机的智能CO传感器模块。本文设计了气体传感器测试系统,利用此系统先后对SnO2型CO传感器MQ307A和TGS2442进行温度调制实验。考察了温度调制方式对MQ307A性能的影响;比较了快速傅立叶变换(FFT)和离散小波变换(DWT)两种特征提取方法,发现后者能够在特征空间对传感器在不同气体中的响应进行良好的分离;先后将支持向量机(SVM)和BP神经网络用于识别单一CO、单一H2和CO/H2混合物,并估计混合气体中CO的浓度。结果表明,支持向量机具有更高的正确识别率和估计精度;利用脉冲电压对TGS2442进行调制加热,从原始响应曲线和小波系数中提取分类特征,训练支持向量机模型,实现了对一定浓度范围的单一CO、单一H2和CO/H2混合气体的定性识别,并能够估计混合气体中CO的浓度。研究了环境参数对MQ307A和TGS2442性能的影响。MQ307A受湿度影响很大,在高湿条件下工作后,其响应幅度逐渐变小;TGS2442采用了特殊的封装,它几乎不受湿度的影响,但是其基线电压随环境温度的变化而漂移。采用基于知识的温度补偿方案,利用TGS2442对20℃、40℃和60℃三种环境温度下的单一CO进行定量估计,结果表明温度补偿方法可行。选用TGS2442作为基本传感器,研制了基于高性能单片机的智能CO传感器模块,利用DWT和SVM算法处理数据,使模块能够定性识别一定浓度范围的CO、H2及其混合物,并估计混合物中CO的浓度,此外,模块还具有自检和温度自补偿等智能化功能,

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 研究背景
  • 1.1.1 气体传感器的种类
  • 1.1.2 金属氧化物型气体传感器
  • 1.1.2.1 工作原理
  • 1.1.2.2 存在的问题与改进措施
  • 1.2 智能气体传感器
  • 1.2.1 智能传感器的含义
  • 1.2.2 研究现状与发展趋势
  • 1.2.2.1 智能气体传感器的结构
  • 1.2.2.2 温度调制检测方式
  • 1.2.2.3 机器学习算法
  • 1.2.2.4 支持向量机简介
  • 1.3 论文的主要工作
  • 参考文献
  • 第二章 气体传感器测试系统的设计
  • 2.1 测试系统的硬件结构
  • 2.2 测试系统的软件设计
  • 2.2.1 下位机软件
  • 2.2.1.1 DSP主程序
  • 2.2.1.2 DSP中断服务程序
  • 2.2.1.3 CPLD程序
  • 2.2.2 上位机软件
  • 2.3 测试系统的功能
  • 2.4 小结
  • 参考文献
  • 第三章 基于单个CO传感器的温度调制实验
  • 3.1 引言
  • 3.2 实验过程
  • 3.3 基于MQ307A的温度调制实验
  • 3.3.1 一氧化碳传感器MQ307A
  • 3.3.2 实验结果与讨论
  • 3.3.2.1 加热电压波形对传感器响应的影响
  • 3.3.2.2 加热电压周期对传感器响应的影响
  • 3.3.2.3 MQ307A对不同气体的动态响应
  • 3.3.2.4 特征提取
  • 3.3.2.5 定性分析
  • 3.3.2.6 定量分析
  • 3.4 基于TGS2442的温度调制实验
  • 3.4.1 一氧化碳传感器TGS2442
  • 3.4.2 TGS2442对不同气体的响应
  • 3.4.3 定性分析
  • 3.4.3.1 特征提取
  • 3.4.3.2 SVM模型训练与验证
  • 3.4.4 定量分析
  • 3.4.4.1 特征提取
  • 3.4.4.2 SVM模型的训练与验证
  • 3.5 小结
  • 参考文献
  • 第四章 环境湿度和温度对CO传感器的影响及补偿方案
  • 4.1 引言
  • 4.2 环境湿度对MQ307A响应的影响
  • 4.3 环境湿度对TGS2442的影响
  • 4.4 环境温度对TGS2442的影响
  • 4.5 温度补偿
  • 4.6 小结
  • 参考文献
  • 第五章 智能CO传感器模块的研制
  • 5.1 模块的硬件结构
  • 5.2 模块的软件设计与算法实现
  • 5.2.1 PC端软件
  • 5.2.1.1 PC端应用程序
  • 5.2.1.2 SVM训练算法的实现
  • 5.2.2 MCU端软件
  • 5.2.2.1 MCU端应用程序
  • 5.2.2.2 DWT算法的实现
  • 5.2.2.3 SVM验证算法的实现
  • 5.3 模块的功能特点与实验测试
  • 5.4 小结
  • 参考文献
  • 第六章 总结与展望
  • 6.1 论文总结
  • 6.2 展望
  • 附录
  • 致谢
  • 相关论文文献

    • [1].传感器技术融入“创新思维”的课程改革探索[J]. 轻工科技 2019(12)
    • [2].传感器技术在机电自动化控制中的应用[J]. 价值工程 2020(01)
    • [3].非线性传感器的融合在多小车平台中的应用[J]. 变频器世界 2019(11)
    • [4].堡盟的视野——访堡盟电子(上海)有限公司过程传感器业务发展经理张力[J]. 今日制造与升级 2019(11)
    • [5].《仪表技术与传感器》2019年总目次[J]. 仪表技术与传感器 2019(12)
    • [6].盾构设备中传感器技术的运用[J]. 云南水力发电 2019(06)
    • [7].传感器技术在机电技术中的应用探析[J]. 价值工程 2020(02)
    • [8].用于通过经皮传感器对患者进行分析的系统[J]. 传感器世界 2019(10)
    • [9].农业种植养殖传感器产业发展分析[J]. 现代农业科技 2020(02)
    • [10].2019年全球传感器行业市场现状及发展前景分析,预测2024年市场规模将突破3000亿[J]. 变频器世界 2019(12)
    • [11].传感器技术在机电自动化中的应用[J]. 科技风 2020(03)
    • [12].机电自动化中传感器技术的创新与发展[J]. 科技创新与应用 2020(07)
    • [13].车用传感器实验课程教学改革[J]. 科技风 2020(11)
    • [14].传感器技术在机电自动化系统中的应用[J]. 科技风 2020(10)
    • [15].自动化和检查传感器技术确保产品高质量[J]. 橡胶参考资料 2020(02)
    • [16].应用型本科院校“传感器技术”课程教学方案优化分析[J]. 无线互联科技 2020(04)
    • [17].机电技术中传感器技术运用效果分析[J]. 中国设备工程 2020(09)
    • [18].机电自动化控制过程中传感器技术的应用方法[J]. 中国设备工程 2020(12)
    • [19].研究人员开发出传感器皮肤 可为机器人抓手提供细腻的触感[J]. 润滑与密封 2020(05)
    • [20].机电一体化系统中传感器技术的运用研究[J]. 湖北农机化 2020(09)
    • [21].传感器技术在机电自动化控制中的应用[J]. 湖北农机化 2020(09)
    • [22].传感器技术在机械电子中的应用[J]. 信息通信 2020(06)
    • [23].新工科背景下传感器与检测技术课程改革与实践[J]. 教育现代化 2020(41)
    • [24].基于微课高职《传感器与检测技术》课程教学实践研究[J]. 计算机产品与流通 2020(09)
    • [25].传感器技术在机电自动化控制中的应用[J]. 科技风 2020(21)
    • [26].风向传感器校准装置对比试验与探讨[J]. 海峡科学 2020(07)
    • [27].关于传感器技术在机电自动化中的实践探讨[J]. 产业创新研究 2020(16)
    • [28].传感器技术在智慧农业中的应用研究[J]. 南方农机 2020(14)
    • [29].多传感器技术工业机器人的应用分析[J]. 黑龙江科学 2020(20)
    • [30].机电自动化控制中传感器技术的应用探讨[J]. 电子制作 2020(20)

    标签:;  ;  ;  

    金属氧化物CO传感器智能化方法研究
    下载Doc文档

    猜你喜欢