（机械电子工程专业论文）机器人嗅觉系统的研究.pdf

竺尘堡；三些奎兰! ：耋堡! ：兰堡丝耋 摘要 机器人技术发展到今天，智能机器人系统已经成为传感器的集成，传感 器使机器人具有触觉、视觉和听觉等，而在智能机器人的诸多知觉中，以嗅 觉和昧觉的研究最少。机器人嗅觉系统可广泛应用于环境污染监测、能源、 化工、交通、医疗、战争毒气检测以及机器控制等方面。 本文在简要介绍了机器人嗅觉概念、发展现状和存在的问题后，从人的 嗅觉机理出发，详细地阐述了机器人嗅觉系统的组成原理和结构，给出了常 用的信号预处理算法，同时，在分析了传感器阵列响应信号特性的基础上， 推导出气体传感器阵列的响应矩阵及其对混合气体的响应。 在以上理论的基础上，以现有气体传感器组成的阵列和单片机为核心的 控制处理器构造了机器人嗅觉系统的硬件部分，并给出了驱动程序的流程框 图。 最后，在简要介绍了前馈神经网络结构和误差反传算法的基础上，论述 了其在机器人嗅觉系统中的应用原理，并提出了网络设计时需要注意的几个 问题。进一步，利用自制的实验装置对所建立的机器人嗅觉系统进行性能测 试，内容包括对三种白酒的定性识别和对混合气体的定量识别，实验结果证 明气体传感器阵列和神经网络模式识别技术所组成的机器人嗅觉系统完全可 以完成复杂成分气体的检测任务，功能甚至要强于人的嗅觉。 关键词机器人嗅觉；气体传感器阵列；模式识别；人工神经网络；误差反 传算法 坠兰堡三些查兰：! 兰型：兰竺篁圣 a b s t r a c t w i t ht h ed e v e l o p m e n to fr o b o t i c s ，i n t e l l i g e n tr o b o t sh a v ea l r e a d yb e e nt h e i n t e g r a t i o no fs e n s o r s ，w h i c hm a k e r o b o t sb ec a p a b l eo f f e e l i n g ，t o u c h i n g ，s e e i n g ， l i s t e n i n ga n ds oo n h o w e v e r , i nm a n ys e n s e so fr o b o t s ，t h e r ea r ef e wr e s e a r c h e s o nt h er o b o t so l f a c t i o na n dt a s t e r o b o to l f a c t i o nc a nb ea p p l i e dt om a n y w a y s ， s u c ha se n v i r o n m e n t p o l l u t i o nm o n i t o r i n g ，e n e r g y ，c h e m i c a li n d u s t r y , c o m m u n i c a t i o n s ，m e d i c a lt r e a t m e n t ，p o i s o ng a sd e t e c t i n g ，m a c h i n ec o n t r o la n d s oo n a f t e rt h e d e f i n i t i o n ，d e v e l o p m e n t a n d p r o b l e m s o fr o b o to l f a c t i o n i n t r o d u c e d ，t h ea r t i c l ee x p a t i a t e so n t h ef o r m a t i o np r i n c i p l ea n ds t r u c t u r eo fr o b o t o l f a c t i o n ，b e g i n n i n gw i t ht h ee l e m e n t so fh u m a n so l f a c t i o n ，a n dg i v e ss e v e r a l u s u a ls i g n a lp r e p r o c e s s i n ga l g o r i t h m s m e a n w h i l e ，t h er e s p o n s em a t r i xo ft h eg a s s e n s o r sa r r a ya n di t sr e s p o n s et om i x e dg a sa r ed e d u c e df r o mt h ea n a l y s i so ft h e c h a r a c t e r i s t i co f g a s s e n s o r sa r r a y sr e s p o n s es i g n a l a c c o r d i n gt ot h ea b o v et h e o r i e s ，t h er o b o to l f a c t o r ys y s t e mi s b u i l tu pb y i n t e g r a t i n gt h ee x i s t i n gg a ss e n s o r si n t oa r r a ya n du s i n gm c u a si t sc o n t r o l l e r a n dp r o c e s s o r , w h i l et h ef l o wc h a r t so f t h em c ud r i v e r sa r eg i v e n i nt h ee n d o nt h ef o u n d a t i o no fi n t r o d u c i n gt h es t r u c t u r eo fa r t i f i c i a ln e u r a l n e t w o r ka n db a c kp r o p a g a t i o na l g o r i t h m ，t h ep r i n c i p l eo fa p p l y i n gt h e mt or o b o t o l f a c t o r ys y s t e mi sd i s c u s s e d ，a n d s e v e r a ln o t i c e sa r eb r o u g h tf o r w a r dw h e n d e s i g n i n gt h en e t w o r k s f u r t h e r m o r e ，w eu s et h es e l f - m a d et e s t i n gd e v i c et ot e s t t h ep e r f o r m a n c eo ft h er o b o to l f a c t o r ys y s t e m ，i n c l u d i n gt h eq u a l i t a t i v ea n a l y s i s o ft h r e ek i n d so fw i n ea n dq u a n t i t a t i v ea n a l y s i so fm i x e dg a s ，t h ee x p e r i m e n t r e s u l t ss h o wt h a tt h er o b o to l f a c t o r ys y s t e mc o m p o s e do fg a ss e n s o r sa r r a ya n d a r t i f i c i a ln e u r a ln e t w o r kc a nc o m p l e t et h ea n a l y s i so fc o m p l e xg a sa b s o l u t e l y ， a n di t sc a p a b i l i t yi se v e nb e t t e rt h a nh u m a n s k e y w o r d s r o b o t o l f a c t o r ys y s t e m ，g a s s e n s o r s a r r a y ，p a t t e r nr e c o g n i t i o n a r t i f i c i a ln e u r a ln e t w o r k ，b a c kp r o p a g a t i o na l g o r i t h m 哈尔滨工业人学工学硕上学位论文 第l 章绪论 1 i 课题的研究背景及意义 从5 0 年代末，世界上第一个机器人问世到今天，机器人的技术已发展到了 第三代。第一代是再现型工、机器人，它有记忆储存器，能自主地模仿人的动 作。第：代是装有小型计算机和传感器的机器人，它能感知外界信息，有触 觉、视觉和感知力。与第一代相比，它更能适应环境的变化和需要。第三代是 智能机器人，它装有多种传感器，能识别作业环境，能自主决策。 机器人技术发展到今天，智能机器人系统已经成为传感器的集成，而不是 机构的集成，可见传感器在智能机器人系统中的重要地位。传感器使机器人具 有触觉、力觉和听觉等，是实现智能化不可缺少的感觉元件，所以智能机器人 可以通过传感器实现某些类似于人类的知觉作用 i 3 1 。而在智能机器人的诸多 知觉中，以嗅觉和味觉的研究最少。 随着生命科学和计算机科学的发展，国际上己把生物嗅觉敏感机理和对生 物嗅觉系统功能的模仿人工嗅觉系统列为重要研究课题1 4 。j 。这涉及多种传 感器融合技术、计算机技术、应用数学以及各具体领域的技术，具有很重要的 理论和实际意义。人工嗅觉系统不仅可广泛应用于烟、酒、茶、水果等食品香 气的检测与评定，而且还可广泛应用于环境污染监测、能源、化工、交通、医 疗、战争毒气检测以及机器控制等方面。 人的嗅觉是许多工业领域中有价值的“仪器”，如人们可依靠嗅觉判断食 品和饮料的质量，香水、化妆品的品质评估、临床诊断、环境检测等也历来依 赖于人的嗅觉，但是人类的嗅觉存在以下不足：一是对气味的反应是相当主观 的，受到性别、年龄、健康水平、是否吸烟、认知和语言表达能力等诸多因素 的影响；二是在一些恶劣的环境中，如有毒气体中，人的生命就会受到威胁： 三是人类嗅觉往往只能给出被测介质的主观描述，无法给出准确的定量结果， 所以人类的嗅觉应用受到局限。 另一方面，利用单一的气体传感器或几种气体传感器的简单集成是否能够 模拟人的嗅觉功能。气体传感器技术发展到今天已经取得了许多令人瞩目的成 就，其中设计了许多实用的气体传感器，这些传感器按制作材料、制备工艺、 工作原理和探测气体等可划分为许多种类。其中比较成熟的气体传感器有：金 童查堡! ：些奎兰! 兰竺圭兰竺兰圣 属氧化物半导体传感器、固体电解质传感器、石英压电晶体传感器、声表面波 传感器、有机半导体传感器、l b 膜传感器等1 8 , 9 1 。但通常气体传感器存在着交 叉敏感、选择性差等缺点，单传感器往往对被测环境中的各种气体敏感，因 而很难有选择地测量出某种气体的成份和含量。气体传感器的应用局限在对检 测误差和分辨精度要求不高或气体成分较为简单的场合，如有害气体的泄漏报 警等，而在复杂气体或气味的准确定性定量检测中应用较少。但实际应用背景 中，如化工控制、环境保护等，大部分被测介质的成份都是较复杂的。 研究：i ：作者试图在气体传感器的材料和工艺上做工作，以便能够改善气体 传感器的交叉敏感性，但收效甚微。这是由于气体传感器的敏感机理较复杂 ( 既有物理变化，又有化学变化) ，而仅从现有的材料和工艺方面很难改善其 复杂的敏感特性。因此，利用现有的气体传感器完成复杂气体或气味的定性、 定量检测，具有很重要的实际意义。 综上所述，机器人嗅觉就是在这样的背景下提出的，而同时随着计算机和 信息处理技术的发展使的气体传感器的深层次应用也成为了可能。有选择地将 若干个常用的气体传感器组合在一起形成传感器阵列，并结合模式识别技术， 可以形成高精度的气体辨识系统，即机器人嗅觉系统或人工嗅觉系统，又称 “电子鼻”，不仅可以辨识简单气体的成份和浓度，而且在复杂的环境中可以 较高精度地完成复杂气体或气味中各成分的定性、定量检测。人工嗅觉是对人 类及其它哺乳动物嗅觉机理的模仿，但比起人类的嗅觉，它具有更强的信息处 理能力、更高的分辨精度和对恶劣环境的承受能力。 1 2 机器人嗅觉概念的定义 机器人嗅觉在功能和结构上模拟人类和其它哺乳动物的嗅觉系统，用以完 成气体或气味的定性定量识别。以前并没有j f 式的严格的定义，故一度有很多 个同义词，如人工鼻、机械鼻、神经鼻、嗅觉传感系统，甚至芯片鼻等等。 1 9 9 4 年，英国w a r w i c k 大学的j w tg a r d n e r 在 s e n s o r s a n da c t u a t o r s ) 上发表 文章，正式使用术语电子鼻，并给出如下定义： “电子鼻是一种仪器，由具备部分专一性的气敏传感器构成的阵列和适当 的模式识别系统组成，用来识别简单或复杂气味”( a n e l e c t r o n i cn o s ei s a n i n s t r u m e n t ，w h i c hc o m p r i s e sa l la r r a yo fe l e c t r o n i cc h e m i c a l s e n s o r sw i t hp a r t i a l s p e c i f i c i t y a n da na p p r o p r i a t ep a t t e mr e c o g n i t i o ns y s t e m ，c a p a b l eo fr e c o g m z m g s i m p l eo rc o m d j e x o d o r s ) f 嘲。 哈尔滨工业大学工学硕l 学位论文 本文中所研究的机器人嗅觉即是上面所提到电子鼻。j wg a r d n e r 把电子 鼻的定义限制在用来模仿人鼻感受气味分子的智能化学传感系统。但是，从广 义上讲，电子鼻的体系结构也适用于测量单一组分或气体蒸汽混合物的气体 敏感系统。电子鼻的定义中并不指定传感器的种类，因此原则上能够对气体敏 感的传感器都可以采用，由此产生的信号类型可能不同，但是信号一旦被计算 机采集，随后的数据处理方法则是通用的。作为测量气味和气体的电子仪器， 电子鼻是气敏传感技术与信息处理技术的有效结合，因此，加强对气敏传感器 技术与模式识别技术的研究就显得尤为重要。 i 3 国内外机器人嗅觉系统的发展及研究现状 在过去的四卜多年中，一些研究人员一直活跃在这一领域，包括 w i l k e n s 、d r a v n i e k s 、t a n y o l a c 、h e r b e r h o l d 、p e r s a u d 、d o d d 以及a b e 等人， 他们都曾经尝试设计和制造包含生物嗅觉系统概念的设备。1 9 6 4 年，w i l k e n s 和h a t m a n 利用气味在电极上的氧化一还原反应，提出对嗅觉过程的电子模 拟，这是有关电子鼻的最早报道。b u c k 等人利用气味调制电导和d r a v i e k s 等 人利用气味调制接触电位研制的“电子鼻”则在1 9 6 5 年也作了报道。1 9 8 2 年，英国w a r w i c k 大学的p e r s a u d 和d o d d 提出了电子鼻的概念，他们的电子 鼻系统包括气敏传感器阵列和模式识别系统两部分，而前者由三个半导体气敏 传感器组成。这一简单的系统可以分辨桉树脑、玫瑰油、丁香芽油等2 1 种复 杂的挥发性化学物质的气味。电子鼻这个术语约在8 0 年代晚期出现，当时他 被专门用于1 9 8 7 年的一个会议】。然后，1 9 8 9 年北大西洋公约组织关于化学 传感器信息处理的高级专题会议是在1 9 9 0 年进行的。1 9 9 4 年，英国w a r w i c k 大学的g a r d n e r 和s o u t h a m p t o n 大学的b a r t l e t t 使用了“电子鼻”这一术语并给 出了定义。从此，不仅对电子鼻的性能、标准、设计和相关技术做了广泛的研 究，而且相关应用及仪器化也有了一定数量的报道，甚至集成化的电子鼻已有 报道，显示了良好的发展前景。 随着材料科学和制造工艺的发展，经过w a r w i c k ( 英国) 、s o u t h a m p t o n ( 英 国) 、t o u l o u s e ( 法国) 和t u e b i n g e n ( 德国) 等大学的研究人员十几年的努力，电 子鼻的研究达到了一个相当高的水平。 目前，电子鼻的研究主要集中在以下几个方面： ( 1 ) 器件方面的研究包括新型敏感材料，特别是有机材料、复合材料 和生物敏感材料，以及新型传感器的结构和工艺研究l l a ”j 。目前已经开发出多 哈尔滨工业人学_ 学硕士学位论文 种敏感材料和阵列结构，g f a g 】j a 提出利用s n 0 2 薄膜( 采用r g t o 技术溅射) 测量n 0 2 年 i c o 时灵敏度依赖于频率的特性，可提高阵列传感器的选择性；j v h a t f i e l d 用b i c m o s 技术把3 2 个导电聚合物传感器和信号处理电路分别集成在两 片专用的集成电路芯片上；d e t c o n 公司采用半导体固态工艺在一块4 英寸硅片 上制成了9 5 0 个气敏元件并投入生产【l “8 l 。 ( 2 ) 模式识别方法的研究包括适合传感器阵列响应信号的特征提取方 法和模式识别方法两方面。对于信号特征提取方法的研究有很多，例如， t n a k a m o t o 采用气体混合器和非线性数值优化算法后可免去建模过程； g n i e b l i n g 认为利用线性回归技术可以有效地计算冗余的传感器信号，提高定 量准确度“蚍1 1 。 常用的模式识别方法有统计模式识别的方法( 包括主成分分析、判别函数 分析、聚类分析等) 和人工神经网络( 包括b p 网络、k o h o n e n 网络等) 的方 法，表11 给出了电子鼻中常用的模式识别方法。与统计模式识别相比，人工 神经网络( a n n ) 模式识别有以下几个优点：它本身模拟了神经信号的传输和 整合机理，和嗅觉系统最为接近；良好的容错性和很强的适应能力：具有很强 的自学习能力和对环境的自适应能力；网络被训练好后具有快速操作性能。因 而a n n 在电子鼻研究中最具有应用前景。 表1 一l 电子鼻中常用的模式识别方法 t a b l e1 - 1u s u a lp a h e mr e c o g n i t i o nm e t h o d s a p p l i e dt oe l e c t r o n i cn o s e 模式识别方法监督参数线性传感器 主成分分析有无是 m o s c p , q m b 判别函数分析有有是否 m o s c p 欧几里德聚类分析无无是m o s ，c p ，s a w 非欧儿里德聚类分析无无 否m o s c p s a w b p 网络有无无m o s ，cp s a w k o h o n e n 网络无无无m o s ，cp ，s a w 模糊神经网络 无无无m o s m o s ，m e t a lo x i d es e m i c o n d u c t o r , 金属氧化物半导体传感器；c p , c o n d u c t i n gp o l y m e r s ， 导电聚合物气敏传感器；q c m ，q u a r t zm i c r o b a l a n c e s ，石英微天平；s a w , s u r f a c ea c o u s t i c w a v e 声表面波传感器。 近年来，关于模式识别算法在人工嗅觉领域中应用的研究和讨论始终较为 活跃。d r e b i e r e 声称把前处理和后处理神经网络b p 算法结合起来可提高声表 面波电子鼻的报警速度；s w m o o r e 采用部分连接的人工神经网络，混合气 ：。：。：。，。一 堕尘鎏三些奎兰：! 耋鎏当兰堡篁兰 体的浓度定量误差减少到1 0 以内：冯伟提出种新的网络算法即共轭梯度和 模拟退火组合算法，能避免限于局部极小点，并提高学习速度；j m s l a t e r 把 p c a 、p l s 与k o h o n e n 算法作了比较，认为后者是最好的信号处理方法；j z u p a n 认为k o h o n e n 算法优于b p 算法，在每个独立变量的分离能力方面可提 供更详尽的信息。c d n a t a l e 认为k o h o n e n 算法是自适应的，对传感器的漂 移和环境变化有较好的容忍性，他甚至认为普通模式识别方法只适用于多组分 气体分析，而不足以担负气味识别的重任。因为气味中同时存在过多的化合 物，并且有价值的东西不仅仅是浓度。他预测模糊集合理论和k o h o n e n 算法是 人工嗅觉中有前途的算法【2 2 】。 ( 3 ) 应用研究特别是在食品工业、 电子鼻被用来分析肉类、水果等的新鲜度、 气体的成分和浓度等【2 m 5 1 。 环境保护和航天_ 业方面的研究， 环境中有害气体的含量、航天器中 ( 4 ) 前瞻性研究如分布式电子鼻网络、“n o s eo na c h i p ”等。 国外由于电子鼻研究丌展较早，1 9 9 5 年就出现了商品化的电子鼻设备，目 前，a l p h am o s ( 法国) 、a i r s e n s e ( 德国) 、s m a r tn o s e ( 瑞士) 等公司都能提供电 子鼻设备( 其中具有代表性的产品如表卜2 所示) ，并形成一定的市场规模，以 至于已经有人提出制定有关的国际标准。 表卜2 国外具有代表性的电子鼻产品 t a b 】e1 - 2f o r e i g nr e p r e s e n t a t i v ee l e c t r o n i cn o s ep r o d u c t s 产品名称制造者构成或应用说明 4 个带有温度和湿度传感器的6 传感器 f o x 5 0 0 0 法国a l p h a m o s 阵列，与计算机联用 白石u v 法国e u r o p h o r使用m o s 的台式监测仪 b h l l 4 英国b l o o d h o u n ds e n s o r s使用1 4 个c p 传感器，与计算机联用 a 3 2 8 s英国o s m e t e c h p l c使用3 2 个c p 传感器，与计算机联用 n o s e 英国n e o t r o n i c s使用1 0 个c p 传感器，检测啤酒 气味影垧器英国曼彻斯特人学使用2 0 个c p 元件的电子鼻 德国w m a a i r s e n s e p e n 使崩l o 个m o s 气敏传感器台式电子鼻 a n a l y s e n t e c h n i k m o s e s i i德国l e n n a r t ze l e c t r o n i c 便携式模块化电子鼻，包含q m b 、 m o s 、温度、电化学等多种传感器 m o d e l 4 l o o美国e s t c a l使用5 0 0 个正交传感器，与计算机联用 便携气味监测仪 美国s e n s i d y n e 使用p e l l i s t o r 元件的手持监测仪 s m a r tn o s e 3 0 0瑞士s m a r tn o s e 基于电子鼻的质谱仪，与计算机联用 x p 一3 2 9 日本新宇宙电机株式会社使用p e l l i s t o r 元什的手持监测仪 口腔监测仪日本松r使用t g s 的呼吸新鲜度掌上犁监测仪 篁尘薹三些奎兰三兰堡圭兰篁丝兰 以a l p h am o s 公司的f o x 5 0 0 0 为例，它包含了4 组传感器阵列，每组阵 列有6 个传感器( 可以是m o s 、c p 、q c m ) 及温度和湿度传感器，带有自动 的进样系统。通过与计算机联用，它提供了强大的分析识别能力，叮以在几分 钟内客观地描述固态、液态和气态样本，然后通过和训练得到的“指纹”数据 库比较，可以得到和人工方法相似的鉴定结果。和人工相比，它减少了工作 量，改善了处理能力，而且大大减少了在生产过程中各阶段的样品消耗。 比较而言，国内的电子鼻的研究工作起步较晚，研究水平还处在试验室阶 段，表卜3 给出了部分研究单位及其成果。 表13 国内部分电子鼻研究单位及成果 t a b l e1 - 3s o m ee l e c t r o n i cn o s er e s e a r c hd e p a r t m e n t si n l a n da n dt h e i rp r o d u c t i o n 研究单位阵列纽成应用 诬安交通大学金属氧化物气敏传感器氢气、一氧化碳、乙炔 中科院电子学研究所金属氧化物气敏传感器酒类、汽油等 中科院半导体所石英晶振酒类、酱油、清凉油等 复旦大学化学系金属氧化物气敏传感器酒精、氟利昂、液化气等 浙江人学生物系l a p s ( 光可寻址) 器件呼吸气体丙酮含量 厦门大学化学系声表面波材料有机试剂、酒类、香料等 解放军防化研究院金属氧化物气敏传感器有毒气体、酒类、香水 西北工业大学金属氧化物气敏传感器有毒气体、氢气、甲烷 到目前为止，尽管许多研究人员在人工嗅觉领域做了大量的研究和尝试， 并且获得了一些研究成果，甚至有商品化的电子鼻问世，但是电子鼻的研究是 一个系统的、复杂的工程，其中各个环节仍存在许多需要解决的问题： ( 1 ) 人类及哺乳动物的嗅觉机理尚需深入了解； ( 2 ) 气体传感器的稳定性、重复性、选择性等特性需要改进； ( 3 ) 针对实际问题的复杂性，应考虑选择适用的气体传感器阵列，包括 传感器的种类、阵列的维数确定、传感器间的特性互补、优化组合、余度配置 等。对于集成气体传感器阵列还需从工艺等角度考虑功耗、信号的集中采集与 传感器的集中加热等问题； ( 4 ) 寻找更好的信号预处理和模式识别算法，以提高人工嗅觉系统的识 别能力和分辨精度； ( 5 ) 针对人：f 嗅觉系统具有环境变化敏感性，寻找可行有效的温度补偿 方法，以减小系统因环境因素引入的测量误差； ( 6 ) 通用意义上的电子鼻设计原则和方法。 1 4 本课题主要研究内容 本课题来源于国防科技基础研究基金资助项目。研究的目的是设计并建立 一套结构简单、操作方便、识别度高、接口规范且成本较低的人工嗅觉系统， 可以实现对单一气体的成分鉴别及混合气体的定量分析。本文从人工嗅觉的生 物学原理、理论模型、系统组成、设计与实现、信息处理技术、及具体应用等 方面对其进行系统的研究。主要内容包括以下四个部分： ( 1 ) 从牛物嗅觉系统的结构和嗅觉机理出发，总结人工嗅觉的原理、结 构和设计思想。提出传感器阵列的理论模型，给出确定阵列维数和信号量化位 数的方法，为构造人工嗅觉系统提供理论依据； ( 2 ) 利用现有的气体传感器设计并实现了传感器阵列的集成，其外围电 路具有信号前级调理功能。以单片机为核心构建了电子鼻系统的硬件部分，并 编写了相应的驱动程序，可实现信号采样、与上位机通讯、人机对话等功能。 为传感器阵列动态响应的数据采集及后续处理提供了基 i i t h ( 3 ) 探讨如何将神经网络技术应用于人工嗅觉系统中，着重介绍b p 网 络，并给出信号预处理算法。 ( 4 ) 简要介绍自行研制的气体实验装置，并通过对三种白酒和两种已知 成份气体的混合物进行实验，验证神经网络应用在人工嗅觉系统中进行定性和 定量识别的可行性，通过实验结果评价系统性能。 最后，对本文工作进行全面总结，提出进一步研究方向。 哈尔滨工业人学工学硕上学位论文 第2 章机器人嗅觉系统的结构及理论模型 机器人嗅觉是模拟生物的嗅觉系统，由传感器阵列结合模式识别系统构成 的。对生物嗅觉系统的神经生理结构和嗅觉的生物化学机理的理解决定了机器 人嗅觉系统的基本结构、传感器阵列的组成和模式识别方法的使用。 2 1 人的嗅觉机理 嗅觉是生物的嗅觉系统对某种气体或挥发性物质的分子产生的一种生理反 应，是出气味物质分子刺激嗅觉感受器引起的。人的嗅觉传导通路如图2 一i 所 示。嗅觉的感受器细胞是位于嗅上皮上的嗅细胞，嗅细胞向嗅球发出轴突，在 那里与僧帽细胞发出的树突相连接。大约有2 5 ，0 0 0 根轴突进入一个嗅球，与 2 5 个左右的僧帽细胞相连，再由僧帽细胞通过嗅束把信号传送到中枢f 2 6 7 1 。 图2 - 1 人的嗅觉传导通路 f i g 2 - i h u m a n so l f a c t o r yt r a n s m i s s i o na c c e s s 图2 - 2 嗅上皮的结构 f i g 2 - 2s t r u c t u r eo f o l f a c t o r ye p i t h e l i u m 嗅j 二皮位于鼻孔的上部，表现为一个暴露在外部环境中的气味敏感表面， 结构如图2 2 所示。嗅上皮中包含了感受器系统。对人而言，每个鼻孔中的嗅 二皮的面积大概为6 c m 2 。嗅j ：= 皮包含了镶嵌在支持结构中的5 1 0 7 个感受器 神经元嗅细胞。这些双极神经细胞的含黏液的末端膨大，形成一个叫做嗅 小泡的球状结构，内有伸到覆盖在嗅上皮上的黏液层中嗅纤毛，从而显著地增 加了细胞的表面积。嗅纤毛与空气中的气味接触，刺激嗅细胞发生反应，有证 哈尔滨工业人学工学硕士学位论文 据表明嗅纤毛的结构中包含了嗅觉感受蛋白。提供覆盖嗅上皮的液体媒介的浆 液腺鲍氏腺位于黏膜下层。 刺激感受器的气味分予首先被勃液吸收，然后扩散到纤毛( 可能还有小球) 处，与膜受体结合。刺激物与感受器反应，增加了嗅纤毛的通透性，改变膜电 导，引起膜电位的变化。这样嗅细胞就产生感受器电位并导致嗅神经纤维产生 神经冲动1 2 6 。1 。 不同的气体分子的嗅觉阈值相差很大，有些特别低，尽管闽值低的挥发性 物质在混合气体或气味中的含量很少，但这类微量杂质在特定的环境中可以对 嗅觉系统感受到的气味产生显著的影响，甚至决定了复杂的混合气体或气味的 气味轮廓。很多食物败味就是因为出现了这类功能强大的挥发性物质，如奶油 变昧时挥发出的一种这类物质在水中的阂值为0 o l p p b ，这样使得对气味的感 受无法与气味的主要成分统一。 这一现实带来了两方面的问题：一方面考虑到气味是一种主观感受，所以 气味识别必须要解决这一问题，即不能简单地根据各个气体成分的浓度来决定 混合物的昧道。这也是气味以别不同与气体识别的地方之一；另一方面在食品 检测，如鱼的新鲜度检测时可能需要灵敏度较高的传感器。 虽然有的感受器细胞很可能只对狭小范围内的哺乳类动物信息素起反应， 但是总的说来，一个特定的感受器细胞对于一组气味刺激的反应，显示一种宽 广+ 的响应谱，还没有找到昆虫那种第一类的气味“专家”。嗅细胞可能不同程 度地对1 0 或1 2 种不同的气味敏感，嗅觉系统的专一性是通过将这些带有部分 重合的敏感特性的感受器细胞组合起来得到的。 参考嗅细胞的这一特性，我们在没计传感器阵列时，可以充分利用气敏元 件的“交叉敏”。这样，方面降低了对传感器的选择性的要求，另一方面也 有利于提高阵列的效率。 嗅感受器以每秒1 3 个的低频率发送脉冲。大多数气体使脉冲数量增加， 也有少数气体能抑制脉冲发放。强烈的气味可以显著增加脉冲的频率，最大可 增加2 0 倍。电生理学的研究表明，在没有气味刺激时，僧帽细胞就有一种持 续的“自发电位”。当受气味刺激时，就在这种背景脉冲上引起频率的增减。 根据这一现实，我们可以把嗅觉信号看作调频信号，准确地讲是调频准数 字信号。从这种意义上来说，使用声表面波器件气体传感器来构造传感器阵列 更接近生物学系统。 嗅觉信号沿着感受其神经元的轴突传播至嗅球中的几千个神经纤维球中， 经过某种处理后出嗅球的传出神经元一一僧帽细胞向神经中枢传送。前面说 哈尔演工业大学工学硕上学位论文 过，每个嗅球大约有2 5 ，0 0 0 个传入神经元和2 5 令传出神经元，这种神经结构 通过对基本信号的高度整合提供了巨大的计算能力，从而也有很强容错能力。 嗅球呈球状结构，其中包含了发生较高层次处理的神经纤维球。在嗅球的 表面可以观察到= 维活动模式。那里表现为气味和区域没有空间关系，或者 说，没有某个区域用于薄菏味，而另一个区域用于刺鼻的气味，该处理更多地 表现为空间傅立叶变换。因而，破坏嗅球的一部分只是限制了气味感觉的精度 而不是其范围。这种生物学设计有较好的容错性，在信号处理中有好处。另外 这些嗅球的活动模式和一些人工嗅觉图像有惊人的相似，我们在设计传感器阵 列时也要考虑这一问题，可以尝试把一些图像处理的概念和方法引入到气敏系 统的设计中来，这将会在阵列设计和特征提取等方面带来好处。 嗅觉信号由僧帽细胞直接或问接传到脑的有关区域。在那里进行进一步的 整合，产生嗅觉的基本反应和更复杂的条件反射。 中枢神经系统对嗅球活动还存在着传出控制。嗅觉中枢发出的神经纤维通 过嗅束进入嗅球，这是从中枢到外周的传出。这些神经纤维与位于嗅球中央的 大量小的颗粒细胞相联系，并通过后者对僧帽细胞产生抑制神经树突。可以认 为，这种对于嗅球的抑制，是嗅觉中枢的反馈作用，它可能对产生适应和提高 区分各种气味的能力有关。 由以上论述可见，人的嗅觉系统的结构可分为三个层次【2 “”1 ：( 1 ) 初级嗅 觉神经元，它由嗅觉传感器和嗅觉神经组成，对气味有很高的灵敏度，但交叉 灵敏度也很高；( 2 ) 二级嗅觉神经元( 嗅泡) ，它是负责嗅觉信号初级处理的 部位，对初级嗅觉神经元传递过来的信息进行调节、放大、抑制等，完成信号 特征提取；( 3 ) 嗅觉中枢，它是高级信息处理中心，负责信号的彻底加工，并 作出判断。气味的识别是进来的嗅觉模式与先前学到的模式相比较后得到的结 果。嗅觉机理如图2 - 3 所示。 气味 图2 - 3 人的嗅觉机理 f i g 2 - 3h u m a n so l f a c t i o np r i n c i p l e ，。，： 篁尘堡三兰查兰三兰竺：兰堡篁兰 2 2 机器人嗅觉系统的结构 模拟人的嗅觉机理，机器人的嗅觉系统结构也可以分为三个层次，它般 由传感器阵列、信号预处理系统、模式识别系统组成，如图2 - 4 所示。我们可 以简单地从结构上将传感器阵列、信号预处理、模式识别分别与嗅觉细胞、嗅 泡、嗅觉神经中枢相类比，更重要的是在功能上机器人嗅觉也具有生物嗅觉系 统的特点，即对多种气体或气味敏感，并通过必要处理，能够识别所感受的气 体或气昧。 气味或气体 d 磊和h 赢b 图2 - 4 机器人嗅觉系统的结构图 f i g 2 - 4s t r u c t u r ec h a r to f r o b o to l f a c t o r ys y s t e m 2 2 1 气体传感器阵列 定性或定量 结果 气体传感器阵列，相当于初级嗅觉神经元。由具有广谱响应特性的气敏元 件组成，这些气敏元件交叉灵敏度较大、对不同气味或气体的灵敏度不同。通 常，气体传感器阵列可以采用数个单独的气体传感器组合而成；也可以采用集 成工艺制作专用的气体传感器阵列。这种阵列体积小，功耗低，便于信号的集 中采集与处理。单个气体传感器与传感器阵列在特性上有质的区别，单个气体 传感器对气味或气体的响应可用强度来表示，而气体传感器阵列除了各个传感 器的响应外，在全部传感器组成的多维空间中形成响应模式，在环境条件一定 的情况下，阵列上的响应模式与其激励是一一对应的，而这正是电子鼻能对多 种气味和气体进行识别的关键。显然，传感器阵列的选取并不避讳，而相反利 用了气体传感器所固有的“交叉敏”特性，阵列所决定的多维空间能够蕴含更 多的系统信息。足够数量的相互独立的传感器可以提供充分的信息表达一种气 体环境，就像从不同角度得到的图象使我们能够对目标物体进行重建一样。 实验已经发现，半导体传感器阵列具有足够的选择性，其中每个传感器提 供广谱的响应并从其余传感器得到补偿。如果每个传感器的输出由一个1 2 位 a d 转换器来数字量化，那么只要三个传感器便可以产生2 ”个不同模式，当 然这是在没有漂移和噪声等理想情况下得到的。 哈尔滨工业人学工学硕上学位论文 此外，构成传感器阵列的气敏元件还应满足其他儿个重要的条件，一并将 其所需特性总结如下： ( 1 ) 对单一气体或气味分子不需要高度专一性，但对特定种类的化合物 要有某种程度的择优特性； ( 2 ) 使用这些不同的但具有重叠响应特性的非专一性的传感器可以获得 对特定化学物的专一性，这样可以描述单一化学物的特征模式； ( 3 ) 理想情况下，对种化学物的不同浓度的响应应该是单调的； ( 4 ) 在加热或常温条件下的反应应该是快速的和可逆的，重复性要好； ( 5 ) 传感器的信号应该简单，便于提取和处理； ( 6 ) 体积小、功耗低； ( 7 ) 受温度、湿度影响小。 目前，在该领域最常用的几种类型的传感器有金属氧化物气体传感器、集 成的金属氧化物传感器、导电聚合物材料、声表面波气体传感器和l a p s 器 悄：。 2 2 _ 2 信号提取及预处理常用方法 一般而言，信号提取包括信号的调节和a d 采样，前者将传感器对气体的 响应转变为容易测量的点信号( 电压或电流) ，后者则将模拟信号转变成模式 识别系统所需要的数字信号。二者是相互影响、相互制约的关系，只有良好配 合才能充分发挥信号预处理的作用，获取关于被测样本的足够多的信息量，为 后续的模式识别处理打下坚实的基础。 信号调节电路本质上是一种接口电路，设计时在考虑输出点信号本身的精 度和动态范围的同时，也应该考虑a d c 的输入范围和量化精度以及后续处理 的进一步要求。具体到电子鼻，在定性分析中，如果只关心稳态响应，可以将 电路设计为在传感器达到稳态响应时，测量的灵敏度最大。如果想利用整条响 应曲线，则要将电路设计为输出信号与传感器电阻的变化成正比，保证整个过 程的测量精度。如果进一步定量分析样本，则希望输出信号与样本浓度成正 比。同时，输出信号要满足a d c 的动态范围。 常用的信号调节电路包括：分压电路、直流或交流电桥、反向放大电路、 恒流源电路、差分放大电路等1 2 9 j 。其中，后三种电路的输出电压的变化可与气 体传感器的固有电阻无关，这就保证了信号调节电路在传感器电阻变化范围内 的线性和灵敏度。 哈尔滨工业大学工学硕上掌位论文 a d 变换在适应输入模拟信号的变换范围的情况下，主要参数就是量化电 甲数。常用的有8 位、1 0 位和1 2 位a d c 。在一定范围内，a d c 的精度越 高，系统的分辨率越高。但是，由于传感器本身存在噪声，加上电路中的干 扰，a d c 的位数取得太高也没有意义。 信号预处理，是对传感器阵列的响应模式进行预加工，完成特征提取。预 处理可以实现：滤除模式采集过程中引入的噪声和干扰，提高信噪比；消除信 号的模糊和失真，人为地增强有用信号。例如在气味或气体的定性识别中，采 用归一化算法可在一定程度上消除浓度对传感器输出响应的影响【3 0 】。 信号预处理的方法应根据实际使用的气体传感器的类型、模式识别方法和 最终识别任务适当选取。通常认为，电子鼻内某一传感器i 对气味，的响应为 时变信号俐。由胛个传感器组成的阵列对气味，的响应是行维状态空间的 个矢量，写成分量形式为： = k ，k j ，k ，) ( 2 1 ) 迄今为止，针对各种稳态信号的预处理算法已被用于处理气体或气味传感 器的信号，如表2l 所示。 表2 - 1 信号预处理算法 t a b l e2 - 1s i g n a lp r e p r o e e s s i n g a l g o r i t h m 算法公式传感器类型 差分 = ( 哼“一曙“1 ) m o s s a w 相对差分 = ( 咿“咿”) m o s s a w 分式差动 = ( k ，“一k 尸“) _ m o s c p 对数 x t s = l o g ( 咿“一带“) m o s 传感器归一化 = ( 一m ) “砖一碍“) m o s ，q c m 阵列归一化 = x 。( 吉z x d ” m o s ，q c m 有证据表明”m ，相对差分法和分式差动法有助于补偿传感器的温度灵敏 度，而且分式羞动法可以线性化金属氧化物电阻与浓度的关系：对数法可以将 高度非线性的浓度依赖关系线性化；传感器归一化可以使单个传感器的输出处 于f o ，1 之间，从而使得响应向量的每一个元素处于同一数量级，不仅减少化 学计量识别中的计算误差，而且为神经识别器中的输入空间准备合适的数据。 归化传感器的输出在效果上相当于调整增益，并不能增强不同气味的识别能 ! ：尘堡三兰查薹三兰堡兰兰堡兰圣 力；整个传感器阵列归一化可以把所有的响应矢量置于单位多维空间的球表面 上。当样品的浓度无关紧要但要求精确识别时，此方法特别有效。归一化过程 修正了样品浓度的实验误差，并已用于识别金属氧化物和聚合物阵列的响应。 但是，对于弱信号这种方法会增加噪声。 2 2 3 几种模式识别技术简介 人工嗅觉中，模式识别技术对系统的行为起关键作用。主成分分析法、偏 最小二乘法、欧几里德聚类分析法、几何分类法、模糊推理法和人工神经网络 法等等在人工嗅觉领域都有应用潜力。下面分别对其中的几种作简要介绍。 ( 1 ) 主成分分析法是种用于气体分类的线性技术，在化学计量学中称 为降维映射法。它能提取单一数组中的系统变化量，并将多维空间的信息在低 维空间( 通常是二维) 表现出来，所以可用于寻找最重要的变量和样本分类。 ( 2 ) 偏最小二乘法也是一种线性方法，这种方法可以克服变量共线问 题，还可以消除系统的噪声，使建立的模型预报y 准确度更高。对于用选择性 较差的传感器组成的阵列，各个传感器响应的相关性较大，其信号用这种方法 处理比较合适。 ( 3