（材料加工工程专业论文）基于气体传感器阵列的白酒分类与识别.pdf

独创性声明 本人声明，所呈交的论文是本人在导师指导下进行的研究工作及 取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得 武汉理工大学或其他教育机构的学位或证书而使用过的材料。与我一 同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说 明并表示了谢意。 i 签名： 至查_ 日期：丝! ! ! 堇：趋 学位论文使用授权书 本人完全了解武汉理工大学有关保留、使用学位论文的规定，即 学校有权保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。本人授权武汉理工大学可以将本学位论文的 全部内容编入有关数据库进行检索，可以采用影印、缩印或其他复制 手段保存或汇编本学位论文。同时授权经武汉理工大学认可的国家有 关机构或论文数据库使用或收录本学位论文，并向社会公众提供信息 服务。 ( 保密的论文在解密后应遵守此规定) 签名：苎鱼l 一导师签名：逝日期： p1 1 s 3 p 中文摘要 白酒的生产和消费在我国国民经济中占据着重要地位。随着经济和社会的 发展，人们生活水平的提高，对白酒的质量问题越来越重视。近年来，假酒中 毒事件频频发生，白酒市场充斥着假冒伪劣商品和无证，无照经营等，对人们 的生命健康造成严重危害，因此，对酒类产品快速、准确地检测直接关系到消 费者的身体健康。相对感官评价和化学分析，电子鼻技术对白酒的评价更加客 观、快速和准确。本文采用由7 个f i g a r o 公司商用t g s 传感器组成的气体传感 器阵列，利用实验室自制电子鼻系统采用动态测量法，对不同种类的白酒进行 分类和识别。 对不同种类的白酒在不同温度下水浴加热后进行测量，分析蒸发温度对电 子鼻白酒评价的影响。7 种白酒分别在2 0 、4 0 、6 0 和8 0 水浴加热后测量， 采用主元分析法按照香型和酒精度对其分类，结果表明：随着蒸发温度的升高， 白酒的分类效果依次变好。其中6 0 按白酒的香型和酒精度的分类结果最佳。 白酒样本按蒸发温度划分的p c a 分析表明：随着蒸发温度的升高，饱和蒸汽 中微量成分的浓度增加，白酒样本呈现较好的聚类特性。在6 0 时，白酒样本 的聚类最好；8 0 时，蒸发温度较高，饱和蒸汽中的水蒸气较多，影响了电子 鼻对白酒香气成分的评价，因此白酒的聚类性不及6 0 。 白酒的特征分析对白酒的鉴别分类或质量监控具有重要意义。采用相同的 气体传感器阵列对8 种白酒进行了动态测量。选择白酒的品牌、香型、原料、酒 精度、产地和厂家作为评价白酒的特征。p c a 分析显示，香型和原料对不同品牌 白酒的描述比酒精度、产地和厂家的描述更准确，其中按原料的分类结果最佳。 同一厂家的白酒大多出自同一产地，因此，按产地和厂家两个特征对白酒的分 类结果一致。酒精度作为特征，分类过程中部分白酒呈现重叠。 模式识别算法在电子鼻系统中扮演着重要角色。采用b p a n n 、p n n 、l v q 和k - n n 4 种模式识别算法，按香型、酒精度和原料对1 0 种白酒进行识别。b p - a n n 和p n n 两种算法按香型和原料对白酒的识别率达到1 0 0 ，按酒精度的识别率为 9 5 ，识别结果比较理想。k - n n 算法在白酒的不同特征识别过程中，也表现出 较强的识别能力。l v q 算法按香型、酒精度和原料对白酒的识别率分别为8 5 、 9 0 和7 0 ，识别精度相对偏低。 关键词：气体传感器阵列，白酒，特征，分类，识别 a b s t r a c t l i q u o r s p r o d u c t i o na n dc o n s u m p t i o no c c u p ya ni m p o r t a n tp o s i t i o ni n t h e n a t i o n a le c o n o m y a l o n gw i t ht h ed e v e l o p m e n to fe c o n o m ya n ds o c i e t y ，嬲t h e i m p r o v e m e n to fp e o p l e sl i v i n gs t a n d a r d t h ep r o b l e mo fl i q u o r s q u a l i t yi sp a i d m o r ea n dm o r ea t t e n t i o n i nr e c e n ty e a r s ，p o i s o n i n gi n c i d e n t sc a u s e db yf o r g e d l i q u o r sf r e q u e n t l yo c c u r r e 1 i q u o r s m a r k e ti s f i l l e d 、析t hf a k ec o m m o d i t i e sa n d u n l i c e n s e db u s i n e s s ，e t c ，w h i c hi sh a r m f u lt oh e a l t h t h e r e f o r e ，i tr e l a t e st o c o n s u m e r s h e a l t ht h a t l i q u o r s a r e q u i c k l y a n da c c u r a t e l ym e a s u r e d l i q u o r s e v a l u a t i o nb a s e do ne l e c t r o n i cn o s ei sm o r eo b j e c t i v e ，r a p i da n da c c u r a t et h a ns e n s e e v a l u a t i o na n dc h e m i c a la n a l y s i s i nt h i sp a p e r , as e n s o ra r r a yc o m p o s e db ys e v e n c o m m e r c i a lt g ss e n s o r so ff i g a r oc o m p a n y ，a n dt h ee l e c t r o n i cn o s es y s t e mm a d ei n l a b o r a t o r ya r ea d o p t e dt od y n a m i c a l l ym e a s u r el i q u o r s ，c l a s s i f i c a t i o na n dr e c o g n i t i o n o fd i f f e r e n tk i n d so fl i q u o r sa r ea n a l y z e d t h ei n f l u e n c eo fe v a p o r a t i o nt e m p e r a t u r eo nt h er e s u l t so fl i q u o r sc l a s s i f i c a t i o n w e r es t u d i e d l i q u o rs a m p l e sw e r er e s p e c t i v e l ym e a s u r e da f t e rb e i n gw a t e r - b a t h h e a t e da td i f f e r e n tt e m p e r a t u r e s s e v e nd i f f e r e n tk i n d so fl i q u o r sw e r er e s p e c t i v e l y m e a s u r e da t2 0 ，4 0 ，6 0 a n d8 0 a f t e rw a t e r - b a t hh e a t i n g t h ec l a s s i f i c a t i o n o fl i q u o r sa c c o r d i n gt ot h ea r o m a t i ct y p e sa n dp e r c e n t a g e so fa l c o h o lw a sa n a l y z e db y u s i n gp r i n c i p a lc o m p o n e n ta n a l y s i s ( p c a ) m e t h o d w i t ht h ee v a p o r a t i o nt e m p e r a t u r e r i s i n g ，t h er e s u l t so fl i q u o r sc l a s s i f i c a t i o nt a m e db e t t e ra n db e t t e r t h eb e s tr e s u l t so f c l a s s i f i c a t i o nw e r eo b t a i n e da t6 0 t h ea n a l y s i so fl i q u o r sc l a s s i f i c a t i o na c c o r d i n gt od i f f e r e n t e v a p o r a t i o n t e m p e r a t u r e sb yu s i n gp c as h o w st 1 1 咄谢mt h ee v a p o r a t i o nt e m p e r a t u r er i s i n g ，t h e c o n c e n t r a t i o no ft l a c ec o m p o n e n t si ns a t u r a t e ds t e a mi si n c r e a s i n g ，a n dl i q u o r s a m p l e sp r e s e n t eb e t t e rc l u s t e r i n gf e a t u r e s l i q u o rs a m p l e sw e r eb e s tc l u s t e r e da t 6 0 c ；b e c a u s et h ee v a p o r a t i o nt e m p e r a t u r e8 0 w a sh i g h e r , m o r ew a t e rv a p o ri n s a t u r a t e ds t e a ma f f e c t e de v a l u a t i o no fl i q u o r sb a s e do ne l e c t r o n i cn o s e ，s ol i q u o r c l u s t e r i n gw a sw o r s et h a n6 0 a n a l y s i so fc h a r a c t e r i s t i c si nl i q u o r si sv e r yu s e f u lt ol i q u o r sc l a s s i f i c a t i o na n d l i q u o r sq u a l i t yc o n t r 0 1 e g h i tl i q u o r sw e r ed y n a m i c l ym e a s u r e db yu s i n gt h es a l l l eg a s s e n s o ra r r a y t h eb r a n d s ，a r o m a t i ct y p e s ，r a wm a t e r i a l s ，p e r c e n t a g e so fa l c o h o l ， p r o d u c t i o na r e a sa n dm a n u f a c t o r i e so fl i q u o r sw e r ec h o o s e nt oe v a l u a t el i q u o r s t h e a n a l y s i so fp c as h o w e dt h a t ，a r o m a t i ct y p e sa n dr a wm a t e r i a l sw e r e b e t t e rt o c h a r a c t e r i z el i q u o r st h a np e r c e n t a g e so fa l c o h o l ，t h eb e s tr e s u l t so fc l a s s i f i c a t i o n w e r eo b t a i n e dw h e nc l a s s i f i e db yr a wm a t e r i a l s l i q u o r so ft h es a m em a n u f a c t o r y m o s t l yc a m ef r o mt h es a m ep r o d u c t i o na r e a s t h e r e f o r e ，t h er e s u l t s o fl i q u o r s c l a s s i f i c a t i o nw e r ec o n s i s t e n tw h e nc l a s s i f i e db yp r o d u c t i o na r e a sa n dm a n u f a c t o r i e s af e wl i q u o r so v e r l a p p e dt o g e t h e rw h e nc l a s s i f i e db yp e r c e n t a g e so fa l c o h 0 1 p a t t e r nr e c o g n i t i o na l g o r i t h mp l a y sa ni m p o r t a n tr o l ei ne l e c t r o n i cn o s es y s t e m a c c o r d i n gt op e r c e n t a g e so fa l c o h o l ，a r o m a t i ct y p e sa n dr a wm a t e r i a l s ，1 0l i q u o r s w f f l er e c o g n i z e db yu s i n gb p - a n n ，p r o b a b i l i s t i cn e u r a ln e t w o r k ( in n ) ，l v qa n d k - n e a r e s tn e i g h b o r ( k - n n ) t h ea c c u r a c yo fb p a n na n dp n nw e r e10 0 ，10 0 a n d9 5 a c c o r d i n gt oa r o m a t i ct y p e s ，r a wm a t e r i a l sa n dp e r c e n t a g e so fa l c o h o l ， r e s p e c t i v e l y t h er e s u l t so fi d e n t i f i c a t i o nw e r ei d e a l k - n na l s op r e s e n t e ds t r o n g r e c o g n i t i o na b i l i t y i nl i q u o r si d e n t i f i c a t i o no fd i f f e r e n tc h a r a c t e r i s t i c s t h ea c c u r a c y o fl v qw a s8 5 ，9 0 a n d7 0 a c c o r d i n gt oa r o m a t i ct y p e s ，r a wm a t e r i a l sa n d p e r c e n t a g e so fa l c o h o l ，r e s p e c t i v e l y t h ea v e r a g ea c c u r a c yw a sr e l a t i v e l y l o w k e y w o r d s ：g a ss e n s o ra r r a y , l i q u o r , c h a r a c t e r i s t i c s ，c l a s s i f i c a t i o n ，i d e n t i f i c a t i o n m 目录 中文摘要i a b s t r a c t i i 第1 章绪论1 1 1 前言1 1 2 气体传感器的发展概况1 1 3 电子鼻技术一3 1 3 1 电子鼻发展简史3 1 3 2 电子鼻的定义及主要结构3 1 3 3 电子鼻的工作原理8 1 4 电子鼻对白酒测量的意义8 1 4 1 电子鼻的应用领域8 1 4 2 白酒测量的意义9 1 5 电子鼻测量酒类的国内外研究进展9 1 6 本课题研究的意义及内容1 0 第2 章实验方法和材料1 2 2 1 气敏传感器阵列1 2 2 1 1 气敏传感器1 2 2 1 2 测试原理”1 2 2 1 2 1 基本模型1 2 2 1 2 2s n 0 2 气敏元件工作原理1 4 2 1 3 气体传感器阵列构成1 5 2 2 信号采集电路16 2 2 1 单个传感器的测试电路16 2 3 实验方法17 2 3 1 测试对象17 2 3 2 电子鼻系统1 8 2 3 3 测试过程18 2 4 本章小结1 9 第3 章蒸发温度对白酒评价的影响研究2 0 3 1 动态测量“2 0 i v 3 2 实验过程2 l 3 2 1 实验材料”2 1 3 2 2 测量方法2 1 3 2 3 数据分析2 2 3 3 结果与讨论2 2 3 3 1 不同蒸发温度下白酒的分类结果2 2 3 3 1 1 白酒的香型特征分析2 2 3 3 1 2 白酒的酒精度特征分析2 4 3 3 2 蒸发温度对白酒分类的影响2 6 3 4 本章小结2 7 第4 章基于电子鼻的白酒特征分析2 8 4 1 主要香型白酒的成分及香味特征2 8 4 1 1 浓香型白酒2 8 4 1 2 清香型白酒2 9 4 1 3 酱香型白酒2 9 4 1 4 米香型白酒”2 9 4 1 5 兼香型白酒2 9 4 2 白酒的特征3 0 4 3 实验过程3 0 4 3 1 实验材料3 0 4 3 2 测量方法”31 4 3 3 数据分析31 4 4 结果与讨论”31 4 5 本章小结3 5 第5 章白酒判别常用模式识别算法比较3 6 5 1 模式识别方法及原理3 6 5 1 1 基于统计理论的模式识别算法“3 6 5 1 1 1k 近邻法( k 小酣) “3 6 5 1 1 2 聚类分析( c a ) 3 7 5 1 1 3 判别分析( d a ) 3 7 5 1 1 4 主元分析( p c a ) ”3 7 5 1 2 基于神经网络理论的模式识别算法3 8 v 5 1 2 1 反向传播人工神经网络( b p 砧呵n ) 3 8 5 1 2 2 概率神经网络( p n n ) - 3 9 5 1 2 3 学习向量量化( l v q ) “4 0 5 1 2 4 自组织映射( s o m ) 4 1 5 2 实验过程4 1 5 2 1 实验材料”4 2 5 2 2 测量方法“4 2 5 2 3 模式识别算法及评价标准4 2 5 3 白酒的特征识别”4 3 5 3 1b p - a n n 分析”4 3 5 3 2p n n 分析4 4 5 3 - 3l v q 分析4 6 5 3 4k 心i l q 分析4 7 5 4 识别结果的定量比较4 8 5 5 本章小结4 9 第6 章全文总结与展望5 0 6 1 总结5 0 6 2 展望5l 参考文献5 3 致谢5 8 附录作者在攻读硕士学位期间发表的学术论文5 9 v i 纪突出的贡献是人工智能与信息技术的完美结合。人工智能科学领域的发展与 信息的获取息息相关。通过模拟人的感官，如视觉、听觉、触觉、味觉和嗅觉 等，来推动人工智能的不断发展。目前，人们使用的照相机，摄像机等是对视 觉的成功模拟，而录音机、耳机等是对听觉的模拟，还有压力传感器、电子舌 分别是模拟人类的触觉和味觉，然而，对嗅觉的模拟还处于起步阶段。基于气 体传感器阵列的电子鼻是一个模拟嗅觉分辨机理的电子仪器，能够感知和识别 不同气味，寿命长、操作简单、体积小、成本低，可实现原位、实时、在线检 测等，因而受到广泛关注，成为模拟嗅觉的一种新技术。 本章首先简要介绍了气敏传感器的发展概况，电子鼻技术的产生和发展简 史，以及电子鼻系统的构成和工作原理，然后简要叙述了电子鼻的应用领域和 对白酒测量的意义，以及白酒测量的国内外研究进展，最后提出了本文的研究 意义和内容。 1 2 气体传感器的发展概况 气体传感器是与人类生活最密切的一种传感器，它能感知环境中的气体成 分，并将气体的种类和浓度等信息转换成电信号，然后根据电信号的强弱就可 以获得待测气体的相关信息，从而进行检测、监控和报警，也可以利用接口电 路与计算机组成自动检测控制和报警系统【l 】。在气体的定性和定量检测中，气体 传感器是不可或缺的器件之一。 国外从3 0 年代就开始了气体传感器方面的研究工作，1 9 31 年p b r a u e r 发现了 c u 2 0 的电导率会随着水蒸气的吸附而改变，接着人们相继发现了s n 0 2 、z n o 、 f e 2 0 3 、m g o 、n i o 、c r 2 0 3 、t i o 、b a t i 0 3 、n b 2 0 3 等诸多半导体材料都具有气敏 特性【2 】。气体传感器已经发展成为传感器领域的重要体系之一。 1 9 6 7 年，日本f i g a r o 公司首次将金属氧化物半导体( s n 0 2 ) 气体传感器商品化， 使气体传感器从研究进入到实用化阶段，这对半导体传感器的广泛应用起到了 巨大的推动作用；同时使近十几年来的研究更迅速，广泛，各种商品化气敏元 件得到广泛应用。随着科学技术的发展以及人们生活水平的提高，对气体传感 器的性能有了更高的要求。检测对象从原来的家用煤气、液化气、天然气等有 害有毒气体，逐渐扩展到现在的有机挥发气体( c o 、n 0 2 、h 2 s 、n o 、n i - 1 3 、p i - 1 3 等) 以及与食品有关的气味气体( 如鱼、肉鲜度、白酒、饮料等) 。为了满足上 述要求，气体传感器必须具有较高的灵敏度、选择性、稳定性和重复性，并且 能够批量生产，价格低廉。我国从上世纪8 0 年代初开始研制气体传感器，有的 已经接近或者赶上了国外同类产品【3 】。 当前研究的气体传感器已经深入到各个领域和行业，由于被测气体的种类 繁多，性质各不相同，所以气体传感器种类繁多。根据气体传感器工作原理可 分为半导体式、固体电解式、电化学式、光学式、热导式等。目前，半导体式 传感器应用较多，这类传感器一般多用于气体的粗略鉴别和定性分析，结构简 单，使用方便。气体传感器的具体类型及特点如表1 1 所示。 表1 1 气体传感器类型及特点 t a b l e1 1t y p e sa n dc h a r a c t e r i s t i c so fg a ss e n s o r s 2 武汉理工太堂亟堂僮i 金塞 1 3 电子鼻技术 1 3 1 电子鼻发展简史 电子鼻的产生和发展是客观的需要、传感器技术的发展和人对嗅觉过程的 理解决定的。人和动物的嗅觉在人类的生产生活中起着非常重要的作用，人们 常利用警犬异常灵敏的嗅觉来识别犯罪现场的气味，帮助案件侦破。但是，例 如环境污染监测、有毒气体监测等并不适合人和动物直接接触，因此才有了人 工嗅觉，即电子鼻的产生。1 9 6 2 年，t a g u c h 和s e i y a m a 4 - 5 率先研究了金属氧化 物对还原性气体的检测原理。1 9 6 4 年，w i l k e n s 和h a 缸n a n 【6 】首次对嗅觉过程进行 了电子模拟，即气体在电极上发生的氧化还原反应。1 9 6 5 年，b u c k 等【7 j 依据金 属半导体电导的变化，实现了对气体的测量；同年，d r a v i e k s 等【s 】根据接触电势 的变化来进行气体的测量。1 9 6 8 年，第一个商品化的用于检测室内气体泄漏的 氧化锡气体传感器( t g s 系列) 问世【9 】。然而，真正意义上的嗅觉模拟系统一电 子鼻的提出，是在2 0 世纪8 0 年代初。1 9 8 2 年，英国w a r w i c k 大学的p e r s u a d 等人【l o 】提出智能化学传感器阵列的概念，他们用3 个商品化的s n 0 2 气体传感 器，t g s 8 1 3 、t g s s l 2 和t g s 7 1 1 模拟生物嗅觉感受器细胞，并对乙醇、乙醚、 戊酸等挥发性气体进行了分类。1 9 8 7 年，第八届欧洲化学传感研究组织年会在 英国w a r w i c k 大学召开，使得电子鼻的研究发生重大转折。会议上，气体传感 器在气体测量方面应用的论文中，提出了模式识别概念【1 1 1 ，引起了学术界的广 泛关注。1 9 8 9 年，北大西洋公约研究组织( n a t oa d v a n c e dr e s e a r c hw o r k s h o p ) 针对化学传感器信息处理高级专题，专门召开了讨论会，人工嗅觉及其系统设 计为重点讨论专题。1 9 9 1 年8 月，第一次电子鼻专题会议在冰岛召开，电子鼻 的研究得到迅速发展。1 9 9 4 年，“电子鼻”概念的提出1 1 2 】，引导电子鼻技术进入 成熟发展阶段。 1 9 9 4 年以来，电子鼻技术的研究突飞猛进。目前，电子鼻的研究主要集中 在三个方面：气体传感器等硬件的设计，模式识别方法的研究以及电子鼻技术 应用等。其中，电子鼻在食品工业、环境监测和医学诊断方面的应用，成为近 年来研究的热点。 1 3 2 电子鼻的定义及主要结构 g a r d n e r 对电子鼻的定义为：电子鼻是由有选择性的电化学传感器阵列和适 3 武汉理王太堂亟堂僮i 金室 当的识别方法组成的仪器，能识别简单和复杂的气味【1 2 1 。电子鼻的工作原理是 模拟人类的嗅觉系统，对被测气体进行感知、分析和识别，从而给出被测对象 一个整体的评价。人的嗅觉系统由三部分构成【1 3 】：( 1 ) 初级神经元，对气体具有 高灵敏度和交叉灵敏度；( 2 ) 二级嗅觉神经元，对初级神经元采集的信息进行 调节、放大等处理，完成信号的特征提取；( 3 ) 大脑，对处理过的信号识别、 判断。相对应地，电子鼻系统主要由气体传感器阵列、信号预处理和模式识别 三部分组成【1 4 j 。 ( 1 ) 气体传感器阵列 气体传感器是电子鼻感知气味的基本元件，具有单一选择性。这使得单个 传感器在检测混合气体或有干扰气体存在时，难以得到较高的检测和识别精度。 因此，气体传感器阵列一般由多个性能各异的传感器组成。 气体传感器的材料和生产工艺是电子鼻研究中的热点之一。根据所测量信 号的不同，气体传感器主要分为：金属氧化物半导体传感器( m o s ) 1 5 - 1 9 、导 电聚合物气敏传感器( c p ) 2 0 - z 3 、石英晶体微天平( q c m ) 2 4 - 2 6 和声表面波传感器 ( s a w ) 2 7 - 2 9 1 以及安培计传感器【3 0 3 2 1 等。目前应用最多的是m o s 、c p 和q c m ，三 大类型传感器的性能如下所示。 ( 一) 金属氧化物传感器( m o s ) 该类传感器以电阻作为测量信号，气敏材料包括s n 0 2 、z n o 、f e 2 0 3 、w 0 3 等。其优点是：高灵敏度、响应时间较快( 5 1 0 s ) 、易于集成阵列和实现商业化； 但是，该类传感器一般为厚膜型，体型比较大，工作时需要加热( 2 0 0 - 6 0 0 ) ， 受湿度影响较大。 ( 二) 导电聚合物传感器( c p ) 导电聚合物传感器的测量信号为电阻，以酞菁聚合物、聚吡咯、聚苯胺等 作为气敏材料。该类传感器工作范围广，几乎接近室温，材料的选择范围广， 容易实现表面改性；其缺点是高温稳定性差，对湿度较敏感。 ( 三) 石英晶体微天平传感器( q c m ) 该类传感器测试时采集频率信号，气敏材料有聚异丁烯、氟聚多元醇等。 石英晶体微天平可以有不同涂层，从而改善了选择性，且对大分子量气体敏感 度高；但是，涂层可重复性较差，商业应用受到限制，其敏感度受温度和湿度 影响。 在所有传感器中，m o s 是世界上产量最大，应用最广的一类传感器。除上 述优点外，m o s 类型传感器还具有结构简单，易小型化，寿命长，价格便宜， 4 武汉理王太堂亟堂位i 金室 一致性好，适应范围广等优点，在当前的气敏传感器的研究和应用中占据主导 地位。 气体传感器的研究中，灵敏度、选择性和稳定性以及功耗和价格一直是在 改进的重点【3 3 1 。通过近年来的研究，上述问题得到了一定的改善，但与生物嗅 觉感受器之间还存在很大的差距，如响应时间、功耗、体积和识别能力等，化 学传感器还远远不及生物感受器。 ( 2 ) 信号预处理 电子鼻在模拟嗅觉的过程中，传感信号须适当的预处理才可进行模式识 别。传感器与被测气体反应会产生一个瞬态响应，即( t ) ，传感器的瞬态响应 很少直接拿来进行分析，一般是除去响应中的时间变量，取传感器的稳态响应 进行分析。传感信号预处理包括滤波、放大和特征提取，其中最重要的是特征 提取。目前常用的特征提取方法有相对法、差分法、对数法和归一法等，如表 1 2 所示。 相对法和分式差动法有助于补偿传感器的敏感特性，而且分式差动法可 以线性化传感器电阻和浓度的关系。采用对数分析，随着浓度增加的高度非线 性关系得到线性化。对传感器的输出进行归一化，使输出值落到 0 ，1 】之间，这 样可以降低化学计量分类器的计算误差，还可为人工神经网络分类器的输入准 备数据【3 4 】。传感器阵列归一化能够把所有的响应矢量投影到多维空间的球面 上，该方法适用于对样品种类进行精确识别。归一化过程修正了样品浓度的实 验误差，已应用于金属氧化物和聚合物阵列的响应识别。其缺点是，信号较弱 时，会增加噪声。 表1 2 电子鼻信号预处理算法 t a b l e1 - 2s i g n a lp r e - p r o c e s s i n gf o re l e c t r o n i cn o s e 5 武逯理王太堂亟堂焦! 金文 v i 一：响应最大值v i m m ：响应最小值x i ：响应某一时刻值 ( 3 ) 模式识别技术 模式识别是电子鼻的信号处理系统，相当于人脑，对传感器阵列的输出信 号再进行适当的处理，从而获得气体组成成分和浓度的信息。模式识别的过程 可分为两个阶段：( 1 ) 监督学习阶段，在该阶段，采用模式识别方法训练数据 库，从而对传感器阵列的输出建模，即通过数学规则，建立已知气味的输出和 和数据库中的符号之间的关系；( 2 ) 应用阶段，利用已训练的数据库来检测未 知气体，从而把传感器阵列的信号变为气体的浓度和种类信息。 一般模式识别方法分为线性判别方法和非线性判别方法。线性判别方法主 要包括主成分分析法( p c a ) 、偏最小二乘法( p l s r ) 、判别分析法( d a ) ；聚类分 析法( c a ) ；非线性判别方法主要包括人工神经网络( a n n ) 和模糊分类法( f i ) 。 ( 一) 主成分分析法( p c a ) 主成分分析法是处理多变量问题常采用的一种判别方法。由于多个变量之 间存在一定的相关性，因此采用少数几个变量的线性组合，来代替原来多个变 量所包含的信息。这样在保留原数据的大部分信息的同时，实现了对高维变量 空间的降维处理，从而可以很好地对变量和样本进行分类。目前，主成分分析 法在电子鼻系统中得到广泛应用。 ( 二) 偏最d 、- - - - 乘法( p l s r ) 偏最小二乘法是一种数学优化技术，通过最小化误差的平方和寻找原数据 的最佳匹配函数，利用线性方程组来描述复杂问题。采用多元回归( m l r ) 进行回归建模，且最终模型中包含所有的自变量。偏最小二乘法能够消除自变 量之间存在严重多重相关性的不良影响，易于辨识系统信息和噪声，多应用于 多因变量与多自变量的优化问题。 ( 三) 判别分析法( d a ) 判别分析法是根据已掌握的历史上已划分类别的信息和某种最优准则，确 定一种判别方法，从而对新的样本进行归属分类。通过利用已知类别的样本数 据，寻找具有某种最优性质的判别函数，利用判别函数把不同类别的样本数据 点尽可能地区分开。判别分析法是应用性很强的一种统计分析方法。 ( 四) 聚类分析法( c a ) 聚类分析法是一种将相近或相似的对象聚成一类的数理统计方法。在对样 本聚类分析时，常常采用距离来度量样本间的相似程度。闵可夫斯基距离、马 氏距离和兰氏距离是常采用的三种距离公式。通过计算样本间的距离，把距离 6 武迅理王太堂亟堂僮i 金塞 相近的样本先归类，距离较远的样本后归类，这个过程一直进行下去，直到每 个样本都聚到合适的类中。 以上四种分析方法均属于线性判别方法，这需要假设被测气体的浓度与气 体传感器的响应之间呈线性关系，因此在实际应用中存在局限性。 ( 五) 人工神经网络( 砧蝌) 人工神经网络模拟人类大脑的思维方式，由大量的神经元广泛相互连接构 成复杂的网络系统。它是一个非线性网络，通过对大量有监督学习和无监督学 习的样本进行训练，形成一定的数据库，从而鉴别未知样本。该方法可以不受 传感器漂移和误差的影响，且具有较高的识别精度，因次成为电子鼻系统中广 泛采用的另一种算法。 人工神经网络包括反向传播神经网络( b a c kp r o p g a a t o i nn e t w o r k ) 、径向基 人工神经网络( r a d i a lb a s i sf u n c t i o nn e t w o r k ) 、自组织人工神经网络( k o h o n e n n e t w o r k ) 。 b p 神经网络是一种多层前向神经网络。b p 算法通过比较计算输出和实际 输出的误差，将误差反传，不断调整隐层和输入层个神经元的权值和阈值，从 而达到预定的误差值。b p 算法常用来对测试气体进行定性和定量识别，在电子 鼻的模式识别中有着广泛的应用。 r b f , 中经网络是一种高效的前馈型神经网络。r b f 网络具有最佳逼近性能和 全局最优特性，这是其他前向网络所不具备的，而且结构简单，训练速度快， 是一种广泛应用于模式识别领域的神经网络模型。 k o h o n e n 网络是一种无监督学习的神经网络，网络结构只有输入层和输出 层。该网络比b p 网络更接近于人脑的认知过程。利用该方法对复杂气味进行识 别，当组成传感器阵列的传感器个数较少时，难以得出准确的识别结果，从而 使该网络模型的应用受到限制。 ( 六) 模糊推理算法( f i ) 模糊推理算法通过模拟人类的近似推理过程，从不精确的数据集合中得出 不精确的结论。该算法无法给出测试气味的精确浓度值，而是以“很高，高， 中等，低，很低 等语言变量进行标记。在电子鼻领域中，模糊识别算法是研 究和讨论的重要算法之一，一些研究人员采用混合策略的模式识别方法，尝试 从传感器阵列的有效信息中，最大限度地提取特征进行分类和识别。 7 武沤堡王太堂亟堂位i 金塞 1 3 3 电子鼻的工作原理 电子鼻是模拟人工嗅觉的分析系统，得到的是被测气体的总体信息。电子鼻 系统由气体传感器阵列、信号预处理和模式识别三部分组成。气体传感器阵列 是电子鼻的核心器件，当某种气味呈现在传感器面前时，传感器与气味分子发 生反应，将化学变化转换成电信号，由多个传感器对一种气味的响应便构成了 传感器阵列对该气味的广谱响应谱。传感器输出的信号，需进行适当的预处理， 如消除噪声、特征提取、信号放大等。然后，再采用合适的模式识别方法对处 理后的信号进行训练和学习，最后定性或定量的输出对所测气体的分析结果。 每种气味都有其自身的特征响应谱，根据特征响应谱可以区分不同的气味。同 时可利用气体传感器阵列对多种气体具有交叉敏感性，通过合适的模式识别方 法，能够实现混合气体的分析。 1 4 电子鼻对白酒测量的意义 1 4 1 电子鼻的应用领域 随着石油、化工、煤炭、冶金、汽车等重工业的迅猛发展，我们的生活环境 中充满了各种易燃、易爆、有毒气体，严重危害人们的身体健康。基于气体传 感器阵列的电子鼻系统检测气味，样本几乎不需要处理，测量时间短，对未知 样本只要经过训练学校，就具有很好的识别作用。与人工嗅觉系统相比，更安 全可靠。随着生活水平的提高，电子鼻有着广泛的应用领域，主要包括： 食品质量检测与控制：可检测谷物、水果、奶制品、肉类、鱼、奶酪、咖 啡、啤酒、白酒、饮料等的质量，也可对食品的变质进行监测，例鉴别水果、 蔬菜的新鲜度和成熟度【3 5 】，对啤酒、白酒和葡萄酒等进行分类与分级 3 6 1 。 环境监测：监测环境中的有机挥发物( v o c s ) 等有毒有害气体，如室内甲 醛浓度、一氧化碳浓度，也可用于大气、水质污染检测等p 7 。3 s l 。 公共安全检测：有毒物品的检测和预警；易燃、易爆气体及煤矿、油田的 消费检测；机场和车站