（系统工程专业论文）气味自动分析系统.pdf

摘要 气味自动分析系统( 电子鼻) 是一种具有部分选择性的化学传感器阵列和适 当的模式识别系统组成，能够识别简单或复杂气味的仪器。气味自动分析系统在 食品工业、航天工业、环境监测等方面具有诱人的前景，因此，这一研究领域受到 广泛关注和普遍重视，近年来发展迅速。 本论文从生物嗅觉系统的结构和嗅觉机理出发，总结了气味自动分析系统的 原理和结构，研究探讨了传感器阵列的组成、模式识别方法的选择。从随机过程 理论出发，提出了传感器阵列的数学模型。 在以上工作基础上，设计并实现了一个气味自动分析系统，已成功的应用于 三种谷物( 小麦、玉米和水稻) 是否发生霉变或存在其它异味的识别。 气味自动分析系统的硬件系统由气路系统，传感器阵列室和信号调理电路组 成。气路系统能够保证过程的重复性，为记录和利用传感器阵列的动态响应过程 提供了坚实的基础。信号调理电路可以在气敏传感器电阻的动态范围内获得较高 的灵敏度。 气味自动分析系统的软件系统包括人机交互界面和模式识别系统。界面用v b 语言编写，在工作时提供了一个友好的界面，用户可以方便的控制气味自动分析 系统。模式识别系统利用v b 和m a t l a b 混编实现，进行实时的数据处理和结果显 示。 对气味自动分析系统中的特征提取和模式识别算法进行了研究，提出了合适 的特征提取方法，较好的解决了谷物霉变辨识问题。 关键字：气昧自动分析系统，谷物，气敏传感器阵列，神经网络，模式识别，特 征提取 a b s t r a c t a s m e l la n a l y z i n gs y s t e m ( s y s ) i sa ni n s t r u m e n t ，w h i c hi sc o m p o s e d o fa na r r a yo f c h e m i c a ls e n s o r sw i t hp a r t i a ls p e c i f i c i t ya n da n a p p r o p r i a t ep a t t e r nr 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 n i z i n gs i m p l eo r c o m p l e xo d o r s i ti su s e di nf o o di n d u s t r y ，a v i a t i o n ，s p a c e f l i g h ta n d e n v i r o n m e n ti n s p e c t i o nw i d e l y s ot h i s r e s e a r c ha r e ai so f g r e a t i m p o r t a n c ea n db e c o m e sa ni n t e r n a t i o n a lr e s e a r c hf o c u s i nt h i sd i s s e r t a t i o n ，t h ep r i n c i p l ea n dt h es t r u c t u r eo ft h es y sw e r e a n a l y z e db yc o m p a r i n gw i t ht h o s eo fo l f a c t i o no r g a n i s m t h ec o n s t r u c t i o n o fs e n s o r a r r a ya n dt h ec h o i c eo fp a t t e r nr e c o g n i t i o nm e t h o d sw e r e d i s c u s s e d am a t h e m a t i cm o d e l i n go fs e n s o ra r r a yw a se s t a b l i s h e db a s e d o nr a n d o mp r o c e s st h e o r y 。 b a s e do nt h ew o r kh e r e i n b e f o r e ，as m e l la n a l y z i n gs y s t e mh a sb e e n d e s i g n e d ，w h i c hh a ss u c c e s s f u l l yi d e n t i f i e dw h e t h e rt h eg r a i na r em o l d y t h e s y sh a r d w a r ei sc o m p o s e do fg a ss e n s o ra r r a y ，g a sp i p es y s t e ma n d s i g n a la d j u s t i n g c i r c u i t t h e g a s s e n s o r a r r a y c a n k e e pt h e r e p r o d u c i b i l i t yo ft h ep r o c e s s ，w h i c hf a c i l i t a t e st h er e c o r da n du t i l i t y o fd y n a m i cr e s p o n s eo fs e n s o ra r r a y as i g n a la d j u s t i n gc i r c u i ti su s e d s ot h a ts e n s i t i v i t yc a nb eh e l dc o n s t a n to v e rw i d e rd y n a m i cr a n g eo ft h e g a ss e n s o rr e s i s t a n c ev a l u e s t h es y ss o f t w a r es y s t e mi sm a d eu po fi n t e r f a c ea n dp a t t e r nr e c o g n i t i o n t h ef o r m e rw r i t t e ni nv b ，p r o v i d e sf l f r i e n d l yi n t e r f a c ew h e ns y sw o r k s ， t h r o u g hw h i c hu s e rc a nc o n t r o lt h es y s t e me a s i l y t h el a t t e ri sc o m p l e t e d b yv ba n dm a t l a b ，w h i c hr e a l i z e dd a t ap r o c e s sa n dr e s u l t sd i s p l a yi nr e a l t i m e s y sf e a t u r ee x t r a c t i o na n dp a t t e r n r e c o g n i t i o na l g o r i t h m s w e r e s t u d i e d a na p p r o p r i a t ef e a t u r ee x t r a c t i o nw a su s e d ，w h i c hc a nr e c o g n i z e w h e t h e rt h eg r a i nw e r em o l d yc o r r e c t l y k e y w o r d s ：s m e l la n a l y z i n gs y s t e m ( s y s ) ， n e t w o r k ，p a t t e r nr e c o g n i t i o n ， g r a i n ，g a ss e n s o ra r r a y ，n e u r a l f e a t u r ee x t r a c t ，i o n 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校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。本人授权江苏大学可以将本学位论文的全部 内容或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫 描等复制手段保存s h o e 编本学位论文。 保密口，在年解密后适用本授权书。 本学位论文属于， 不保密臣r 。 学位论文作者签名：土婆去 1 签字目期：知帕幺年；月，7 日 学位论文作者毕业后去向： 工作单位： 通讯地址： 导师签名：参豫奇 l “ 签字闩期：珈豇年乒月，7 日 | 电话： 邮编： 独创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进 行研究工作所取得的成果。除文中已经注明引用的内容以外，本论文 不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的 研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人 完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 日期：年月日 江苏大学硕士学位论文 第一章绪论 1 1 引言 随着人类对自然界不断探索与对自我的不断认识，仿生学成为人类科技前沿 的一个重要领域。在计算机视觉、自然语言理解等人工智能研究的同时，气味自 动分析系统( 即电子鼻) 的探索也越来越得到广泛的重视，成为诸多领域的交叉 科学。 气味自动分析系统，是- f - i 涉及传感技术、模式识别、电子技术、计算机技 术、神经生理学和数学等的交叉学科。传感器技术和模式识别为其两大基础，电 子技术和计算机技术为其提供了实现手段，神经生理学和数学为其提供了理论基 础并指明了发展方向。 1 2 本课题研究背景 食品的香气不是由某一种呈香成分所单独产生的，而是多种呈香成分的综合 反映，这些呈香成分都具有挥发性，含量极微，其中大多数属于非营养性成分， 耐热性极差。食品香气检测目前主要是依靠人的嗅觉。由于不可避免地要受到生 理、经验、情绪、环境等主观和客观因素的影响，感官评定方法难以做到准确、 客观。从某种意义上讲，感官评定方法比理化分析方法更难掌握，即使是一些很 有经验的专家，有时在评价一种特殊食品的香气或味道时，也往往会产生一些很 不一致的意见。采用气敏传感器与气敏传感器阵列来模仿人的鼻子，即气味自动 分析系统为解决这个问题带来了一线曙光。 本课题旨在研究粮食气味自动分析系统，粮食的挥发性气体使气体传感器阵 列产生一组信号，模式识别系统辨识该粮食是否发生霉变或发酵，达到快速评定 粮食品质的目的。 本课题研究具有重要的实际意义：1 保障广大农产品生产者的利益。由于在 农产品收购中缺乏必要的检测设备，或因有些设备陈旧、落后，造成农产品收购 过程中很难准确把握收购等级标准，出现收购单位压级压价，抬级抬价等问题。 自动检测方法和必要的检测设备，能够保障广大农产品生产者的利益，2 保障 江苏大学硬士学位论文 国有粮食储藏的安全。我国稻谷产量基数非常巨大，大部分粮食需要流通和入库 储藏。目前，储备库对储备粮在仓内的粮情检测只能查粮温。对储粮的品质检测， 目前还没有快速而有效的方法。因此常常造成储藏几年的粮食看起来既未发霉又 未长虫，外观变化不大，但出库后的粮食工艺品质、食用品质却明显下降。为此， 我们必须争取早日研制出适合粮食仓库的快速品质检测仪器。3 为我国粮食贸易 流通提供快速、可靠的手段。2 0 0 0 年7 月1 5 日武汉市通过竞价交易方式，拍卖 六万一千一百七十九吨陈粮老谷，武汉市目前共有十二亿公斤的陈化粮，其中有 八成左右已丧失了直接食用价值，处理陈化粮己成为武汉市粮食工作的重中之 重。全国类似的粮食流入社会以后，如有不法商贩好坏掺半，人民群众若无相应 的快速检测手段，后果不堪设想。 1 3 气味自动分析系统的研究现状 目前，随着生命科学、人工智能、材料科学、微电子技术及人工神经元网络 的发展，气味自动分析系统的研究取得突破性进展。以气敏传感器阵列和模式识 别为基本结构的气味自动分析系统，不仅在一定程度上实现了模仿生物嗅觉识别 混合气味的功能，而且开始走向实用。如a o m a s c a n ( 英国) 的“数字气味分析 系统”、a p h am o s ( 法国) 的f o x 5 0 0 0 和n e o t r o n i c ss c i e n t i f i cl t d ( 英国) 的n o s e 已作为产品进入市场。 气味自动分析系统应用在食品工业的很多方面。在原材料方面，可以用来检 测鱼、肉、蔬菜、水果等的新鲜度，分类谷物、对禽类进行沙门氏菌检疫；在生 产过程方面，可以用它实现烹调、发酵、存储等过程的监测；在产品评价方面， 它可以用来评价水果、葡萄酒、干酪和肉制品等的成熟度，评价和识别不同品牌 的白酒、葡萄酒，检测果汁等饮料的新鲜度。 气味自动分析系统在医学上也被作为诊断的依据。美国研制出可以“闻”出 “非典”的气味自动分析系统，意大利科研人员研制出能检测出“肺癌”的装置。 此外，气味自动分析系统在其它行业的应用也逐渐兴起，美国研制的手提气 味自动分析系统能判定凶杀时间，俄罗斯莫斯科动力学院的专家研制出名为“电 子鼻”的一种气体传摩器，可以代替警犬搜查毒品和爆炸物。 本课题就是在气味自动分析系统日新月异的今天，建立粮食气味自动分析系 统为依托，在气味自动分析系统的研究方面做一些尝试和探索。 2 江苏大学硕士学位论文 1 4 论文的主要工作 本论文的主要工作是进行气味自动分析系统及其应用研究，从气味自动分析 系统的生物学原理、数学基础、系统的结构、设计与实现以及具体应用等方面对 气味自动分析系统进行系统研究。论文的主要内容包括以下五个部分： 1 ) 气味自动分析系统的原理与结构研究。从生物嗅觉系统的结构和嗅觉机 理出发，全面总结了气味自动分析系统的原理、结构和设计思想。在传感器阵列 的组成、信号预处理电路的设计、模式识别方法的选择等方面进行了总结和探讨。 2 ) 设计并实现了一个气味自动分析系统，包括气路系统、信号调理电路和 p c 机。 3 ) 用v i s u a lb a s i c 6 0 开发了一套基于w i n d o w s 的用户界面，通过用户界 面，可以方便地控制气味自动分析系统，实时地进行信号采集和处理。 4 ) 用气味自动分析系统对谷物( 小麦、水稻和玉米) 进行了实验。实验结 果表明，气味自动分析系统可以准确地识别新鲜谷物、霉变谷物及其它异味，达 到了设计的要求。 本文的内容安排如下：第二章，气味自动分析系统的原理和结构。第三章， 传感器阵列的设计与实现。第四章，数据采集硬件与软件实现。第五章，模式识 别及实验结果。第六章，结论与展望。 江苏大学硕士学位论文 第二章气昧自动分析系统的原理和结构 2 1 气味自动分析系统的仿生学原理 嗅觉是生物嗅觉系统受到某种物质( 例如麝香) 散发的气味分子的刺激而产 生的一种生理反应。图2 一l 为人的嗅觉系统传导通路示意图 1 2 l 。气味分子被吸 入鼻孔后，首先达到嗅上皮，对嗅上皮内的嗅觉感受器细胞产生一个刺激脉冲。 嗅觉感受器细胞是双极细胞，其向嗅上皮细胞突出的一极被称为树状突触，其末 端呈圆形并向嗅上皮表面的粘膜中伸出许多嗅纤毛，嗅纤毛通过受体蛋白质与气 味分子相互作用。人的鼻孔里大约有5 0 0 0 个嗅小球和1 0 0 0 0 个僧帽细胞。嗅感 受器传来的信号通过嗅神经内的轴突传递到嗅小球，再经过僧帽细胞进一步处理 后，通过颗粒细胞最终被送到大脑皮质。 嗅觉球 图2 1 人的嗅觉系统传导通路 2 1 1 嗅上皮和嗅细胞 嗅上皮位于鼻孔的上部，表现为一个暴露在外部环境中的气味敏感表面。嗅 上皮中包含了感受器系统。对人而言，每个鼻孔的嗅上皮的面积大概为6 c m 2 。 嗅上皮包含了镶嵌在支持结构中的5 x1 0 2 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，形成一个叫嗅小泡( o l f a c t o r yk n o b ) 的球状结 构，内有伸到覆盖在嗅上皮上的黏液层中嗅纤毛，从而显著的增加了细胞的表面 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一鲍氏腺位于粘 膜下层。 4 江苏大学硕士学位论文 2 1 2 暝觉产生的机理和特点 刺激感受器的气味分子首先被黏液吸收，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产生神经冲动。 嗅觉感受器能在几毫秒内对挥发物质器反应，响应时间较一些气敏元件短得多， 如z n o 系h 2 0 敏感元件j e t g s ( h ) 的响应时问为3 0 秒。 嗅电图( e l e c t r o o l f a c t o g r a m ，e o g ，嗅觉膜上记录到的生物电反应) 的振 幅及嗅神经脉冲的发送频率在很大范围内均与刺激强度的对数成正比，跨度为 2 3 个对数范围。不同的气体分予的嗅觉阂值相差很大，有些特别低，如每毫升 空气中只要存在1 2 5 ，0 0 0 ，0 0 0 ，0 0 0 ，0 0 0 r a g 的甲基硫醇就能被嗅出。 有时候，尽管阈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 微量杂志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 定了复杂的混合气味或气味的气味轮廓( o d o rp r o f i l e ) 。很多食物腐败味就是因 为出现了这类功能强大的挥发性物质，如奶油变味时挥发出的一种这类物质在水 中的阈值为0 0 1 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：i 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 味道。这也是气味识别不同于气体识别的地方之一。2 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。嗅细胞可能不同程度地对l o 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，我们在设计传感器阵列时，可以充分利用气敏元件 的“交叉敏感性”这样，一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。 2 1 3 嗅觉信号的传递和处理 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 江苏大学硕士学位论文 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加。 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。从这种意思上来说，使用声表面波器件( s a w d ) 气体传感器来构造传感 器阵列更接近生物学系统。 嗅觉信号沿着感受器神经元的轴突传播至嗅球中的几千个神经纤维球中，经 过某种处理后由嗅球的传出神经元一僧帽细胞向神经中枢传送。前面说过，每个 嗅球大约有2 5 0 0 0 个传入神经元和2 5 个传出神经元，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，从而也有很强的容错能力。 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 面可以观察到二维活动模式。那里表现为气味和区域没有空间关系，或者说，没 有某个区域用于薄荷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象有惊人的相似，我们在设计传感器阵列时也要考虑这一 问题，可以尝试把一些图象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间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。 2 1 4 嗅觉中枢的反馈 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。 2 2 气味自动分析系统的结构 毫无疑问，人的鼻子还是很多行业用于评价物质气味的主要“仪器”，例如： 对香料( 化妆品、香皂) 、食品( 鱼类、肉类、乳酪等) 、酿造品( 啤酒、威士忌、 6 江苏大学硕士学位论文 咖啡等) 、香烟等物品的气味进行检测时，大多数情况就是如此。但是，用一组 有经验的人员对产品的气味进行评价，费用昂贵且不准，主要是人的工作期限毕 竟不长，检测结果往往受到经验、情绪等因素的影响。更重要的是，有些气味( 例 如毒气和有害气体等) 是根本不能用人鼻去检测的。人们也常用气象层析法和气 象色谱一质谱分析法对物品的物理化学性质进行分析。但是，这些方法耗费的时 间长，所用的仪器成本高，体积大，使用条件苛刻，当某一成分的含量低于一定 的限量时往往测不出来，测量结果往往不可靠，而且，物品的化学成分的多少与 人们的习惯如咸、甜、酸等也无法对应起来。这样，其使用范围就受到限制。因 此，模仿人的嗅觉系统功能的气味自动分析系统或电子装置具有广泛的应用前 景。 由前所述，动物和人的嗅觉系统的结构有三个层次。( 1 ) 初级神经元，它由 嗅觉感受器和嗅觉神经组成。对气味有一定的敏感度，但交叉灵敏度也很高，类 似半导体气敏传感器。( 2 ) 二级嗅觉神经元，具有对初级神经元传递过来的信息 进行调节、抑制功能。( 3 ) 经调节、抑制后的嗅觉信号传到大脑，进行处理，作 出判断。 近几十年间，随着对生物嗅觉系统机理的理解不断加深，人们一直在试图对 其进行模拟。根据仿生学原理，模拟动物和人的嗅觉系统，气味自动分析系统的 构造也有三个层次，( 1 ) 气敏传感器阵列，相当于嗅觉初级神经元。由具有广谱 响应特性，交叉灵敏度较大，对不同气体的灵敏度不同的气敏器件组成。( 2 ) 运 算放大器等电子线路，相当于二级嗅觉神经元。( 3 ) 计算机系统，相当于动物和 人的大脑。除了这些硬件系统外，对嗅觉信号进行判断、分析、识别的软件系统 也同样重要。它的主要内容是模式分类和模式识别技术。在各种各样的人工嗅觉 系统中，用过多种模式分类和模式识别技术，如多变量模式识别法，人工神经网 络识别和模糊集合理论。 典型的气味自动分析系统的机构如图2 2 所示1 2 4 1 它一般由传感器阵列、 信号预处理系统、模式识别系统组成，由计算机实现控制、计算和i o 接口。 2 2 气味自动分析系统的系统结构框图 7 江苏大学硕士学位论文 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 膜、嗅小球，神经中枢相类比，更重要地是在功能上气味自动分析系统在下面两 个方面也具有生物嗅觉系统地特点：( 1 ) 对多种气体或气味敏感；( 2 ) 通过必要 的处理，能够识别所感受到的气体或气味。 2 3 气敏传感器阵列装置 气敏传感器阵列是气味自动分析系统的基础，合适的阵列对提高熬个系统的 性能至关重要，阵列可以是由多个分立元件构成，也可以是单片集成的、常用的 分立元件有声表面波器件、电化学器件、场效应管、半导体气敏元件等。至于集 成的微型气敏传感器阵列，目前已经开发出多种敏感材料和阵列结构。 根据材料类型的不同，现有的传感器( 指气敏传感器，下同) 可分为金属氧 化物型半导体传感器、有机导电聚合物传感器、质量传感器( 包括石英晶体谐振 传感器和声表面波传感器) 、金属氧化物半导体场效应管传感器和红外线光电传 感器。用作气敏传感器的材料必须具备两个基本条件： 1 ) 多种气味均有响应，即通用性要强，要求对成千上万种不同的嗅味在分 子水平上作出鉴别。 2 ) 嗅味分子的相互作用或反应必须是快速、可递的。不产生任何“记忆效 应”，即传感器还原。 如前所述，生物嗅觉系统中的单个嗅觉受体细胞的性能( 如灵敏度、感知范 围等) 并不高，但是，生物嗅觉的系统的整体性能却令人惊叹不己。与此相同， 我们也不应该刻意追求单个气敏传感器的性能越高越好。目前，某一类型的单个 气敏传感器仅能检测某一类型的气体。把不同特性的单个气敏传感器组合起来就 构成了嗅觉传感器阵列。与单个气敏传感器相比，嗅觉传感器阵列不仅检测范围 更宽，而且其灵敏度、可靠性都有很大提高。因此，最近对气体或气味进行检测 时，大多数人都趋向于用嗅觉传感器阵列装置。表2 1 列出了常用的嗅觉传感器 阵列装置及有关特性。 金属氧化物型半导体传感器目前是世界上生产量最大，应用最广泛的气敏传 感器，其原理是通过被铡气味分子吸附在敏感膜材料上，导致金属氧化物半导体 的电阻发生变化而实现检测。这种传感器的特点是选择性不高，稳定性好，恢复 时间长，工作时需要加热。其体积大，组成阵列时不易布置。 8 江苏大学硕士学位论文 有机导电聚合物传感器的工作原理是，工作电极表面上杂环分子涂层在吸附和释 放被测气体分子后导电性发生变化。导电聚合物材料是有机敏感膜材料，如吡咯、 苯胺、噻吩等。这种传感器的特点是体积小，能耗小，工作时不需加热，稳定性 好，吸附和释放快，被测对象的浓度与传感器的响应在很大范围内几乎呈线性关 系，这给数据处理带来极大的方便。近年来，这类传感器阵列的应用有增加的趋 势。 表2 1 常用的嗅觉传感器阵列及特性 气体敏感材料传感器类型传感器个数 典型的被测对象 金属氧化物化学电阻 6 ，8 ，1 2 可燃气体 有机导电聚合物化学电阻1 2 ，2 0 ，2 4 n h 3 ，n o ，h 2 ，酒精 脂涂层声表面波，压电材料 6 ，3 ，1 2 有机物 红外线光能量吸收2 0 ，2 2 ，3 6c h 4 ，c o x ，n o x 。s 0 2 脂涂层传感器又称质量传感器，典型的脂涂层传感器有声表面波型和石英谐 振型两种。声表面波型传感器工作原理是在压电晶体上涂敷一层气体敏感材料， 被测气体在流动过程中被吸附在敏感膜上，这样，压电晶体基片的质量发生变化， 由于质量负荷效应而使基片振荡频率发生变化，从而实现对被测气体检测。石英 谐振型传感器的工作原理是在石英振子上涂敷一层敏感膜，常用的敏感膜材料有 脂类、塞珞珞等。当敏感膜吸附分子后，谐振子的振荡频率就成比例的变化，仍 属于质量负荷效应。谐振子上涂敷的敏感膜材料不同，传感器的性能就不同，把 具有部分重叠特性的传感器组合起来，就构成质量传感器阵列。 红外线光电传感器的工作原理是，在给定的光程上，红外线通过不同的媒质 ( 这里是气体) 后，光强以及光谱峰的位置和形状均会发生变化，测出这些变化， 就可对传感器的输出与被测对象的成分和浓度进行分析。其特点是在一定范围 内，传感器的输出与被测气体的浓度基本呈线性关系，但这类装置的体积大、价 格昂贵、使用条件苛刻等，其应用范围受到限制。这几种传感器的共同特点是对 温度和湿度的敏感性强，所以测试时必须严格控制温湿度的影响。按工作原理的 不同，还有金属氧化物半导体场效应管等传感器阵列装置。嗅觉传感器阵列装置 的发展趋势是集成化、监测范围宽和携带方便。 9 i 工苏大学硕士学位论文 2 4 信号预处理 般而言，信号预处理包括信号调节和a d 采样，前者将传感器对气体的响 应转变为容易测量的电信号( 电压或电流) ，后者将模拟信号转变为模式识别系 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，为后面的模式 识别打下坚实的基础。 2 5 模式识别( 数据处理分析) 由传感器产生的电信号经电子线路放大及a d 转换为数字信号输入计算机， 被测嗅觉的强度既可用每个传感器的输出的绝对电压、电阻或电导等信号来表 示，也可用相对信号值如归一化的电阻或电导值，即它们的变化率比较嗅味的性 质，传感器阵列输出的信号经专用软件采集、加工、处理后与经“人为学习、训 练”后采集的已知信息进行比较、识别，最后得出定量的质量因子决定被测样品 的类别、真伪、优劣、合格与否等不同规格的质量。因此这一部分的关键是数据 处理软件所用的数学方法。目前，在气味自动分析系统中，常用的数据处理方法 有多元统计数据处理方法和人工神经网络数据处理方法。统计方法是数据处理的 基础和经典方法，常用的方法有：回归分析法、距离判别法、贝叶斯判别法【l o l 、 费歇判别法、主成分分析法、偏最小二乘回归分析法等。人工神经网络一a n n ( a r t i f i c i a ln e u r a ln e t w o r k ) 是以大脑的生理研究成果为基础，其目的在于模拟大 脑的某些机理，以实现某些方面的功能。近些年来，在人工神经网络这个涉及多 种学科的高新技术领域中，吸引了众多的神经生理学家、，t l , 理学家、数理学家、 计算机与信息科学家等。大量有关人工神经网络( 以下简称神经网络或网络) 机 理、模型、算法、特性分析以及在各方面应用的学术论文象雨后春笋般地涌现， 使神经网络成为当代信息高科技的研究热点。它与经典统计方法比较，其优点如 下：( 1 ) 入工神经两络既能模仿人的逻辑恿维，又能模仿入的形象思维，是典型 的非参数数据处理方法。( 2 ) 人工神经网络通过自学习( 训练) 自动地掌握和挖 掘隐藏在事物内部的、不能用明确的数学公式表示的“灰箱”或“黑箱”关系， 这与统计方法形成鲜明对照。( 3 ) 1 人工神经网络数据处理方法在处理精度、容错 性方面也显出了很大的优越性。因此，人工神经网络数据处理方法与统计分析方 1 0 江苏大学硕士学位论文 法同为气味自动分析系统的重要数据处理方法。 什么是模式( p a t t e r n ) 昵? 广义地说，存在于时间和空间中可观察的事物， 如果我们可以区别它们是否相同或是否相似，都可以称之为模式。但模式所指的 不是事物本身，而是我们从事物获得的信息。因此，模式往往表现为具有时间或 空间分布的信息，模式是一些供模仿用的完美无缺的标本 人们为了掌握客观事物，按事物相似的程度组成类别。模式识别的作用和目 的就在于面对某一具体事物时将其正确地归入某一类别。模式识别就是根据特定 的规律识别出特定客体所模仿的标本。模式识别能力是人类和自然界所有生物的 一种基本属性。被识别的对象可以是具体的，也可能是抽象的，字符、图画、音 乐等属于具体的被识别对象范畴，因为它们可以通过感官的刺激而被识别；与之 相对应，思想、信仰、观点等则属于抽象的被识别对象范畴。本文的主要研究对 象是具体的对象。于是，我们可以给模式一个狭窄的定义；模式就是对某些感兴 趣的具体的研究对象的定量的或结构的描述。描述类别就是具有某些共同特征的 描述的集合。简单地说，模式识别就是把待辨识的特征与已知的模式类别相比较， 从而确定它的类别归属这样一个过程。 图2 3 为模式识别的过程框图，其中每一步都关系到最终的分类结果。 传感器 k 、 i 被识别对象k l传感器 ， 图2 3 模式识别过程框图 被识别的对象是我们感兴趣的电信号或非电量。在气味自动分析系统中为单 一或混合气体或各种气味。 模式采集是由能测量各种特种的敏感元件来实现的，目的是将样本映射到模 式空间( 所有样本观测数据的全体构成的n 维空间) 。 在模式空间中，根据不同的研究对象和要求，需要对信号进行不同形式的预 处理。预处理可以实现以下功能：1 、滤除模式采集过程中引入的噪声和干扰， 提高信噪比；2 、消除信号的模糊和失真，人为地增强有用信号；3 、为后级处理 江苏大学硕士学位论文 方便，对信号进行适当的变换。 为了降低模式空间中数据的维数以减少运算量，结合模式分类时的判决准则 压缩数据的维数称为特征提取。降维后的数据构成特征空间。通过特征提取不仅 可以减少运算量，而且往往有利于提高分类的准确率，尽管降维时损失了信息量。 模式识别是将特征空间划分为类型空间。识别的方法有很多，如统计决策方 法、句法结构方法、模糊判决方法和人工智能方法。前两种发展得比较成熟，效 果也不错。模糊判决法是将模糊数学的有关研究成果引入前两种方法中发展起来 的。人工智能的方法，特别是其中的人工神经网络的方法更具有诱人的前景。 2 6 系统总体设计思想 根据自顶而下的设计思想，将本系统分为几个部分，每一个部分进行优化设 计，然后再进行整体调整，系统总体设计结构如图2 4 所示。 粮食气味自动分析系统 课题的背景 与初期准备 靠 i 出 嚣 研 制 与 调 试 数据、厂，信号模式 采集识别处理 图2 4 系统总体设计结构 1 2 )r1恃悚阌憾tl啊 荔而瓣甜扩 (f蚕j! 模式识别方法比较 吲吲吲国 圉训型 阵究一障旧旧旧r1 器工占吲 榭列一例列矧侧型 江苏大学硕士学位论文 第三章传感器阵列的设计与实现 3 1 传感器阵列的设计 本研究的气味自动分析系统的硬件包括传感器阵列和测试装置，图3 一l ( 1 ) 为气味自动分析系统硬件的结构框图，图3 1 ( 2 ) 为本研究研制的气味自动分 析系统的照片。传感器阵列由s n 0 2 气敏传感器阵列组成，测试装置包括机械装 置和电路两大部分。其中机械装置包括载气瓶、减压阀、样品罐、流量计、传感 器阵列、温湿变送器等，电路包括直流电源、测试电路、数据采集系统。下面对 各组成部分分别加以说明。 图3 1 ( 1 ) 气味自动分析系统结构框图 图3 1 ( 2 ) 气味自动分析系统照片 江苏大学硕士学位论文 载气瓶内为压缩空气，待测样品放入样品罐内的小烧杯中，载气将待测样品 气味带入传感器阵列反应，产生电信号，通过采集电路把数据采集到计算机中形 成数据文件，供以后进一步数据处理。每次测量后要排放废气并向传感器阵列室 中通入洁净空气，使传感器复原，即传感器回到未与气体样本反应时的状态，以 便下一次测试。 3 1 1 传感器阵列的原理 气味自动分析系统数据处理流程如图3 - - 2 所示1 2 4 1 传感器阵列和模式识别 系统是两个基本组成部分，信号预处理是二者之间数据联系的桥梁。传感器阵列 的每个单元对一种或多种气体敏感，整个阵列对不同气体的响应构成一个响应矩 阵u ( t ) ，信号预处理则将使这一响应矩阵变换成对应的时间序列r ( n ) 。时间 序列的特征和精度直接影响着模式识别方法的选择，并最终决定了整个系统的性 能，如分辨率、灵敏度、一致性等。 图3 2 气味自动分析系统数据处理流程图 本文在介绍气敏传感器响应曲线的基础上，讨论传感器阵列的数学模型，包 括信号预处理和特征提取方法。 3 1 1 。1 气敢传感器的响应矩阵 在气味自动分析系统中应用的传感器种类比较多，常用的如半导体气敏传感 器、导电聚合物、声表面波器件等。我们以半导体气敏传感器为例来描述气敏传 感器的响应曲线。图3 3 给出了典型的半导体气敏传感器响应曲线，测量参数 为传感器的电压值。整条曲线分为四段：1 稳定状态，传感器加热后在测试环境 中达到稳定状态。2 吸附过程，传感器吸附待测样品，电压值发生变化。半导体 传感器的响应时间一般在1 分钟以内。3 脱附过程，传感器和样品脱离接触。4 稳定过程，传感器的电阻值重新恢复到稳定状态。 气敏传感器响应过程的吸附过程含有与样品有关的大量信息，在实际应用 中，通常没有利用其余三个过程的信息。 1 4 江苏大学硕士学位论文 图3 4 给出了气味自动分析系统系统的一条测试曲线。是传感器对新鲜小 麦的响应曲线。横坐标采样点的序号，纵坐标为阵列的响应，以信号量化后所得 的量化电平数表示。从图3 4 中可以看出，气敏传感器对气体的响应可以用时 间域上的函数来描述。但是，这一函数并不象后续的模式识别方法所要求的那样， 是一个确定性函数，相反，由于进样的不一致及其它因素。气敏传感器对气体的 响应只能看作一个时间域t 上的随机过程，记作： ，( c o ，r ) ，t t = t “，f ) + a ( o j ，f ) ，t t 印q( 3 1 ) 其中，q 为样本空间，( c o ，t ) 为传感器的理论响应函数，( ，f ) 为各种噪声 和干扰的综合效果，图3 5 给出了图3 4 中a 处的局部放大图。从图中可以看 出，噪声不是很大，幅度约1 0 个量化电平。 图3 3 气敏传感器的响应曲线 图3 4 传感器阵列的响应曲线 江苏大学硕士学位论文 3 1 1 2 信号预处理 图3 5 响应信号的噪声 f ( t ，叫互，盟叫弘嘲， 图3 6 信号预处理示意图 一般而言，信号预处理包括信号调节和a d 采样( 示意图如图3 6 所示) ， 前者将传感器对气体的响应转变为满足a d c 量程、容易测量的电信号( 电压或电 流) ，后者则将模拟信号转变为模式识别系统所需要的数字信号。信号预处理电 路的设计主要取决于传感器的响应特性和后续处理要求，信号调节电路的传输函 数g ( t ) 和a i ) c 的位数k 直接决定了量化后的数字信号所包含的信息量，从根本 上决定了模式识别系统的识别精度。 经过信号预处理，传感器的响应由随机过程转变成时闻序列，就把这一时间 序列作为传感器的输出信号。 8 1 1 8 传感器阵列的响应矩阵和输出矩阵 假设一个由n 个气敏传感器构成的阵列来分析m 种气体。其中传感器i 对第 j 种气体的响应为一个随机过程，记作： 溉( ，) f r j = 抚( f ) + 嘞( f ) ，t e t 。 ( 3 2 ) 其中i = 1 ，2 ，n ；j = l ，2 ，m ：t 为时间域。 1 6 江苏大学硕士学位论文 j 。) = j “f ) i 2 。) ，i ( f ) ， 7 r ) 2 l ：乏：三三j ，r f f 巧。( ，) 巧：( f ) 巧 ，( f ) 1 而h 讯n 姒n 矗， 一雌篓驯 e ， 1 7 江苏大学硕士学位论文 较多种类的气体或气味的目的。也就是说，传感器阵列中每个传感器都程度不同 地对多种气体敏感( 这一点和动物嗅细胞的特性也是类似地) 。 ； 假设混合气体中包含m 种气体成分，则传感器阵列对该混合气体的响应为 阵列中每个传感器对每种气体成分响应的非线性组合： f ( f ) = ( ，i ( f ) ，f 2 ( f ) ，f m ( f ) ) ，t f ( t ) 仍然是一个随机过程。阵列的输出信号为： “n ) = ，( z l ( 玎) ，x l ( 疗) ，x 1 ( 玎) ) 7 1 = 0 , 1 2 。 x ( n ) 是一个时间序列。 ( 3 7 ) ( 3 8 ) 这是一个很复杂的数学问题，简单的计算无法求解，只能使用模式识别技术， 特别是神经网络模式识别。 3 1 2 传感器阵列的构成 表2 1 所列的几种组成气敏传感器阵列的传感器中，金属氧化物气敏传感器 ( m o s ) 的产品最为成熟。这种气敏传感器的简单分类如表3 一l 所示。 表3 1 金属氧化物半导体型气敏传感器的分类 所利用的特性敏感材料工作温度典型被测气体 表面电阻s n 0 2 z n o室温一3 5 0 还原性气体、挥发蒸汽 体电阻y f e ：o 。t i0 23 0 0 一3 5 0 还原性气体、挥发蒸汽 表面电位a 9 2 0 室温硫化物、醇类 二极管整流p d t i 0 2室温2 0 0 h 2 、c o 、乙醇 晶签笪g = i ! 堕坚! q 兰 丝：丛垄 3 1 2 1s n 0 2 气敏传感器 s n 0 2 型气敏传感器是目前世界上生产量最大，应用最为广泛的气敏传感器， 与其它气敏传感器相比，具有以下特点： 【l 】气敏传感器的阻值与被测气体的浓度呈指数变化关系，因此，这种类型 的气敏传感器适用于低浓度气体测量，也即具有较高的灵敏度； 2 】s n 0 2 材料的物理、化学稳定性好，寿命长，耐腐蚀性强； 【3 】s n 0 2 型气敏传感器对气体的检测是可逆的，而且吸附、脱附时间短，可 以连续使用； 1 8 江苏大学硕士学位论文 【4 】s n 0 2 型气敏传感器结构简单，成本低，可靠性高，机械性能良好； 【5 】对气体的检测不需要复杂的处理设备，待测气体可通过传感器的阻值变 化，直接转变为电信号，而且，其电阻率变化大，信号处理不需要放大电路就可 实现。 s n 0 2 型气敏传感器与其它类型的气敏传感器相比，选择性不是很高，为了提 高气敏传感器的选择性，常在制备过程中掺入p t 、p d 、r h 等稀有金属。 3 1 2 2s r t 0 2 气敏传感器的工作原理 s n 0 2 气敏传感器工作原理是，当s n 0 2 气敏传感器的表面敏感层与空气接触 时，空气中的氧分子靠电子亲和力被吸附到敏感层的表面上，并从半导体的表面 获得电子而形成0 2 。、o 一、0 2 一等受主型表面能级，表面电阻增加；若还原性气 体如h 2 、c o 等作为被检测气体与其表面接触时，发生氧化还原化学反应，被氧 原子捕获的电子重新回到半导体中，表面电阻下降。利用气敏传感器表面电阻的 变化即可检测气体。上述过程可用三个化学反应式来描述： 1 d 2 + n e _ 嘶 ( 3 9 ) 二 。翻+ 日2 一日2 0 + n e ( 3 1 0 ) + c o 专吗+ 胎 ( 3 i 】) 式中：e 电子电荷 2 0 l o g g o 蓉5 嚏 2 c 2 h ，o hr 二 - _ 一 气体浓度v ，v xi 俨 图3 7 s n o z 膜灵敏度与气体浓度的关系 c 2 m o h ( c h 4 + c 2 h s o 椰x 妁o 图3 8 s n o z 膜灵敏度与混合气体浓度的关系 另外，在半导体晶粒接触部位如果存在结构位错，将会在位错处形成妨碍载 流子运动的势垒，这种势垒因吸附气体而改变