一种基于机器嗅觉的有毒有害气体检测与识别方法与流程

本发明涉及气体检测及识别领域，更具体地，涉及一种基于机器嗅觉的有毒有害气体检测与识别方法。
背景技术：
：在工业生产中，经常会发生有毒有害及易燃易爆气体的泄漏，往往会导致严重的人员及财产损失。例如：2015年8月12日天津滨海新区气体泄漏爆炸案，2017年7月21日，杭州西湖区煤气泄漏爆炸案。因此，发明一种有毒有害及易燃易爆气体的及时检测及识别方法具有重要的意义。目前，有毒有害气体的检测方法主要有ph试纸检测法、光化学检测法、气相色谱仪、气敏传感器及仪器等。高大启等提出的“一种小型自动化机器嗅觉仪器与气味分析方法”(专利号：zl200710036260.4)由测试箱、恒温杯、自动进样升降装置、计算机、显示器、氧气瓶所组成，采用顶空采样方式和16个气敏传感器，并配有4个恒温杯，实现连续测量。李太熙等提出的“用于判断气味的感知度的设备和方法”(申请号：cn201510784670.1)其中传感器阵列可以是包括具有针对选自由vocs、h2s、nh3、h2、etoh、三甲胺、乙醇、溶剂蒸气、甲烷、cocfc's、co2、o3以及no2组成的组中的至少一个的检测能力的两个或两个以上传感器的传感器阵列。上述方法对于气体的检测方式给出了详细的说明，但是未给出气体检测的方法及实现过程。因此，如何实现有毒有害气体的实时检测及识别，仍是一个亟待解决的问题。技术实现要素：本发明为克服上述现有技术所述的至少一种缺陷，提供一种基于机器嗅觉的有毒有害气体检测与识别方法。首先，通过机器嗅觉系统采集有毒有害气体信息；其次，通过基于特征选择的线性判别方法(selectedlineardiscriminateanalysis，slda)对有毒有害气体进行分析处理，结合二维距离判别法，构建气味知识库，最终识别各种有毒有害气体。为解决上述技术问题，本发明的技术方案如下：一种基于机器嗅觉的有毒有害气体检测与识别方法，包括以下步骤：s1：将样品气体通过电动气泵，收集储存于采样袋中，并通过气阀接入气仓室置于恒温恒湿装置中；s2：将样品气体通过采样袋孔，接入传感器仓，与传感器阵列接触；将传感器阵列测量数据通过a/d采集卡进行a/d转换，并传输至计算机，保存为sdata；s3：对采集的数据sdata进行数据特征提取，并通过基于特征选择的线性判别方法获得识别特征矩阵mtrain；s4：对于待测样品气体重复步骤s1～步骤s3，获取待测样品气体识别特征矩阵mtest，通过二维距离判别法，对比待测样品mtest与mtrain，最终识别待测样品气体种类。在一种优选的方案中，步骤s1中所述的气阀孔径5毫米；所述的气体采样袋体积为600毫升；所述的气仓室空间体积600毫升，接入气仓室流速设置为5毫升/秒；所述的恒温恒湿装置型号为zh-th-80，温度设置为30摄氏度，湿度保持为50％—60％相对湿度。在一种优选的方案中，步骤s2中所述的传感器阵列为标准圆形，直径为10.2厘米，由10个金属氧化物气敏传感器按圆形等角度排列构成，气体采样时间为120秒；所述的a/d采集卡型号为ad7705。在一种优选的方案中，步骤s3中所述的基于特征选择的线性判别方法，具体步骤如下：x1：若有k个类，每类有n个样本，将采集测量的单个样本数据矩阵设置为sdata1，sdata1∈r120×10，sdata1矩阵为120行，10列；首先，选取单个样本矩阵sdata1的第55行至69行的数据保存标记为sij，sij∈r15×10，sij矩阵为15行，10列；计算单个样本的数学特征，单个样本sij的每一列数据的算术平均值矩阵μ；其中，q为选取的样本行数，q＝15；x2：将每个样本sij的平均值矩阵汇总，构成总体样本矩阵矩阵为n行，10列，p∈rm·n×10，p矩阵为m·n行，10列；其次，计算单类样本的数学特征，k个类的列数据的均值矩阵μj，再计算总体样本矩阵p的均值矩阵μk；则计算总体样本矩阵p的类内散布矩阵jw和类间散布矩阵jb；最后，计算总体样本矩阵目标优化函数则由公式(6)可知，满足总体样本矩阵最优化的条件，即当φ(ω)取极大值，即存在特征值ω满足jb值最大同时jw值最小；因此，公式(6)可转化为求解由jb和jw构成的矩阵的特征值，特征值设为λ，令ωjwωt＝1，则利用拉格朗日乘法，则有则有，φ(ω)′＝ωjbωt-λ(ωjwωt-1)(8)对公式(8)等号两边同时对ω求导，可得则有，λ＝jbjw-1，λ∈r10×10(10)x3：计算识别特征矩阵mtrain，mtrain＝p×λ，mtrain∈rm·n×10(11)在一种优选的方案中，步骤s4中所述的二维距离判别法，具体步骤如下：y1：首先对训练样本识别矩阵mtrain的每个类的样本能识别矩阵设为mtraink，求取mtraink所有列取平均值设为atraink；提取每个类的列平均值atraink的前两列保存为atraink12＝(xi1,xi2)(13)y2：对于待测样本识别矩阵mtest，提取mtest的前两列保存为atrestk12＝(xj1,xj2)(14)y3：计算atraink12和atestk12的二维空间距离d，d值越接近于0，即空间距离最近即为归属同一类，即判别为同一类气体。与现有技术相比，本发明技术方案的有益效果是：一种基于机器嗅觉技术的有毒有害气体检测及识别方法，首先通过机器嗅觉系统采集有毒有害气体信息，其次，通过基于特征选择的线性判别方法对有毒有害气体进行分析处理，结合马氏二维距离判别法，最终识别各种有毒有害气体。该算法首先提取了样本数据的特征信息，具有线性识别算法的快速处理及分类功能，在机器嗅觉领域有较好的应用，尤其在基于机器嗅觉实时检测及识别有毒有害气体，该发明算法具有复杂度低、识别效率高等优点。附图说明图1为本
发明内容总体流程图。图2为特征选择的线性判别算法流程图。图3为二维距离判别法流程图。图4为本发明实施例分类结果图。图5为本发明实施例识别结果图。具体实施方式附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。下面结合附图和实施例对本发明的技术方案做进一步的说明。实施例1本实施例以常见的有毒有害气体co2、ch4、nh3、vocs为测量及识别对象，共计4类，每类测量20个样本，选取10个样本训练，任选2个作为测试样本，流程参照附图1，按以下步骤执行：s1：将4类样品气体通过电动气泵，收集储存于600毫升的气体采样袋中，并通过气阀接入气仓室；气阀孔径5毫米，气仓室空间体积600毫升，接入气仓室流速设置为5毫升/秒，气仓室置于恒温恒湿装置中，装置型号为zh-th-80，温度设置为30摄氏度，湿度保持为50％—60％相对湿度；s2：将4类样品气体，分别通过采样袋孔，接入传感器仓，与传感器阵列接触，传感器阵列为标准圆形，直径为10.2厘米，由10个金属氧化物气敏传感器按圆形等角度排列构成，气体采样时间为120秒；将传感器阵列测量数据通过a/d采集卡进行a/d转换，ad采集卡型号为ad7705，并传输至计算机，保存为sdata；s3：对于采集的数据sdata，进行数据特征提取，并通过基于特征选择的线性判别方法(selectedlineardiscriminateanalysis，slda)，获得识别特征矩阵mtrain；在具体实施过程中，所述步骤s3中的基于特征选择的线性判别方法，具体步骤如下：x1：采集的co2、ch4、nh3、vocs共计4类气体，每类有10个样本，随机选择1个样本数据矩阵设置为sdata1，sdata1∈r120×10，sdata1矩阵为120行，10列；如表1所示：表1任意样本采样数据sdata1(120秒，10个传感器，sdata1∈r120×10)首先，选取单个样本矩阵sdata1的第55行至69行的数据保存标记为sij，sij∈r15×10，sij矩阵为15行，10列；如表2所示：表2选取的采样特征数据sij(第55行至69行)序号12345678910550.62971.63850.63081.07110.68221.99251.02982.0491.19540.9899560.62971.63630.63031.07160.6821.98911.03042.0491.19940.9892570.62961.63420.62981.07230.68151.98751.03072.04511.20090.9904580.62831.62970.62921.0720.68141.9861.03082.04441.20210.9895590.6281.62840.62931.07370.6811.98231.03132.04151.20460.99600.62761.62530.62891.07320.68121.97971.03162.04021.20730.9886610.62771.62380.62931.07440.68061.97591.03172.03731.20950.9902620.62771.6210.62921.07460.68021.97211.03212.0341.21120.9902630.62761.620.62911.07490.68011.96911.03242.03211.21480.9906640.62741.61780.62911.07520.67981.96511.03282.02821.2170.9902650.6271.61650.6291.07580.68011.96231.03292.02691.21930.9902660.62741.61420.62941.07580.67941.95831.03342.02181.2210.9914670.62711.60890.6291.07580.681.95451.03442.02111.2250.9909680.62731.60820.62921.07620.67971.95061.03492.01881.22540.9915690.62691.60320.62921.07590.67961.94851.0352.01791.2270.9907计算单个样本的数学特征，单个样本sij的每一列数据的算术平均值矩阵μ；在具体实施过程中，q为选取的样本行数，q＝15；x2：将每个样本sij的平均值矩阵汇总，构成总体样本矩阵矩阵为10行，10列，p∈r40×10，p矩阵为m·n＝40行，10列；如表3所示：表3训练样本矩阵p(4类，每类10个，p∈r40×10)其次，计算单类样本的数学特征，4个类的列数据的均值矩阵μj，如表4所示：表4单类样本均值矩阵μj(μj∈r4×10)再计算总体样本矩阵p的均值矩阵μk；如表5所示：表5样本矩阵p样本均值矩阵μk(μk∈r1×10)则计算总体样本矩阵p的类内散布矩阵jw和类间散布矩阵jb；如表6和7所示：表6样本矩阵p类内散步矩阵jw(jw∈r10×10)表7样本矩阵p类内散步矩阵jb(jb∈r10×10)最后，计算总体样本矩阵目标优化函数则由公式(6)可知，满足总体样本矩阵最优化的条件，即当φ(ω)取极大值，即存在特征值ω满足jb值最大同时jw值最小。因此，公式(6)可转化为求解由jb和jw构成的矩阵的特征值，特征值设为λ，令ωjwωt＝1,则利用拉格朗日乘法，则有,则有φ(ω)′＝ωjbωt-λ(ωjwωt-1)(8)对公式(8)等号两边同时对ω求导，可得则有，λ＝jbjw-1，λ∈r10×10(10)如表8所示：表8优化函数特征值λ(λ∈r10×10)x3：计算识别特征矩阵mtrain，mtrain＝p×λ,mtrain∈r40×10(11)如表9所示，选取识别特征矩阵mtrain前2列做出二维分类结果，如附图4所示，图示principalaxis1为矩阵mtrain的第1列数据，principalaxis2为mtrain的第2列数据：表9识别特征矩阵mtrain(4类，每类10个，mtrain∈r40×10)s4：从每类样品的剩余10组样品中，任选2组，则待测样本总数为4类，每类2个；待测样品气体重复步骤s1至步骤s3，获取未知样品气体识别特征矩阵mtest，通过二维距离判别法，对比未知样品mtest与mtrain，最终识别待测样品气体种类；在具体实施过程中，步骤s4中二维距离判别法，具体步骤如下：y1：首先对训练样本识别矩阵mtrain的每个类的样本能识别矩阵设为mtraink，求取mtraink所有列取平均值设为atraink；提取每个类的列平均值atraink的前两列保存为atraink12＝(xi1,xi2)(13)如表10所示表10训练样本识别矩阵atrain12(提取前2列)y2：对于待测样本识别矩阵mtest，提取mtest的前两列保存为atrestk12＝(xj1,xj2)(14)如表11所示，表11识别特征矩阵mtestk(4类，每类2个，mtest∈r8×10)y3：计算atraink12和atestk12的二维空间距离d，如表12所示：表12待测样本与训练样本二维空间距离d及判别结果在具体实施过程中，分别计算待测样本的识别矩阵atestk和训练样本识别矩阵atraikn的二维空间距离d，从表12可以看出，测试样本空间距离d分别与vocs、ch4、nh3、co2最近，即判别为同一类，即输出识别结果，如附图5所示，其中(xj1,xj2)是各个训练样本分类的中心点，xj1是横坐标数据，xj2是纵坐标数据，(xi1,xi2)是各个待测样本分类点，xi1是横坐标数据，xi2是纵坐标数据。相同或相似的标号对应相同或相似的部件；附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。当前第1页12