损坏的，同时测温时会使元件表面温度降低，给测量带来一定 的偏差，为此，在实验前用电压粗略的标定元件表面温度，在以后的测试中，直接用加热电 压来表示元件表面温度，下表为气敏元件表面温度与加热电压的关系。
[0052] 标准气样输出被分成二路或多路，各自由一个质量流量控制器控制，并接入测试 装置，载气和待测气体（如甲醛，氨气，苯，一氧化碳，氧气等）分别在质量流量控制器的控 制下进入干燥罐充分混合，配成测试气样并进入测试装置中的测试腔中，气体传感器测试 系统在计算机的控制下对所设定的目标浓度气体进行配气，将一种或多种标准浓度的目标 气样和标准的载气按照比例进行配比，并在质量流量控制器控制下通入混合通道内进行充 分混合，当混合后的测试气样通入气室时，对气室内气体传感器阵列的响应信号进行采集， 并将获得的气体传感器阵列对样品气体的响应信息传送到计算机上进行数据分析，使测试 气体进气、响应信号采集和数据处理顺序进行；当温度监测系统发现半导体气敏元件工作 温度发生变化时，温度补偿电路实时进行元件工作温度补偿，调节电阻丝的加热电压，使元 件的工作温度保持不变。克服了传统的测试方法不仅要消耗过多的人力，而且手工操作有 许多的不稳定因素，使得测量附加有较大偏差值。
[0053] 为了直观地观测响应过程，计算机上相应的应用软件具有图形界面，能够实时显 示出传感器阵列的响应曲线，该系统包括了自动配气装置、数据采集、控制电路以及相应计 算机控制、应用处理软件这几部分，各部分通过数据总线与计算机相连接，结合计算机软件 的实时处理控制，可以使测试气体进气、响应信号采集和数据处理顺序进行，组成完整的测 试过程。
[0054] 实施例3 ：
[0055] 具有与实施例1或2相同的技术方案，更为具体的是：所述气体传感器测试系统 的软件部分包括气路控制模块、电压采样模块、温度补偿模块、数据处理模块和显示功能模 块，其中：
[0056] 气路控制模块对控制参数设置，所述参数包括通气前时间、通气时间、停气后时 间、数据采样时间间隔、混合气体种类、各种气体浓度和载气控制电压，气路控制模块对参 数设置以控制多路气样输出量实现配气，配气过程中，气体流量和元件的工作温度在整个 测试过程中保持不变；
[0057] 电压采样模块对电压采样开始、采样中断与采样结束进行相应控制；
[0058] 数据处理模块进行数据采集、数据保存、图像保存、图像打印、历史数据提取处理。
[0059] 实施例4 ：
[0060] 具有与实施例1或2或3相同的技术方案，更为具体的是：数据采集模块完成在采 样时间间隔内的数据跟踪采集，对提供的实验数据在对本次实验结束后自动保存为两种格 式的六个文件，分别为4~6路传感器的电压、电阻、响应灵敏度数字量及动态变化曲线，同 时对保存的图像即时打印和对历史数据按时间提取；数据采集过程中，根据不同需求在显 示模块中实时显示4~6路传感器的标准电压、电阻及响应灵敏度随时间的动态变化曲线。
[0061] 实施例5 ：
[0062] 具有与实施例1或2或3或4相同的技术方案，更为具体的是：所述对气体传感器 测试系统及气敏元件性能分析的步骤，包括对气体传感器测试系统的各种误差分析，对测 量电阻的灵敏度、电阻温度特性、灵敏度-温度特性、灵敏度-浓度特性进行分析以及掺杂 对元件性能影响的分析。
[0063] 实施例6 ：
[0064] 具有与实施例1或2或3或4或5相同的技术方案，更为具体的是：BP神经网络获 得所需要的数字信号，进行BP神经网络气体分析的步骤如下：包括定量分析和定性分析。 [0065] 定量分析
[0066] 选择单一甲醛气体以检测样品，进行定量检测，为实现由4~6路传感器组成的传 感器阵列对甲醛、氨气等气体的定量识别，设计网络的输入神经元个数为6,输出神经元个 数为1。动态改变隐含层个数并求取其相对应的训练误差，以确定最佳隐含层神经元数，其 网络结构如图6.1所示。参照权利要求书
[0067] 使用newff函数创建一个两层网络，将网络的隐含层神经元数设定为是S(i)， 其范围是3-13个。为了使网络对于新的输入具有良的泛化能力，将网络的训练函数设为 Trainbr,该函数使用了 Bavesian框架结构。假设网络的权值和阈值是特殊分布的随机变 量，用统计学方法估算出网络权值和阈值。
[0068] 不同神经元个数下的训练误差及训练次数如表6. 1所示。可以看出，当隐含层神 经元个数为13时，训练误差最小，为3. 14%，训练次数减少为76次。实验结果表明，采用隐 含层个数为13的BP神经网络实现了甲醛气体定量识别的最佳网络结构。
[0069] 表6.1隐含层神经元数与实验误差关系
[0071] 将输入向量P作为训练过的神经网络的输入，利用train函数对网络进行训练，在 MATLAB命令行中将实时地显示网络的训练状态，定量检测的训练过程如图6. 2所示。
[0072] 将30组不同浓度的甲醛气体作为输入进行定量检测，定量检测的输出结果和相 应实验误差如表4所示，实验误差TEST_P的计算公式如式6. 1所示。
[0074] 式中：Craal和C test分别表示浓度的真实值与预测值。
[0075] 表6. 2气体定量检测的输出结果
[0076]
[0078] 使用公式6. 2和6. 3,计算出定量识别甲醛气体的平均相对误差AVE_P和最大相对 误差MAX_P分别为0. 941%和3. 99%。实验结果表明，采用13个隐神经元的BP神经网络， 在收敛速度与实验误差方面均可以达到实验要求。
[0079]
[0081] 式中'31和C tast分别表示浓度的真实值与预测值;M为样本数。
[0082] 实验中所产生的误差主要来自两个方面，一是传感器阵列，二是环境温度。因为性 能相近的传感器组成的阵列很难不产生互不相关的测试模式，从而影响整个系统的测试精 度。半导体气敏元件敏感原理是基于敏感体表面的吸附反应，易受环境温度和湿度的影响， 所以气体传感器阵列的测量环境是产生误差的另一个主要原因。
[0083] 定性分析
[0084] 实验中，为实现由6个传感器组成的传感器阵列对甲醛、氨气、苯三种气体特征量 的定性识别，设计网络的输入神经元个数为6,输出神经元个数为3。隐含层神经元个数的 选择往往需要根据设计者的经验和多次实验来确定。实验采用动态改变隐含层数目，通过 误差对比来确定最佳的隐含层数，以实现对单一气体的定性分析，网络结构如图6. 3所示。
[0085] 使用newff函数创建一个三层网络，将网络隐含层神经元个数设定为一个动态变 量S (i)，其范围是3-13,通过10次训练，得到训练误差最小的一组神经元个数即为最佳神 经元个数。假设网络的权值和阈值是特殊分布的随机变量，用统计学方法估算出网络权值 和阈值。
[0086] 经过1259次的训练后，实验误差满足要求，训练停止，训练结果如图6. 4所示。
[0087] 由式6. 4得到不同神经元个数下的训练误差TRI_P及训练次数如表6. 3所示，可 以看出，采用4个隐含层神经元，能使训练误差TRI_P达到最小，最小