金属氧化物传感器阵列响应漂移的补偿方法
【专利摘要】本发明提供了一种金属氧化物传感器阵列响应漂移的补偿方法，针对金属氧化物传感器受温度和湿度共同影响而产生的传感器响应漂移的问题，提出了正则化约束的多项式回归预测方法，对传感器的输出进行基线校正，解决了金属氧化物传感器阵列响应的漂移问题。首先根据传感器随温度和湿度响应的规律，得到传感器输出电压随温度和湿度变化的多项式回归表达式，即建立多项式漂移补偿模型，然后采用正则化约束方法对模型进行约束，一方面减少了过拟合问题，另一方面减少了异常数据的影响。本发明解决了金属氧化物传感器阵列受温、湿度影响而产生的温湿度漂移的技术问题，提高了金属氧化物传感器阵列对气体种类识别和浓度预测精度。
【专利说明】
金属氧化物传感器阵列响应漂移的补偿方法
技术领域
[0001] 本发明涉及金属氧化物传感器技术领域，具体涉及一种金属氧化物传感器阵列响 应漂移的补偿方法。
【背景技术】
[0002] 金属氧化物传感器的检测原理是基于气体在传感器表面的化学吸附与脱附。而环 境温度会改变化学反应速度，从而影响传感器的敏感特性。此外，因为水蒸气吸附在传感器 表面，所以湿度增加或者温度升高将导致传感器敏感电阻的降低。通常将传感器的灵敏度 作为研究对象，传感器灵敏度定义为传感器敏感电阻与传感器基线电阻值的比。有些传感 器随着温度升高，传感器灵敏度逐渐降低，随着湿度的升高，传感器灵敏度也有降低的趋 势。但有些传感器的响应会有不同的现象。当将金属氧化物传感器应用于污染气体检测时， 传感器敏感性受温湿度影响的特性将影响对污染气体的检测精度。
[0003] 因此，环境温度和相对湿度变化都是引起传感器漂移的原因，这两个影响因素之 间相互制约却没有固定的关系。所以要解决传感器温湿度漂移的问题需要同时考虑环境温 度和相对湿度，建立起合适的多项式漂移补偿模型。
[0004]多项式漂移补偿模型能有效地表达温度和湿度的物理现象，但是其系数如果有微 小的变化，都会导致预测传感器输出响应的较大变化。而在实验过程中，可能受到各种实验 条件的影响，如恒温恒湿箱的控制条件，标准仪器的瞬时响应异常，标准仪器的实验误差， 控制系统的处理电路各元器件的精度误差导致的输出波动，或者传感器本身的响应波动和 其它实验条件的改变，都会造成系数矩阵出现异常值。异常值的出现直接影响传感器的预 测结果，特别是传感器的基线预测结果，所以应尽量减少实验中的异常值。同时针对多项式 漂移补偿模型存在的拟合问题，在数值处理方法上，可以采用正则化约束方法对多项式漂 移补偿模型进行改进，提高金属氧化物传感器阵列的预测精度。
【发明内容】
[0005] 本申请通过提供一种金属氧化物传感器阵列响应漂移的补偿方法，以解决现有技 术中因温度和相对湿度影响而产生的传感器响应漂移的技术问题。
[0006] 为解决上述技术问题，本申请采用以下技术方案予以实现：
[0007] -种金属氧化物传感器阵列响应漂移的补偿方法，包括如下步骤：
[0008] S1:采集并记录金属氧化物传感器阵列在不同温度和不同湿度条件下的基线响应 值向量：
[0010] 式中，t是温度，h是湿度，Vmn(t，h)是第m种温度和第η种湿度条件下的传感器输出， 是第i个传感器的输出矩阵；
[0011] S2:得到不同温度和不同湿度条件下的传感器输出Vmn(t，h)的响应系数，其中，不 同温度条件下传感器输出电压与湿度h的关系为：
[0012] Vmn = a+0h+ γ h2,式中，α、β、γ为不同温度条件下的系数矩阵，假设a = ma+nat+pa t2，0=me+net+pet2，y=mY+nYt+PYt2，S*，ma、me、mY、na、ne、nY、pa、pe、p Yj^)Si#S#：iji|；，
[0013] 因此，得到多项式漂移补偿模型，即传感器输出电压与温度湿度的拟合模型表达 式为：VouT = a+bh+ch2+dt+et2+fth+gh2t+sht2+qh 2t2
[0014] 式中，a、b、c、d、e、f、g、s、q分别对应于ma、me、mY、ηα、ρα、ηβ、η γ、ρρ、ργ，在每个温度条 件下利用所述的多项式漂移补偿模型均能拟合得出一组α、β以及γ系数矩阵；
[0015] S3:采用正则化约束法对所述系数矩阵进行约束，以提高所述系数矩阵的泛化性， 其中，所述正规化约束法表示为：
[0017]
>是损失函数，用以衡量所述多项式漂移补偿模型对 第i个样本的预测值yHlh，)和真实值之间的误差，λΡ
规则项，参数λ用以平衡损失函数与规则项，当λ越大时，就表示规则项要比模型训练误差更 重要，也就是模型中的规则项相比于要拟合的数据更重要。反之，当λ越小时，预测网络能较 好地拟合实际数据，预测误差和实际测量可能相差较小，调和参数Ρ的取值范围是〇<Ρ<1， 当P的值为〇时，那么上式就退化为L 2正则化，当p的值为1时，那么上式就退化为LoH则化，选 择合适的参数使得模型的泛化能力更强，变量Μ表示约束处理后的ηι α、η?β、ηιγ、ηα、ρα、ηβ、ηγ、 pe、p Y系数，j表示具体约束处理后的系数个数。
[0018] 作为优选的技术方案，实验中温度t设置为10°C，15°C，20 °C，25°C，30 °C，35 °C，40 °C，湿度从20%到80%连续变化，所有的样本数据在进行20位滑动窗中位值滤波处理之后 分成两个数据集，其中，2/3的数据作为基线训练数据集，1/3的数据作为基线测试数据集。
[0019] 与现有技术相比，本申请提供的技术方案，具有的技术效果或优点是：
[0020] 1)通过对金属氧化物传感器随温度和湿度规律的分析，并对温湿度漂移带来的影 响进行校正，达到温湿度漂移补偿的目的，从而提高金属氧化物传感器阵列对气体种类识 别和浓度预测精度。
[0021] 2)通过正则化数值处理，提升了多项式系数的鲁棒性，避免了实验条件的苛刻要 求而造成的麻烦，对后续进行气体浓度检测精度提供了可靠的保障。有效提高漂移规律和 漂移量的估算精度，保证了金属氧化物传感器阵列浓度检测的准确性。
【附图说明】
[0022]图1为本发明的方法流程图；
[0023] 图2为传感器A随温度与湿度的回归模型系数的关系图；
[0024] 图3为传感器B随温度与湿度的回归模型系数的关系图；
[0025] 图4为传感器C随温度与湿度的回归模型系数的关系图；
[0026] 图5为传感器D随温度与湿度的回归模型系数的关系图；
[0027]图6为传感器A的输出预测对比图；
[0028]图7为传感器B的输出预测对比图；
[0029]图8为传感器C的输出预测对比图；
[0030]图9为传感器D的输出预测对比图。
【具体实施方式】
[0031] 本申请实施例通过提供一种金属氧化物传感器阵列响应漂移的补偿方法，以解决 现有技术中因温度和相对湿度影响而产生的传感器响应漂移的技术问题。
[0032] 为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式，对 上述技术方案进行详细的说明。
[0033] 实施例
[0034] -种金属氧化物传感器阵列响应漂移的补偿方法，如图1所示，包括如下步骤：
[0035] S1:采集并记录金属氧化物传感器阵列在不同温度和不同湿度条件下的基线响应 值向量：
[0037]式中，t是温度，h是湿度，Vmn(t，h)是第m种温度和第η种湿度条件下的传感器输出， 是第i个传感器的输出矩阵；
[0038] S2:得到不同温度和不同湿度条件下的传感器输出Vmn(t，h)的响应系数，其中，不 同温度条件下传感器输出电压与湿度h的关系为：
[0039] Vmn = a+0h+ γ h2,式中，α、β、γ为不同温度条件下的系数矩阵，假设a = ma+nat+pa t2，0=me+net+pet2，y=mY+nYt+PYt2，S*，ma、me、mY、na、ne、nY、pa、pe、p Yj^)Si#S#：iji|；，
[0040]因此，得到多项式漂移补偿模型，即传感器输出电压与温度湿度的拟合模型表达 式为：VouT = a+bh+ch2+dt+et2+fth+gh2t+sht2+qh 2t2
[0041 ]式中，a、b、c、d、e、f、g、s、q分别对应于ma、me、mY、ηα、ρα、ηβ、η γ、ρρ、ργ，在每个温度条 件下利用所述的多项式漂移补偿模型均能拟合得出一组α、β以及γ系数矩阵；
[0042] S3:采用正则化约束法对所述系数矩阵进行约束，以提高所述系数矩阵的泛化性， 其中，所述正规化约束法表示为：
[0044]
是损失函数，用以衡量所述多项式漂移补偿模型对 第i个样本的预测值yUt，h，)和真实值之间的误差，λρ| 和別1-ρ)||6^都是 规则项，参数λ用以平衡损失函数与规则项，当λ越大时，就表示规则项要比模型训练误差更 重要，也就是模型中的规则项相比于要拟合的数据更重要。反之，当λ越小时，预测网络能较 好地拟合实际数据，预测误差和实际测量可能相差较小，调和参数Ρ的取值范围是0<ρ<1， 当P的值为〇时，那么上式就退化为L 2正则化，当p的值为1时，那么上式就退化为LoH则化，选 择合适的参数使得模型的泛化能力更强，变量Μ表示约束处理后的ηι α、η?β、ηιγ、ηα、ρα、ηβ、ηγ、 pe、pY系数，j表示具体约束处理后的系数个数。
[0045] 实验是研究传感器特性过程中最重要的环节。实验设备包括一个密闭的能够模拟 不同气候条件的恒温恒湿箱，设计不同温、湿度条件下的实验则能获得传感器的温湿度漂 移信息。开始实验时，将空气质量监测仪、温度仪、气压表一同放入恒温恒湿箱中，关闭箱 门，设定恒温恒湿箱内的温度以及湿度值。在数据采集阶段，等恒温恒湿箱内的温度和湿度 达到设定值以后，开启空气质量监测系统数据采集功能，设置采样频率为l/2Hz，采集5分钟 基线数据后，在这个过程中检测系统持续工作，跟踪记录整个过程的响应变化情况。
[0046] 气敏传感器的响应曲线是由传感器在一次实验中对响应进行采样、量化后得到的 离散值组成。为了在模式识别中减小数据复杂度，在实际分析时，往往不取整条曲线上所有 样本点，而提取较能代表该传感器对被测气体响应特性的某一个点或几个点，从而获得尽 可能完善的特征描述信息。在一定的温度和湿度下，取平稳响应值作为特定温、湿度条件下 的传感器输出的电压值。
[0047]预处理:为了保证了数据的稳定。由于系统选择12bit AD转换芯片，其最大数值转 换为十进制数即为4095,将传感器的输出值除以4095,经过这样的运算之后将数据归一化 至lJ[0，l]之间，也就是传感器的输出值进行了归一化处理。
[0048] 具体的实验中温度t设置为10°C，15°C，20°C，25°C，30°C，35°C，40°C，相对湿度从 20 %到80 %连续变化，所有的样本数据在进行20位滑动窗中位值滤波处理之后分成两个数 据集，其中，2/3的数据作为基线训练数据集，1/3的数据作为基线测试数据集。将样本实测 值与自变量X预测结果f的相关系数为r2，其表征了在一个回归分析中因变量Y被自变量X解 释程度
式中，^为回归分析所得的估计值，Y为观测值，f为 观测值Y的期望，η为回归分析的样本数。回归分析表明，传感器阵列中的各个输出都可以用 温、湿度建立的多项式漂移补偿模型来预测，得到的系数结果如表1所示。
[0049]表1温湿度与传感器响应的关系参数表
[0051]经过正则约束后的温湿度与传感器响应的关系参数表，如表2所示。
[0052]表2正则化后的温湿度与传感器响应的关系参数表
[0055] 图2、3、4、5分别为传感器A、B、C、D随温度与湿度的回归模型系数的关系图；图6、7、 8、9分别为传感器A、B、C、D的原始响应、多项式回归预测以及正则化后预测的输出预测对比 图。
[0056] 本申请的上述实施例中，通过提供一种金属氧化物传感器阵列响应漂移的补偿方 法，针对金属氧化物传感器受温度和湿度共同影响而产生的传感器响应漂移的问题，提出 了正则化约束的多项式回归预测方法，对传感器的输出进行基线校正，解决了金属氧化物 传感器阵列响应的漂移问题。首先根据传感器随温度和湿度响应的规律，得到传感器输出 电压随温度和湿度变化的多项式回归表达式，即建立多项式漂移补偿模型，然后采用正则 化约束方法对模型进行约束，一方面减少了过拟合问题，另一方面减少了异常数据的影响。 本发明解决了金属氧化物传感器阵列受温、湿度影响而产生的温湿度漂移的技术问题，提 高了金属氧化物传感器阵列对气体种类识别和浓度预测精度。
[0057] 应当指出的是，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例， 本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改性、添加或替换，也应 属于本发明的保护范围。
【主权项】
1. 一种金属氧化物传感器阵列响应漂移的补偿方法，其特征在于，包括如下步骤： S1:采集并记录金属氧化物传感器阵列在不同溫度和不同湿度条件下的基线响应值向 量：式中，t是溫度，h是湿度，Vmn(t，h)是第m种溫度和第η种湿度条件下的传感器输出， ^?,?，/〇是第i个传感器的输出矩阵； S2:得到不同溫度和不同湿度条件下的传感器输出Vmn(t，h)的响应系数，其中，不同溫 度条件下传感器输出电压Vm：与湿度h的关系为： Vmn = a+0h+ 丫 h2,式中，α、β、丫为不同溫度条件下的系数矩阵，假设a = ma+nat+pat2，0 = me+net+pet2, 丫 =m丫+n丫t+p丫t2,式中，ma、me、m丫、ηα、ηρ、η丫、ρα、ρρ、ρ丫均为待定参数， 因此，得到多项式漂移补偿模型，即传感器输出电压与溫度湿度的拟合模型表达式为： VouT = a+t)h+ch2+化+et2+fth+gh2t+sht2+cih 2t2 式中，a、b、c、d、e、f、g、s、q分别对应于ma、me、m丫、ηα、ρα、ηρ、η丫、pe、p丫，在每个溫度条件下 利用所述的多项式漂移补偿模型均能拟合得出一组a、ew及丫系数矩阵； S3:采用正则化约束法对所述系数矩阵进行约束，W提高所述系数矩阵的泛化性，其 中，所述正规化约束法表示为：式中I损失函数，用W衡量所述多项式漂移补偿模型对第i个 样本的预测值71(*，}1，0叫和真实值之间的误差，λρ| |θ^ li^報是规则 项，参数λ用W平衡损失函数与规则项，调和参数P的取值范围是0《p《l，变量0j表示约束 处理后的ma、me、m丫、化、9(1、]10、]1丫、90、9丫系数〇表示具体约束处理后的系数个数。2. 根据权利要求1所述的金属氧化物传感器阵列响应漂移的补偿方法，其特征在于，实 验中溫度t设置为10°C，15°C，20°C，25°C，30°C，35°C，40°C，湿度从20%到80%连续变化，所 有的样本数据在进行20位滑动窗中位值滤波处理之后分成两个数据集，其中，2/3的数据作 为基线训练数据集，1/3的数据作为基线测试数据集。
【文档编号】G01N27/12GK106093134SQ201610378105
【公开日】2016年11月9日
【申请日】2016年5月31日
【发明人】陈建军, 陈小娟
【申请人】重庆大学