本发明涉及传感器测量技术领域，特别是涉及一种降低半导体氢气传感器对一氧化碳的交叉敏感的方法。
背景技术：
半导体氢气传感器是一种使用金属氧化物制成的电阻型敏感器件，当传感器所处环境中存在氢气体时，传感器的电导率随空气中氢气浓度的增加而增加。汽车领域、军事领域、化工领域等都离不开氢气的应用，半导体氢气传感器在这些领域的氢气测量中也有较为广泛的应用。虽然半导体氢气传感器具有稳定性好、结构简单、价格便宜、易于复合的特点，但是这种传感器的选择性差，易受到一氧化碳等其他气体的影响。因此，亟需一种简单方便的降低半导体氢气传感器对一氧化碳的交叉敏感的方法。
技术实现要素：
本发明所要解决的技术问题是提供一种降低半导体氢气传感器对一氧化碳的交叉敏感的方法，能够方便快捷的降低半导体氢气传感器对一氧化碳的交叉敏感。
本发明解决其技术问题所采用的技术方案是：提供一种降低半导体氢气传感器对一氧化碳的交叉敏感的方法，包括以下步骤：
(1)建立传感器电路，进行二维标定实验，选定多个不同一氧化碳浓度状态对被补偿的氢气传感器进行标定实验，将数据采集到计算机中；
(2)制作神经网络样本文件，将标定实验获得的样本数据对总数中的1/2-2/3用做神经网络的训练形成训练样本文件，形成网络结构及权值；再用余下的1/2-1/3的样本数据对形成检验样本文件；
(3)对样本文件进行归一化处理后，利用matlab软件创建bpnn；
(4)代入训练样本文件，设置网络参数，训练已创建的bpnn，输出bpnn模型结构参数；
(5)代入检验样本文件，用已训练好的bpnn计算检验样本的输出结果。
所述步骤(1)中的传感器电路中的氢气传感器和一氧化碳传感器同时使用的多传感器融合技术，其中，氢气传感器测量目标量，一氧化碳传感器测量对氢气传感器有干扰的一氧化碳浓度。
所述步骤(4)中得到的bpnn模型的输入层节点数与训练输入样本文件的行数相同，自动获取，隐层节点数为6，输出层节点数为1。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明采用多传感器融合技术，降低了一氧化碳对氢气浓度检测的干扰；同时取消了原先检测的硬件结构，从而简化了结构，降低了成本。本发明简单有效，方法明确，方便快捷，可以应用到采用不同金属氧化物制成的半导体氢气传感器，具有比较好的效果。
附图说明
图1是本发明的流程图；
图2是传感器电路的电路框图；
图3是改进前氢气实际浓度在预测样本上的验证结果图；
图4是降低一氧化碳干扰后氢气实际浓度在预测样本上的验证结果图；
图5是本实施方式中采用的bpnn模型的结构图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于
本技术：
所附权利要求书所限定的范围。
本发明的实施方式涉及一种降低半导体氢气传感器对一氧化碳的交叉敏感的方法，如图1所示，包括以下步骤：建立传感器电路，进行二维标定实验，选定多个不同一氧化碳浓度状态对被补偿的氢气传感器进行标定实验，将数据采集到计算机中；制作神经网络样本文件，将标定实验获得的样本数据对总数中的1/2-2/3用做神经网络的训练形成训练样本文件，形成网络结构及权值；再用余下的1/2-1/3的样本数据对形成检验样本文件；对样本文件进行归一化处理后，利用matlab软件创建bpnn；代入训练样本文件，设置网络参数，训练已创建的bpnn，输出bpnn模型结构参数；代入检验样本文件，用已训练好的bpnn计算检验样本的输出结果。
本实施方式中，氢气传感器和一氧化碳传感器同时使用的多传感器融合技术，氢气传感器测量目标量，一氧化碳传感器测量对氢气传感器有干扰的一氧化碳浓度，通过二维标定实验获取氢气传感器和一氧化碳传感器的测量数据，将所获数据存入到计算机中，采用bp神经网络算法，利用matlab软件确定bp神经网络结构以及神经网络权值，将在计算机中获得的模型存入到多传感器测量系统微处理器中，半导体氢气传感器和一氧化碳传感器测量值作为模型的输入值，从而得到降低一氧化碳干扰后的氢气浓度，从而达到降低半导体氢气传感器对一氧化碳的交叉敏感的目的。
本实施方式中采用的bpnn模型结构如图5所示，输入层节点数与训练输入样本文件的行数相同，自动获取，隐层节点数为6，输出层节点数为1。
下面通过一个具体的实施例进一步说明本发明。
降低qm-h1型半导体氢敏元件对一氧化碳的交叉敏感：首先建立氢气浓度测量电路，一氧化碳浓度对qm-h1型氢气传感器有一定的影响，将氢气传感器作为主传感器，将一氧化碳传感器作为辅助传感器，采集两种传感器的测量数据。测量电路框图，如图2所示，主传感器和辅助传感器接收数据后进入信号处理电路进行处理，再对其进行ad转换后进入微处理器。将测得的数据存入到matlab程序中，利用统计学方法剔除偶然误差点，剩余数据作为bp神经网络处理数据，将剩余数据进行归一化处理后作为bp神经网络的输入值，进行matlab仿真，通过多次重复性仿真，比较得出比较优良的神经网络结构，利用bp神经网络权值直接确定的方法，得出神经网络权值，从而得出传感器系统输出值。
图3为改进前氢气实际浓度在预测样本上的验证结果，图4为降低一氧化碳干扰后氢气实际浓度在预测样本上的验证结果。通过对比可见，采用本发明的方法后能够有效降低半导体氢气传感器对一氧化碳的交叉敏感。