基于多传感器的混合气体检测系统研究与设计

摘要

随着我国社会进程和工业技术的发展，一些易燃易爆、有毒有害的气体作为能源气体或是化工原料得到越来越广泛的使用，但在其使用、运输、存储等过程中存在严重的安全隐患。得益于气体检测技术的发展，出现了诸多对危险气体进行检测的设备，为安全生产带来了有效保障。但这些设备通常使用单一传感器对一种气体进行检测，尽管这些传感器对气体选择性优秀，但不能保证只对一种气体敏感，在一些特殊场合，此类设备并不能满足对危险性气体的检测准确度需求，而采用多个传感器与模式识别方法结合的多传感器气体检测技术则为这一实现提供了可能。 本课题作为与公司的合作项目，需要实现对环境中可能存在的甲烷或乙烯气体的定性和定量检测。由于甲烷和乙烯同属于易燃性有机气体，对甲烷敏感的传感器一般也能对乙烯敏感。基于此，课题采用多传感器气体检测技术实现对甲烷、乙烯两种危险气体的定性定量检测。 全文的主要工作及研究内容如下： （1）完成了前端气体传感器单元的选型工作，课题选取了TGS2620、TGS2610、TGS2611、TGS813、MQ-4和MQ-9共6种半导体氧化物气体传感器，并进行了传感器的相关测试工作。 （2）设计实现了用于对传感器单元输出响应信号进行采集的数据采集系统。其中采集系统底板以ATMEGA2560-16AU单片机为微控制器，保证了采集系统的整体效率。设计实现了基于LabView的控制和显示界面，使数据的读取和存储变得简单方便。 （3）设计实现了专门的实验测试平台。平台主要包含真空测试箱和动态配气系统，真空测试箱具备优秀的气密性和抗压性能，动态配气系统能够以较高精度配制目标浓度的甲烷、乙烯混合气体，且整个实验平台的操作简单。 （4）针对混合气体的定性和定量问题，分别实现了相应的模式识别算法。实现了基于支持向量机的定性识别算法，并引入蝙蝠算法对其进行改进，实验测试结果表明，蝙蝠算法改进后的支持向量机算法具有更优秀的定性识别性能，其对检测浓度范围内目标气体的平均定性识别正确率达到98%。实现了基于BP神经网络的定量预测算法，实验结果表明其对检测浓度范围内混合气体中甲烷和乙烯的平均浓度预测精度分别接近92.7%和93.3%，同样引入蝙蝠算法对BP神经网络进行改进，改进后的算法不仅收敛速度得到了提升，而且对甲烷和乙烯的平均浓度预测精度分别提高到95.4%和96.1%。

目录

声明

第1章 绪论

1.1 课题来源

1.2 课题背景及意义

1.3 基于多传感器的气体检测技术

1.4 论文研究内容和论文章节安排

第2章 混合气体信息采集系统设计

2.1 多传感器模块

2.2 信息采集系统电路设计

2.3 信息采集系统软件设计

2.4 本章小结

第3章 检测系统实验平台与传感器测试

3.1 实验配气方法

3.2 实验平台设计

3.3 实验原理与传感器测试

3.4 本章小结

第4章 用于混合气体检测的模式识别方法实现

4.1 蝙蝠算法

4.2 基于支持向量机的混合气体定性识别算法

4.3 基于BP神经网络的混合气体定量预测算法

4.4 本章小结

第5章 实验测试及结果分析

5.1 实验样本及其预处理

5.2 混合气体定性测试及结果分析

5.3 混合气体定量测试及结果分析

5.4 本章小结

第6章 总结与展望

6.1 本文总结

6.2 本文展望

致谢

参考文献

攻读硕士学位期间发表的学术论文