基于神经网络温度补偿的新型MEMS瓦斯传感器研制

摘要

中国作为煤炭产量最大的国家，采矿事故尤其是巷道内的瓦斯事故屡屡发生，对瓦斯浓度的监测至关重要。目前，国内的瓦斯传感器多为采用催化燃烧原理的瓦斯检测仪，它结构简单、易于使用，但存在三个主要缺陷：一是功耗高，大多数催化燃烧型瓦斯传感器的额定功率在150 mW~200 mW之间；二是响应时间长，通常在15 s左右；三是催化剂易中毒。其中，响应时间不仅影响着瓦斯检测速度，还影响着传感器的功耗。采样一次瓦斯浓度所需要的时间越久，功耗越高。而催化剂中毒属于传感器寿命问题。因此，催化燃烧型瓦斯传感器的主要缺陷可以归纳为功耗和寿命问题。实验室采用MEMS工艺设计了一款新型热导式瓦斯传感器（该传感器只是敏感探头），该传感器的额定功率仅有90 mW，响应时间仅为15 ms，加热元件同时作为瓦斯敏感元件，不需要催化剂或催化剂载体，因此不会受中毒等影响，相比目前存在的催化燃烧型瓦斯传感器具有极大的优势与应用潜力。然而，该新型热导式MEMS瓦斯传感器由于采用半导体工艺制作而成，其输出信号受温度影响较大，从而造成测量不准。因此，想要将其实际应用于瓦斯浓度检测，必须对其进行温度补偿。
　　首先，对新型热导式MEMS瓦斯传感器的检测原理进行了理论分析，并对其主要特性进行实验研究分析。确定了传感器工作区间、额定功率、灵敏度、响应时间等参数。通过传感器温度特性研究，发现新型热导式MEMS瓦斯传感器受温度影响很大，需要进行温度补偿。
　　其次，针对新型热导式MEMS瓦斯传感器温度漂移问题，本文采用BP神经网络以及RBF神经网络两种方法进行温度补偿。针对BP神经网络存在易陷入局部极小值问题，利用模拟退火算法进行优化，提高测量精度。然而，传统模拟退火算法收敛速度慢，因此本文基于非均匀变化思想，在VFSA算法基础上提出一种改进模拟退火算法，该算法在退火前后增加一个减小寻优半径的小次数搜索过程，仿真结果表明，改进算法提高了收敛速度，且最大绝对误差由0.455%下降到0.1206%；RBF神经网络温度补偿精度高，但是在具有较好线性度的温漂段效率低，因此，本文提出混合优化算法，在低温线性段采用最小二乘法，而在高温非线性段采用性能较好的RBF神经网络。仿真结果表明，使用混合优化算法不仅能满足要求，而且提高了补偿效率。
　　最后，在温度补偿的基础上，根据煤矿井下特殊环境对瓦斯传感器的功能需求，设计了基于ZigBee技术的低功耗新型MEMS无线瓦斯传感器。为了降低功耗，分别从硬件选型、微控制器电源工作模式以及数据压缩方面提出节能策略。能耗分析表明，新型MEMS瓦斯传感器理论使用寿命长达8年之久。
　　对新型MEMS瓦斯传感器数据采集与温度补偿、无线通信性能测试，结果表明传感器对瓦斯气体反应灵敏，无线通信距离在80 m以内时收包率100%。

目录

声明

致谢

1 绪论

1.1 课题研究背景及意义（Background and Significance of Subject Research）

1.2 瓦斯气体检测的原理与研究现状（ Principle and Research Status of Methane Gas Detection）

1.3 论文主要研究内容（Contents of the Thesis）

1.4 论文架构（Framework of Thesis）

2 新型MEMS瓦斯传感器检测原理与特性研究

2.1 热导式瓦斯传感器检测原理（Detection Principle of Thermal Conductivity Methane Sensor）

2.2 热导式气体传感器的热平衡方程（Thermal Balance Equation of Thermal Conductivity Gas Sensor）

2.3 新型 MEMS 瓦斯传感器主要特性研究与分析（ Main Characteristic Research and Analysis of New MEMS Methane Sensor）

2.4 本章小结（Summary）

3 新型MEMS瓦斯传感器温度补偿

3.1 温度补偿方法的分析（Analysis of Temperature Compensation Methods）

3.2 神经网络概述（Neural Network Overview）

3.3 基于改进模拟退火算法优化的BP神经网络温度补偿模型（Temperature Compensation Model of BP Neural Network Based on Improved Simulated Annealing Optimization）

3.4 混合最小二乘法的RBF神经网络温度补偿模型（Temperature Compensation Model Based on Least Square Method and RBF Neural Network）

3.5 二种温度补偿模型比较（ Comparison of Two Temperature Compensation Models）

3.6 本章小结（Summary）

4 低功耗新型MEMS瓦斯传感器设计

4.1 新型MEMS瓦斯传感器需求分析（Demand Analysis of New MEMS Gas Sensor）

4.2 无线通信技术选择（ Selection of Wireless Communication Technology）

4.3 低功耗硬件设计（Hardware Design with Low Power）

4.4 低功耗软件设计（Software Design with Low Power）

4.5 新型MEMS瓦斯传感器能耗理论分析（Theoretical Analysis on Energy Consumption of New MEMS Gas Sensor）

4.6 本章小结（Summary）

5 性能测试与总结

5.1 数据采集与温度补偿性能测试（ Data Acquisition and Temperature Compensation Performance Test）

5.2 无线传输性能测试（Wireless Transmission Performance Test）

5.3 总结与展望（Conclusions and Outlook）

参考文献

作者简历

学位论文数据集