法律状态公告日
法律状态信息
法律状态
2019-08-13
授权
授权
2017-02-01
实质审查的生效 IPC(主分类):G06K9/00 申请日:20160810
实质审查的生效
2017-01-04
公开
公开
技术领域
本发明属于仪器与测量领域,具体涉及一种基于响应曲线微分特性的电子鼻采样数据预校验方法。
背景技术
电子鼻,亦称为人工嗅觉系统,是一种现代仿生检测仪器,它能够模拟人类及哺乳动物嗅觉系统的结构与功能,实现对简单或复杂的气味的检测识别。电子鼻通常包括气体传感器阵列、信息预处理和模式识别三大部分。在电子鼻检测样本时,挥发性气味需与多个气敏传感器组成的阵列反应,将样品的化学信号转换成电信号,然后经过一系列信号调理、归一化等预处理过程,获取该样品所对应的综合“指纹”信息,再从中提取合适的特征(特征生成,特征选择,特征提取)输入到特定的模式识别算法,最终完成对样品的定性或定量辨识。对电子鼻技术来说,电子鼻采样数据的可靠、准确是电子鼻分析的关键保证,对电子鼻的分析结果影响很大。因此为了提高电子鼻分析的准确性,也为了提高电子鼻仪器的精度,有必要对电子鼻采集数据进行预校验。这里预校验是指对电子鼻的采样数据按照一定标准或规律进行检测和校对,以保证采样数据的可靠性和准确性。尤其是对于便携式电子鼻,由于应用场景和环境较复杂,更容易受到环境的干扰而使其采样数据不准确。
电子鼻所采集数据实际是阵列中各气体传感器同气体样本反应后得到的时间序列,采样受到干扰时该时刻的采样数据也受到干扰而不准确。若整个时间序列中较多时刻采样都不准确,则该采样时间序列就不准确。该错误采样序列如果作为电子鼻训练样本就会使电子鼻识别模型建立不准确,进而影响电子鼻的识别精度。而该错误采样序列如果作为电子鼻测试样本或者检测样本就会发生错误识别情况,会因为该错误样本降低电子鼻的识别准确率,使人误以为电子鼻仪器本身不可靠。因此无论是作为训练样本还是检测样本,错误的采样序列都可能会给电子鼻带来严重的后果。
亓培锋提出了一种电子鼻数据预处理方法(亓培锋.用于白酒识别的电子鼻系统设计与数据分析研究.天津:天津大学,2013.),该方法采用由一阶RC电路和电压跟随器组成的硬件低通滤波和保持电路,可以较好地滤除采样电路中的高频噪声,该方法还通过ADC(模拟数字转换)采样芯片的自检功能消除了工频干扰,一定程度上保证了采样数据不会存在坏点和数据丢失情况。
Simon M.Scott提出了多种电子鼻数据处理方法(S.M.Scott,D.James,Z.Ali.Data analysis for electronic nose systems,MicrochimicaActa,156(3-4)(2006)183-207.),通过对电子鼻采样数据进行差分、相对差分或归一化等操作,去除电子鼻数据的干扰。
而目前电子鼻研究中还没有对采样时间序列进行校验的研究。
综上所述,目前在电子鼻采样数据校验领域存在以下缺陷和不足之处:
(1)目前电子鼻数据预处理方法仅仅是对采样数据进行一些滤波、平滑和变换处理,并不能对采样数据整体进行校验。
(2)目前缺乏对电子鼻采样数据整体准确性进行实时校验的有效方法。
发明内容
针对上述问题,本发明的目的是克服现有技术的不足,结合一种新的电子鼻仿生呼吸采样方法的特点,提出一种采样数据预校验方法。本发明对电子鼻仿生呼吸采样曲线进行预处理和微分变换,得到相应曲线的微分曲线,通过提取微分曲线的局部极值点和计算曲线的平均微分值,根据仿生呼吸采样曲线三个循环的微分极值及平均微分值存在时间递减关系,判断该采样数据是否准确,解决对电子鼻采样数据的预校验问题,实现电子鼻采样数据的可靠检验。本发明的技术方案如下:
一种基于响应曲线微分特性的电子鼻采样数据预校验方法,适用于采用以三次循环为一个完整循环的电子鼻仿生采样方式,每次循环分为吸入采样环节、等待环节和呼出环节,所述的采样数据预校验方法包括下列步骤:
1)对于采用电子鼻仿生采样方式所采集的阵列采样数据依次进行如下的预处理:平滑滤波消除噪声和相对电导变化率计算及归一化处理,设St为归一化后的相对电导变化率;
2)利用采样梯度法对St求微分:
3)提取每个传感器曲线的3个上升阶段微分曲线的极大值M1、M2、M3和每个传感器曲线的3个下降阶段微分曲线的极大值M4、M5、M6;
4)定义平均微分
5)对得到的各传感器的微分曲线的极大值进行比较判断,若某传感器M1>M2>M3且M4>M5>M6,则判断传感器的微分极值符合规律;
6)再对得到的各传感器的平均微分进行比较判断,若Kder1>Kder2>Kder3且Kder4>Kder5>Kder6,则判断该传感器的平均微分符合规律;
7)当且仅当(5)和(6)中微分极值与平均微分都满足仿生呼吸采样的微分特性时,才判定该传感器的采样数据预校验为准确。
与现有的电子鼻数据预处理方法相比,采用本发明提出的采样数据预校验方法可给电子鼻带来明显的优势:
(1)提高了采样精度,通过校验可及时判断采样结果的准确性,并及时提出错误采样数据。
(2)提高了电子鼻的可靠性,通过校验剔除了错误数据,电子鼻训练得到的分类器更加准确,也使电子鼻的识别率得到提升。
(3)增强了电子鼻的实用性,减少了错误样本客观提高了电子鼻的识别率,使得电子鼻的应用范围更广,实用性也更强。
附图说明
图1为本发明所采用电子鼻结构框图和工作流程图
图2为本发明所述电子鼻仿生呼吸采样方法采样控制策略
图3为本发明所述电子鼻仿生呼吸采样单传感器结果曲线
图4为本发明所述预处理后的电子鼻仿生呼吸采样阵列曲线
图5为本发明所述电子鼻仿生采样曲线的微分曲线面积图
图6为本发明所述单传感器响应微分曲线示意图
具体实施方式
下面结合附图和实施例对本发明进行说明。
本发明涉及的电子鼻结构如图1所示,该电子鼻不仅可直接检测气体样本,还可用于检测白酒等液体样本。该电子鼻主要包括蒸发及采样装置,传感器气室反应装置,以及控制和数据采集预处理系统三大部分。
本发明涉及的电子鼻的装置包括可调速气泵、电磁阀、蒸发气室、传感器气室、AD采集芯片及主控制器。本发明涉及的采样方法以检测白酒样本为例,电子鼻的主要工作流程如图1所示,首先由硅加热带加热使蒸发气室中的白酒样本充分蒸发,然后通过可调速泵打入洁净空气为载气,并调节电磁阀控制气路,使白酒样本气体以一定规律进入传感器气室与其中的传感器阵列进行反应,充分反应采样后,通过AD(模拟-数字转换控制器)采集电路及信号调理将采集信号上传保存并进一步分析,整个工作过程由主控制器控制完成,用户也可通过触摸屏界面完成交互控制。
本发明涉及的可调速气泵为成都气海机电制造有限公司的调速气泵,型号为FAY6003,工作电压12V,峰值流量为3000mL/min,相对真空度约-36kPa,最大输出压力60kPa,该气泵的转速可以通过蓝线端输入的PWM波的占空比进行调节,气泵的转速在黄线端以方波频率进行反馈。
本发明涉及的电磁阀为深圳欧卡达的OKD-1306型号,工作电压12V,功率大小5.2W,直流电阻220Ω。
本发明涉及的仿生呼吸采样方法由可调速气泵和电磁阀1、2、3、4,相互配合实现(如图1所示),气路采样控制由主控制器按照预先设定的采样控制策略自动完成。
本发明涉及的仿生呼吸采样法所采用控制策略如图2所示。整个控制策略可以划分为3个循环过程(如图2虚线划分),每个循环阶段又由相同策略完成,即先打开气泵通入一小段时间样本气体,然后关闭气泵,等待一段时间使传感器响应达到稳态,再打开气泵一小段时间,通入洁净空气对气室进行清洗,然后再关闭气泵,并等待一段时间传感器响应达到新的稳态。
本发明涉及的仿生呼吸采样方法得到的传感器响应曲线如图3所示。如图3所示,整个采样曲线可划分为与采样策略相对应的3个循环阶段,其中每个循环阶段都采用了相同的控制策略。以图3中第二循环B为例,其包括1、吸入,2、暂停,3、呼出,4、暂停共4个环节。
电子鼻仿生呼吸采样方法,一个完整的采样周期包含3次采样循环,具体步骤如下:
(1)电子鼻系统上电,预热一段时间使蒸发气室恒温至70摄氏度,并使得气体样本在蒸发气室中充分蒸发。
(2)仿生呼吸采样第一个循环开始,首先调节电磁阀实现吸入采样气路:使电磁阀1与蒸发气室进气口接通,使蒸发气室出气口与电磁阀2接通,再使电磁阀3与传感器气室进气口接通,从而接通吸入采样气路。
(3)打开可调速气泵开始第一次循环的吸入采样环节,通过过滤后的洁净空气将气体样本沿采样气路带入传感器气室,通气时间为1秒,控制可调速气泵转速的PWM波占空比设为55000/125000。
(4)关闭可调速气泵,并同时关闭电磁阀1和3,使蒸发气室和传感器气室相互独立并密闭,等待传感器与样本反应达到稳态,等待时间15秒。
(5)开始第一次循环的呼出环节,首先调节电磁阀实现呼出气路,使电磁阀1与电磁阀3接通,再与传感器气室进气口接通,与传感器气室的出气口相连的电磁阀4作为清洗口2与外界接通。
(6)打开可调速气泵开始第一次呼出样本,通过过滤后的洁净空气将传感器气室中的样本混合气由清洗口2呼出,通气时间为4秒,PWM占空比为125000/12500。
(7)接着关闭可调速气泵,并同时关闭电磁阀之间通路,使蒸发气室和传感器气室相互独立并密闭,等待传感器达到新的稳态,等待时间12秒,至此第一次呼吸采样循环结束。
(8)第二和第三次循环采样的过程基本和第一次循环相同,不同之处如下:第二次循环吸入采样环节PWM波占空比为70000/125000,时间仍为1秒;第二次循环呼出环节的通气时间为2秒。
(9)第三次循环吸入采样环节PWM波占空比为125000/125000,时间仍为1秒;第三次循环呼出环节的通气时间为1秒。
图1所示电子鼻采用仿生呼吸采样方法进行采样,经平滑滤波、相对电导变化率计算及归一化预处理后其阵列采样结果曲线如图4所示,该传感器阵列包含7个气体传感器。
对图4预处理后的采样曲线进行微分变换可以得到电子鼻采样曲线的微分曲线。图5所示为传感器阵列的微分曲线面积图,可以看出各传感器微分极值随时间递减(如图6所示),并且微分曲线与坐标轴包围的面积也呈递减趋势,也即平均微分呈递减趋势。微分曲线的极值和平均微分共同体现了传感器响应的动态特性和主流特征信息,能够反映出采样数据的整体信息,结合仿生呼吸采样的特点,其响应微分特性可用来对采样数据的准确性进行校验。
本发明通过提取传感器响应微分曲线的极值和计算平均微分,并根据上述规律对电子鼻采样数据进行校验。
具体校验方法步骤如下所述(参照附图4、5、6):
(1)等待一次电子鼻仿生呼吸采样结束后,采集阵列采样数据至主控制器待分析。
(2)对阵列采样数据进行预处理,预处理包括平滑滤波消除噪声和相对电导变化率计算及归一化。
(3)平滑滤波采用局部回归加权算法:
(4)由于传感器本身的短期漂移特性,加上环境因素的影响,其基线值并不稳定,常常存在一定程度的波动。为了抑制基线的波动,可以采用相对差分的方法得到一种新的传感器的敏感度表示方法,称为相对电导变化率,符号为S。
(5)相对电导变化率计算公式为:
(6)归一化计算公式为:
(7)采样梯度法对St求微分:
(8)如图6所示,提取每个传感器曲线的3个上升阶段微分曲线的极大值M1、M2、M3和每个传感器曲线的3个下降阶段微分曲线的极大值M4、M5、M6。
(9)平均微分体现了传感器响应的主流特性,其计算公式为:其中N代表该段时间总采样点数,a和b分别表示该段时间的起始采样点和结束时刻采样点。按照公式分别计算各传感器微分曲线在坐标轴上方时间段内的3个平均微分Kder1、Kder2、Kder3,各传感器微分曲线在坐标轴下方时间段内的3个平均微分(取绝对值)Kder4、Kder5、Kder6。
(10)对(8)中得到的各传感器的微分极值进行比较判断,若M1>M2>M3且M4>M5>M6,则判断该传感器的微分极值符合规律。
(11)再对(9)中得到的各传感器的平均微分进行比较判断,若Kder1>Kder2>Kder3且Kder4>Kder5>Kder6,则判断该传感器的平均微分符合规律。
(12)当且仅当(10)和(11)中微分极值与平均微分都满足仿生呼吸采样的微分特性时,才判定该传感器的采样数据预校验为准确。
(13)对一次采样数据,当阵列中所有传感器的采样结果都预校验为准确时,才能判定该次电子鼻采样数据通过预校验,该组采样数据才能进行下一步处理,如训练、测试等。
(14)若一次采样数据,其阵列中各传感器不能全部通过预校验,则判定该组采样数据不准确,应予以剔除。
机译: 用于便携式音响系统的音频响应特性补偿方法,涉及基于声学和频率特性目标曲线生成声学补偿曲线
机译: 基于第二台印刷机的预调节特性曲线的印刷机上墨机构的预调节方法,以确保印刷机之间的紧密色彩匹配
机译: 一种显示数据分布曲线的系统,该曲线以采样数据的数量的100%比例不真实