基于神經(jīng)網(wǎng)絡(luò)的多氣體傳感器便攜監(jiān)測(cè)裝置的設(shè)計(jì)

張常華 李仕昆 張澤棟 曾研

【關(guān)鍵詞】氣體傳感器;人工神經(jīng)網(wǎng)絡(luò);神經(jīng)元

本文基于神經(jīng)網(wǎng)絡(luò)對(duì)多種傳感器監(jiān)測(cè)的數(shù)據(jù)進(jìn)行融合迭代處理，來解決氣體傳感器的測(cè)量誤差，得到相對(duì)準(zhǔn)確的氣體濃度值。在神經(jīng)網(wǎng)絡(luò)對(duì)采集氣體進(jìn)行處理后，周圍環(huán)境的氣體濃度值能夠在便捷裝置上更新顯示。

便攜多氣體監(jiān)測(cè)設(shè)備的系統(tǒng)總體框架如圖1所示，設(shè)備由電源、移動(dòng)終端、傳感器監(jiān)測(cè)模塊、藍(lán)牙模塊和STM32F405RGT為主控芯片的單片機(jī)組成。設(shè)計(jì)為了滿足設(shè)備能夠隨身攜帶的特點(diǎn)和本著環(huán)保的原則，同時(shí)讓其具備安全性能良好的優(yōu)點(diǎn)，采取了可充電式電池作為電源，通過電源模塊給整個(gè)設(shè)備供給所需的電力。由于該設(shè)計(jì)用到的模塊比較多，傳感器和單片機(jī)的接口無法滿足模塊允許所需要的電壓，因此在電池供電后，設(shè)計(jì)降壓穩(wěn)壓電路（如圖2所示），輸出傳感器等設(shè)備運(yùn)行所需要的電壓。在電源模塊中利用5-3.3V的降壓電路，給STM32F405RGT6為主控芯片的電路板供電，在電路中留出引腳給現(xiàn)有的傳感器（溫濕度壓強(qiáng)綜合的傳感器、氧氣傳感器、二氧化碳一氧化碳TVOC傳感器、苯甲醛傳感器）、蜂鳴器進(jìn)行連接。以及給出一個(gè)I/O口于藍(lán)牙模塊，連接電路與藍(lán)牙模塊，使單片機(jī)能夠?qū)⒔?jīng)神經(jīng)網(wǎng)絡(luò)處理后的相對(duì)準(zhǔn)確的氣體濃度值通過藍(lán)牙模塊傳輸給對(duì)應(yīng)設(shè)計(jì)的手機(jī)APP上。

該設(shè)備能夠?qū)怏w傳感器數(shù)據(jù)與周圍環(huán)境參數(shù)經(jīng)過神經(jīng)網(wǎng)絡(luò)處理，處理后得到相對(duì)準(zhǔn)確的氣體濃度值數(shù)據(jù)，單片機(jī)再通過藍(lán)牙模塊將氣體濃度值發(fā)送給移動(dòng)終端，并在終端顯示氣體濃度。如果濃度達(dá)到危害到人體健康的閾值，設(shè)備將會(huì)通過蜂鳴器進(jìn)行提示，危害程度越大，蜂鳴器所造成的聲音越尖銳，并在終端上對(duì)設(shè)備持有人提示危害程度。

監(jiān)測(cè)采用多種高靈敏度的氣體傳感器監(jiān)測(cè)周圍的環(huán)境，通過傳感器多次采集的數(shù)據(jù)與神經(jīng)網(wǎng)絡(luò)的處理得到氣體相對(duì)準(zhǔn)確的濃度。當(dāng)氣體濃度過高或過低偏離正常人體健康所需的正常值，設(shè)備將會(huì)報(bào)警，并且對(duì)相關(guān)人員的移動(dòng)終端及時(shí)推送危害程度。

移動(dòng)終端APP在被打開后，顯示出需要監(jiān)測(cè)的環(huán)境參數(shù)，然后檢測(cè)藍(lán)牙模塊與單片機(jī)連接是否正常。若連接正常，APP向單片機(jī)發(fā)送獲取各類環(huán)境參數(shù)的命令，讓傳感器對(duì)各種環(huán)境參數(shù)進(jìn)行采集，經(jīng)過單片機(jī)采集處理后的數(shù)據(jù)通過藍(lán)牙將數(shù)據(jù)返回至移動(dòng)終端顯出來。如圖3所示

溫濕度壓強(qiáng)傳感器和多種氣體傳感器通過神經(jīng)網(wǎng)絡(luò)處理采集后的數(shù)據(jù)，再由藍(lán)牙模塊將數(shù)據(jù)傳輸至終端APP，并將處理后相對(duì)準(zhǔn)確的數(shù)據(jù)在軟件界面進(jìn)行顯示，圖4為該設(shè)備在檢測(cè)時(shí)的顯示狀況。從圖中可以能夠看出測(cè)量后的各種環(huán)境參數(shù)。

在識(shí)別混合氣體的成分中，最常用的方法是先將各種氣體分離，然后分別裝入不同的傳感器進(jìn)行檢測(cè)，但隨著人工智能發(fā)展，不再需要人工進(jìn)行氣體分離，而是采用之前所得到的數(shù)據(jù)進(jìn)行分析。模擬人工神經(jīng)網(wǎng)絡(luò)的方法，在傳統(tǒng)的方法中是循環(huán)伏安測(cè)量法：利用箔電極具有透氣性，氣體能透過箔電極與電極之間的電解質(zhì)發(fā)生電離反應(yīng)[1]，不同氣體在反應(yīng)的時(shí)候產(chǎn)生的伏安曲線不同，再通過多種不同的傳感器，可以識(shí)別出多種復(fù)雜的氣體，利用不同氣體所表現(xiàn)的特征伏安曲線的不同，識(shí)別出與之相對(duì)應(yīng)的氣體。

而人工神經(jīng)網(wǎng)絡(luò)是一個(gè)非線性的并行處理系統(tǒng)， 采用分布式存儲(chǔ)結(jié)構(gòu)，信息 分布在神經(jīng)元之間的連接強(qiáng)度（即權(quán)重） 上，不同于傳統(tǒng)的程序，其不是有順序地進(jìn)行，而是通過對(duì)原有的樣本進(jìn)行學(xué)習(xí)，然后不斷改變不同神經(jīng)元之間的權(quán)重，在模擬中學(xué)習(xí)。而智能傳感器就是采用的人工神經(jīng)網(wǎng)絡(luò)的方式， 如三層前饋網(wǎng)絡(luò)，即：輸入層、隱含層（中間層）和輸出層。各層之間實(shí)現(xiàn)全連接。[2]（如下圖所示）

神經(jīng)元與神經(jīng)元之間的連接強(qiáng)度稱為權(quán)重， 求和則得到該節(jié)點(diǎn)的凈輸入。在不同的輸入信號(hào)作用下對(duì)其進(jìn)行相對(duì)應(yīng)功能函數(shù)的計(jì)算，產(chǎn)生輸出信號(hào)（如圖6）。在智能微傳感器的人工神經(jīng)網(wǎng)絡(luò)中，我們?cè)O(shè)置了多種氣體作為特征標(biāo)識(shí)，每種氣體通過循環(huán)伏安法測(cè)得到三條特性曲線， 其中二條曲線的數(shù)據(jù)用于訓(xùn)練， 另一個(gè)用于修正訓(xùn)練期間產(chǎn)生的錯(cuò)誤，將測(cè)得的伏安特性曲線作為輸入端，最終進(jìn)行氣體的辨識(shí)。

網(wǎng)絡(luò)進(jìn)行氣體的識(shí)別過程主要分為五個(gè)步驟：（1）確定氣體傳感器陣列的維度;（2）對(duì)氣體進(jìn)行采樣;（3）構(gòu)造 BP 神經(jīng)網(wǎng)絡(luò);（4）對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練; （5）檢驗(yàn) BP 神經(jīng)網(wǎng)絡(luò)辨識(shí)結(jié)果的正確率[3]。

人工神經(jīng)網(wǎng)絡(luò)和傳感器陣列技術(shù)相結(jié)合的方法對(duì)混合氣體檢測(cè)這一方面的研究效果拔群， 通過大量的實(shí)踐證明，該方法對(duì)未知?dú)怏w的識(shí)別可以高達(dá)100%，除此之外在定量識(shí)別方面，最小誤差可控制在4.49%以內(nèi)，可以滿足我們?nèi)粘Ｉ畹男枨蟆?/p>

基于STM32單片機(jī)的多氣體濃度監(jiān)測(cè)設(shè)備，硬件采用了多模塊進(jìn)行設(shè)計(jì)，軟件代碼以神經(jīng)網(wǎng)絡(luò)處理和機(jī)器學(xué)習(xí)為主，使系統(tǒng)具有高精度，抗干擾能力強(qiáng)的特點(diǎn)，能夠準(zhǔn)確得到空氣中主流氣體濃度是否超標(biāo)的信息，適用于各種室內(nèi)場(chǎng)所，同時(shí)有著蜂鳴器模塊在濃度超標(biāo)時(shí)會(huì)進(jìn)行報(bào)警。多個(gè)模塊都已經(jīng)屬于成熟的技術(shù)，多模塊組合的結(jié)構(gòu)也能使得設(shè)備的具有低功耗的特點(diǎn)。