神经网络瓦斯传感器及其在系统中的应用

上海大学2010～2011学年冬季学期研究生课程课程名称：新型传感技术课程编号：091102908论文题目:神经网络瓦斯传感器及其在系统中的应用研究生姓名:刘金鼎学号:11721228论文评语:成绩:任课教师:顾惠芬评阅日期:1神经网络瓦斯传感器及其在系统中的应用刘金鼎（上海大学机电工程与自动化学院，上海200072）摘要：瓦斯传感器的工作环境十分恶劣，传感器的输出不仅仅取决于目标参量——瓦斯，还与非目标参量（温度、湿度）等有关。鉴于神经网络良好的非线性逼近能力，将神经网络引入瓦斯传感器，建立智能传感器系统可以一定程度上改善瓦斯传感器的非线性。本文采用多个传感器同时监测目标参量和其它非目标参量，其输出数据经BP神经网络和RBF神经网络融合处理，从而消除环境因素变化的影响，提高目标传感器的性能。实验仿真结果表明,该方法行之有效,为煤矿安全监测提供了一种新的思路。关键词：瓦斯传感器；神经网络；非线性NeuralNetworkGasSensoranditsApplicationinSystemLIUJin-ding(SchoolofMechatronicsEngineering&Automation,ShanghaiUniversity,Shanghai200072,China)Abstract:Theworkingenvironmentofgassensorisverypoor,sotheoutputofthesensorisnotonlydecidedbythetargetparameter,butalsoaffectedbyothernon-targetparameters,suchastemperature,humidityandsoon.Becausethenervenetworkhasgoodnon-linearityapproachingability,introducingnervenetworkintogassensorandestablishingtheintelligentsensorsystemcanimprovethenonlinearityofgassensorinthecertaindegree.Thestudyappliedthetechnologywhichthetargetparameterandthenon-targetParametersaremonitoredbymulti-sensors,thenthedatafortheoutputissendtoconfusionthroughBPandRBFneuralnetworktechnology,whichcaneliminatetheeffectofthevariationfortheenvironmentalfactorsandimprovethefunctionofthesensor.Simulationresultsshowthattheeffectivemethodprovidesanewwayofthinkingforcoalminesafetymonitoring.Keywords:gassensor;artificialneuralnetwork;nonlinearity1前言1.1智能传感器的发展当今时代是信息化的时代，各个领域常以信息的获取与利用为基础，而检测是获取信息的一般方法。为了提高生产过程检测的能力和效率，对检测过程本身提出了更高的技术要求，如高灵敏度、高精度、高分辨率、高响应性、高可靠性、高稳定性及高度自动化等等。这就需要检测过程具有一定的“智能”，即思维能力及推理并做出决策的能力，这就是智能检测技术发展的需求背景。人们对智能传感器的认识随着科学技术的不断发展而逐步深化。通常认为带有微处理器兼有检测信息和信息处理功能的传感器就是智能传感器[1]。随着人工智能技术的发展,人们更加注重其智能化功能,认为“一个真正意义上的智能传感器必须具备学习、推理、感知、通信以及管理等功能[2]”。图1给出了用于复合材料损伤检测的智能传感器结构[3]。在该智能传感器中，首先利用小波变换良好的时域局部性质对传感器的输出信号进行加工处理，达到去除噪声、提高信噪比的效果，同时提取信号的时频域特征值送入kohonen人工神经网络进行识别，从而能高精度的识别出复合材料的损伤位置。2图1基于小波神经网络复合材料损伤检测的智能传感器示意图传感器是获取信息的工具，它处于自动检测与控制系统之首，是感知、获取与检测信息的窗口，并且处于研究对象与测控系统的接口位置，一切科学研究和生产过程要获取的信息，都要通过它转换为易传输和易处理的电信号，而且随着信息科技的发展，传感器在汽车制造、工业仪器仪表、农林水产、海洋气象、资源能源等领域得到了广泛的应用，并朝着高精度、小型化、集成化、数字化、智能化的方向发展。因此传感器在智能检测中的地位与作用特别重要。其中，气体传感器的研究涉及面广、难度大，属于多学科交叉的研究领域。要切实提高传感器各方面的性能指标需要多学科、多领域研究者的协同合作。气敏材料的开发和根据不同原理进行传感器结构的合理设计一直受到研究人员的关注。在综合气体传感器的国内外的研究未来气体传感器的发展也将围绕这两方面展开工作。主要内容为[4]:(1)气敏材料的进一步开发：一方面寻找新的添加剂对已开发的气敏材料的敏感特性进一步提高；另一方面充分利用纳米、薄膜等新材料制备技术使气敏材料各方面的性能均得到大大改善。(2)新型气体传感器的开发和设计：根据气体与气敏材料可能产生的不同效应设计出新型气体传感器是气体传感器未来发展的重要方向和后劲。(3)气体传感器传感机理的研究：新的气敏材料和新型传感器层出不穷，需要在理论上对它们的传感机理进行深入研究。传感机理一旦明确，设计者便可有据可依地针对传感器的不足之处加以改进，也将大大促进气体传感器的产业化进程。(4)气体传感器的智能化：生产和生活日新月异的发展变化对气体传感器提出了更高的要求，气体传感器智能化是其发展的必由之路。纳米、薄膜技术等新材料制备技术的成功应用为气体传感器集成化和智能化提供了很好的前提条件。气体传感器将在充分利用微机械与微电子技术、计算机技术、信号处理技术、电路与系统、传感技术、神经网络技术、模糊理论等多学科综合技术的基础上得到发展。研制能够同时监测多种气体的全自动数字化的智能气体传感器将是以后该领域的重要研究方向。1.2瓦斯传感器的发展现状1.2.1瓦斯传感器的必要性自2000年以来，随着国家对煤矿企业安全生产要求的不断提高和企业自身发展的需要，我国各煤矿己经陆续装备了矿井监测监控系统。系统的装备大大提高了矿井安全生产水平和安全生产管理效率，同时也为该技术的正确选择、使用、维护提出了更高的要求。表1列出了2011年中国10--11月发生的部分煤矿事故。可以看出，矿井的安全问题关系重大，这对煤矿的检测监控系统提出了更高的要求。表1中国2011年10-11月发生的部分煤矿事故时间煤矿单位事故原因事故后果10月4号贵州荔波县立化镇安平煤矿煤与瓦斯突出17人遇难10月16号陕西铜川市耀州区照金镇瓦斯爆炸11人遇难10月17号重庆奉节县大树镇富发煤矿瓦斯爆炸13人遇难10月27号河南焦作九里山矿煤与瓦斯突出28人遇难10月29号湖南衡山县长江镇霞流冲煤矿瓦斯爆炸29人遇难11月10号云南师宗县私庄煤矿煤与瓦斯突出34人遇难传感器的稳定性和可靠性在煤矿监测监控系统的作用非常重要，因为它是煤矿监测监控系统能正确反映被测环境和设备参数的关键技术和产品。目前国内生产和用于煤矿监测监控系统的传感器主要有瓦斯、一氧化碳、风速、负压、温度、煤仓煤位、水仓水位、电流、电压和有功功率等模拟量传感器，以及机电传感器信号预处理小波变换特征提取神经网络模式识别识别分析3设备开停、机电设备馈电状态、风门开关状态等开关量传感器。以上传感器的开发和应用基本满足了煤矿安全生产监测监控的需要，但国产传感器在使用寿命、调校周期、稳定性和可靠性方面与国外同类产品相比还有很大差距，某些传感器(如瓦斯传感器)的稳定性还不能满足用户的需要。其中，与监测监控系统配接的瓦斯传感器已成为矿井瓦斯综合治理和灾害预测的关键技术装备，并越来越受到使用单位和研究人员的普遍重视。表2显示了不同瓦斯浓度对环境和人体造成的不同影响。瓦斯传感器作为检测瓦斯浓度的工具，其在矿井监测系统中的作用不言而喻。表2不同瓦斯浓度对环境和人体造成的影响空气中瓦斯浓度小于5％5％－16％大于16％大于55％等于9.5％造成的后果遇火不爆炸，在火焰外围形成燃烧层易爆炸失去爆炸性，空气中遇火燃烧使人迅速中毒爆炸威力最大1.2.2瓦斯传感器的现状及存在的问题据统计，国产安全检测用瓦斯传感器几乎全部采用载体催化元件[5,6]。然而，长期以来我国载体催化元件一直存在使用寿命短、工作稳定性差和调校期频繁的缺点，对传感器来说导致的最终结果就是输出误差较大、测量结果不精确，严重制约着矿井瓦斯的正常检测，对煤矿安全生产和矿工的人身安全构成了潜在的威胁。目前克服传感器上述缺陷通常采用的方法主要是从硬件和软件两个方面入手，从硬件补偿来说，主要是在传感器的测量电路中采用一些特定的电子线路进行非线性补偿。多年来，许多学者和研究人员已经在传感器本身设计、电路环节设计以及非线性校正器设计等硬件方面进行了长期的工作，基本达到了技术极限，但传感器仍然存在严重不足的方面，而且硬件电路容易受到外界环境的影响，再加上电子元器件本身的漂移等很难达到要求的效果，并且成本比较高，实现起来不如软件方便。目前在实际应用中常用的传统软件改善传感器漂移和非线性特性的方法主要有最小二乘法、查表法、曲线拟合法等，这些方法在一定程度上可以解决传感器测量的非线性度问题，但效果有限。为了进一步提高传感器的测量精度，国内外已有文献利用神经网络进行传感器非线校正，对传感器自身输出的数据进行研究，或者考虑传感器周围环境因素，用软件的方法来克服掉周围环境(如温度、湿度等)因素对传感器输出结果的影响，将神经网络算法用于瓦斯传感器系统中，用神经网络来改善传感器的输出数据，利用其良好的非线性拟合能力、自适应性、泛化能力和高度并行处理的特点，可以显著提高传感器检测的智能化水平。2人工神经网络的基础知识2.1人工神经网络的发展人们很早就已经对生物神经网络有了一个基本的认识。若不考虑其速度的话，可以说每个神经元都是一个复杂的微处理器。我们把那些类似神经元的微处理器根据特定的关系连接起来，于是就构成了一个可以完成一个或一系列特定工作的人工神经网络(故ArtificialNeuralNetwork，简写ANN)，简称神经网络。神经网络领域的研究背景工作开始于19世纪末、20世纪初。它源于物理学、心理学和神经生理学的跨学科研究。这些早期研究主要还是着重于有关学习、视觉和条件反射等一般理论，并没有包含有关神经元工作的数学模型。现代对神经网络的研究可以追溯到20世纪40年代WarrenMcCulloch和WalterPitts的工作。他们从原理上证明了人工神经网络可以计算任何算术和逻辑函数，通常认为他们的工作是神经网络领域研究工作的开始。曾经人们在早期的研究中表明神经网络只能解决有限的几类问题，而且存在很多固有的局限性。在60年代由于缺乏新思想和用于实验的高性能计算机，曾一度动摇了人们对神经网络的研究兴趣，从而导致许4多研究者纷纷离开这一研究领域。神经网络的研究就这样停滞了十多年。到了80年代，随着个人计算机和工作站计算能力的急剧增强和广泛应用，以及不断引入新的概念，克服了摆在神经网络研究面前的障碍，人们对神经网络的研究空前高涨。有两个新概念对神经网络的复兴具有极其重大的意义。其一是用统计机理解释某些类似的递归网络的操作，这类网络可作为联想存储器;其二是在20世纪80年代，几个不同的研究者分别开发出了用于训练多层感知器的反传算法。其中最具影响力的反传算法是DavidRumelhart和JamesMcClelland提出的。该算法有力地回答了人们对神经网络发展的质疑