[发明专利]一种厨房环境中多组分有害气体检测装置及检测方法

权利要求书

1.一种厨房环境中多组分有害气体检测方法，其特征在于，该方法基于厨房环境中多组分有害气体检测装置实现，该装置包括进样模块(1)、供电模块(2)、气室及传感器模块(3)、信号处理模块(4)、AD转换模块(5)、单片机最小系统模块(6)、串口模块(7)；

所述进样模块(1)包括气泵、干燥过滤管和加热室，用于匀速往气室及传感器模块(3)通入经干燥、过滤和控温后的气体；所述气泵用于使进样时和传感器清洗时的气体流速一致且不变，确保传感器输出的电压信号在传感器清洗前后的相对稳定；所述干燥过滤管，内部采用变色硅胶填充，用于过滤进样气体中的颗粒物杂质和水汽，并通过颜色变化指示硅胶性能状况；所述气泵、干燥过滤管和加热室依次连接；

所述供电模块(2)用于为进样模块(1)和单片机最小系统模块(6)提供所需的不同电压，由+12V开关电源供电；

所述气室及传感器模块(3)包括气室和传感器阵列，所述气室主体为长方体结构，气室内部上方有一个气体检测室，气体检测室侧面开有进气孔(9)，所述进气孔(9)连接有进气管(8)，气室内的底部开有6个MOS传感器圆槽(10)用于传感器的固定和替换，在气室的底部还开有3mm高度的底部空槽(12)，并且在气室的底部与进气孔(9)相对的一侧开有出气槽(13)，所述底部空槽(12)与出气槽(13)连通，所述出气槽(13)的底部设有温湿度传感器位点(11)，在出气槽(13)的侧面开有出气孔(14)，所述出气孔(14)连接出气管(15)，用于待检测的气体从气室底部的底部空槽(12)汇合后经出气管(15)排出；所述传感器阵列包括6个MOS传感器和1个温湿度传感器；所述MOS传感器设置在MOS传感器圆槽中，MOS传感器的头部位于气体检测室中，与进气孔(9)的高度一致；所述温湿度传感器设置在出气槽的底部的温湿度传感器位点(11)处，用于检测加热后流过传感器阵列的气体的实际温度和湿度；

所述信号处理模块(4)采用差分放大电路和RC滤波，用于对传感器阵列的输出信号进行差分放大和滤波处理，调节输出信号变化范围；

所述AD转换模块(5)用于快速完成差分放大和滤波处理后的传感器的电压信号的AD转换，输入到单片机最小系统模块(6)；

所述单片机最小系统模块(6)装载有检测待测气体浓度的算法模型，用于将接收的信号直接在下位机进行分析运算并得出最终结果，通过串口模块(7)发送至上位机；

所述串口模块(7)采用USART串口，通过串口转USB信号线向上位机发送检测的结果；

所述厨房环境中多组分有害气体检测包括以下步骤：

(1)传感器预热

检测装置的传感器需要在没有进气的情况下预热至少半小时，使传感器充分预热；

(2)传感器清洗

单片机最小系统模块(6)通过继电器接通进样模块(1)中的气泵，使其将标准空气以1000毫升/分钟的恒定流速通入气室，清洗传感器阵列，去除杂质干扰，持续至少30分钟，直到传感器阵列的输出电压平稳后，并且每个传感器电压都降到预先设定的电压基线值以下，进入能够进样与检测的状态，执行步骤(3)；

(3)进样与检测，具体包括以下步骤：

(3.1)进样并采集传感器特征值，具体为：将在进样模块(1)中干燥、过滤和控温后的待测气体通入气室进行检测，持续5分钟，期间单片机最小系统模块(6)采样传感器阵列输出的电压信号，等时间间隔采样，通过信号处理模块(4)和AD转换模块(5)将电压信号转换为数字信号，进而得到传感器的特征值数据并保存，传感器的特征值数据包括进样前基线值、电压最大正斜率、电压响应峰值、电压峰面积、恢复电压基线时间、温度特征值和湿度特征值，单片机最小系统模块(6)装载有BP人工神经网络；

所述进样前基线值为单次检测过程之前，经过差分放大处理的传感器输出电压值，记为Bi，i＝1,2,3,4,5,6；所述电压响应峰值为单次检测过程中，经过差分放大处理的传感器输出的最大电压值，记为Pi，i＝1,2,3,4,5,6；所述电压峰面积为单次检测进样过程中，电压响应上升，传感器的输出电压相对进样前基线值的电压差值的累加和；所述电压最大正斜率为单次检测的进样过程中，电压响应上升时的响应曲线的斜率最大值；所述恢复电压基线时间为从单次检测的清洗过程开始的采样点计数，当电压下降至检测前基线的电压时，则认为清洗完全，以此时采样点的个数作为恢复电压基线的时间；所述温度特征值和湿度特征值为：在传感器峰值时提取的温湿度传感器数值，与峰值前后相邻的两个采样点的温湿度传感器数值进行三点求平均值，得到最终温度特征值和湿度特征值；

对采样的进样前基线值和电压响应峰值进行处理，得到响应峰值时刻第i个传感器电阻与进样前基线时传感器电阻的比值，即电阻比，记为R_i，公式如下：

(3.2)将传感器采集并处理的特征值作为训练集，训练BP人工神经网络，具体为：BP人工神经网络的输入层神经元26个，中间隐层神经元9个，输出层神经元3个，3个输出层神经元分别代表一氧化碳、甲烷和甲醛的气体浓度值，输入层和中间层的每一个神经元的初始权值和阈值随机生成，损失函数采用均方误差，为三种待检测气体的浓度计算值与实际值的均方误差和；

输入层-中间层激活函数为tansig,因此每个中间层神经元的输出mid_output由下式计算；其中，n表示单个神经元的多个输入与其各自权值、阈值计算后累加得到的结果；

mid_output＝tansig(n)＝2/(1+exp(-2*n))-1

而中间层-输出层激活函数为purelin,因此每个输出层神经元的输出output由下式计算；

output＝purelin(n)＝n

将6个电压响应峰值时刻的传感器电阻与进样前基线时的传感器电阻的比值、6个电压最大正斜率、6个电压峰面积、6个恢复电压基线时间、1个温度特征值和1个湿度特征值作为训练集输入到单片机最小系统模块(6)装载的BP人工神经网络中，通过贝叶斯正则化算法进行训练BP人工神经网络，最终确定的输入层和中间层的每一个神经元的权值和阈值，得到训练好的BP人工神经网络；

(3.3)将传感器采集的待检测气体的26个特征值输入到BP人工神经网络中，经过BP人工神经神经网络计算，输出3种待检测气体浓度，并将计算结果通过串口模块(7)发送至上位机；

(4)清洗状态

检测完成后，进样气泵将标准空气以1000毫升/分钟的恒定流速通入检测气室，清洗传感器阵列10分钟以上，直到每个传感器都恢复电压基线值以下，然后重复步骤(3.3)和(4)继续进样并检测，直到人为停止检测。