一种基于BP神经网络的甲醛测量仪设计

王文辉+王磊+袁圆+肖兵

摘要：人的一生80%在室内度过，室内空气质量的优劣直接影响着人体的健康。甲醛是重要的室内污染气体，长期接触会对人体产生很大的危害。本文应用气体传感器阵列作为甲醛气体检测器件，将金属氧化物气体传感器阵列和有教师指导的前馈神经网络技术相结合，构成甲醛气体的精确定量识别系统，对气体阵列传感器的气体交叉敏感性进行气体敏感性分析实验分析，设计一种基于BP算法的前馈神经网络，并对该网络进行训练，最终得到一个泛化性能较好的神经网络，对甲醛气体进行预测及补偿。

关键词：室内空气质量；甲醛；气体传感器阵列；前馈神经网络；BP算法

中图分类号：TP211+.5 文献标识码：A 文章编号：1007-9416（2017）11-0127-04

随着生活水平的不断提高，人们对于自身生活品质和身体健康越来越重视，甲醛（HCHO），作为新装修房屋内气体的主要污染源之一，越来越受到人们的关注，因此，对室内甲醛气体的检测具有很大的现实意义。

根据国家强制性标准，关闭门窗1小时后，每立方米室内空气中，甲醛释放量不得大于0.08毫克；如达到0.1-2.0毫克，50%的正常人能闻到臭气；达到2.0-5.0毫克，眼睛、气管将受到强烈刺激，出现打喷嚏、咳嗽等症状[1]；达到10毫克以上，呼吸困难；达到50毫克以上，会引发肺炎等危重疾病，甚至会导致死亡。我国居室空气中甲醛标准如表1所示。

甲醛的检测方法可谓是百花齐放，推陈出新。世界各国推出很多检测方法，例如比色法，色谱法，荧光法，光谱法，传感器法等，以及电子鼻等先进的检测技术。在便携的手持式甲醛测量仪中，使用的较多的是电化学传感器作为甲醛的检测单元[2]，但电化学型甲醛测试仪由于其成本较高，且寿命较短，不适合普遍推广[3]。

本文运用气体传感器整列作为甲醛的检测单元，并运用前馈神经网络对甲醛含量进行补偿，具有结构简单，性价比高等优势。

1 气体阵列传感器

本文采用德国UST公司的XPC100系列高精度、可定量测量有毒有害气体浓度的阵列传感器，该传感器技术已经BMW汽车传感器的知名供应商。該传感器由三个敏感单元组成，可以测量氧化、还原、氧化还原三类气体，可以定量测量一氧化碳（CO），碳氢化合物（SO2） ，氮氧化物（NOx），易挥发物质（VOC）和微粒悬浮物（PM2.5）等多种气体。

德国UST的金属氧化物气体传感器[4]敏感机理是敏感膜表面的氧化还原反应，考虑到气体监测的交叉敏感性和复杂性，UST传感器利用成熟的模式识别算法可以解算得到混合气体各组分的定量浓度[5]。

此外，UST传感器可以适应船舶尾气检测装置复杂的工作环境，被检测船舶尾气气体温度高。正常负荷运行时排气总管废气温度约达 525度，废气涡轮增压器前废气温度大约450-480度，增压器后出口为375-400度，废气锅炉前约为320-350度，废气锅炉后约为260-280度。而UST阵列气体传感器的工作温度随着测量环境温度的变化而变化，通常可以达到300-550度，并在相应的工作温度下达到最佳的工作状态，因此温度过高并不会影响UST阵列传感器检测数据的正确性。传感器结构图如图1所示，传感器实物图如图2所示。

2 传感器接口电路及信号处理

气体传感器检测电路包括基准调零、X9C103电桥分压电路、LM324电压跟随、AD620差分放大电路。传感器分压端接入AD620三仪表运放后采集到Arduino处理器中。AD620具有高共模抑制比与低温漂的特性。由于气体传感器对不同气体，以及同种气体不同浓度的响应具差异较大，故要求系统有较大的动态响应范围[6]。（用面包板测试过，大概是变化到10K --1M）本文三端可调电阻由可编程数控电位器X9C103实现。

X9C103是美国Xicor公司生产的高精度100阶数字电位器，其阻值变化范围为40Ω-10KΩ。滑动单元的位置由、、三个输入端控制。可实现气体电阻值量程的自动调节，即实现自动变量程、变分辨率测量（就是当气体浓度变化范围较大时，及敏感电阻变化较大时，对应的变位器阻值也增加，这样保持分压比例永远是差不多的，输入运放时可以保证在AD620的线性工作范围内）[7]。气体阵列传感器信号采集原理框图如图3所示。电路仿真图如图4所示。

3 前馈神经网络

由于气体的交叉敏感特性，混合气体浓度定量测量一直是气体检测领域的难点。在检测目标气体浓度时，时常会受到具有相同氧化还原性的气体的干扰，从而影响测量的精确性。本文利用BP神经网络训练算法[8]， 并选取甲醛、乙醇、氨气三种气体作为进行定量分析，其中，乙醇是需要被精确测量的检测气体，甲醛和氨气则是相应的干扰气体，前馈神经网络的作用就是对模型进行训练，从而在干扰气体的影响下输出精确的待测气体的值。

混合气体与气体阵列敏感单元输出形成一一对应的高维响应模式。设被测量的混合气体有n种成分，浓度分别为C1，C2，…，Cn， ，气体阵列传感器有m个敏感单元，则其高维响应模式：

4 实验

为了测试气体传感器阵列的气体交叉敏感性，在气体配气装置中先充入不同浓度的甲醛气体，在本实验中，甲醛气体的浓度从一开始的0.01ppm逐渐增加到2.6ppm，气体配气装置如图6所示。

由于数据量较为庞大，在本文中仅列出一部分实验结果，R1，R2，R3分别为三个敏感单元，从实验数据中可以看到，三个敏感单元对乙醇气体有不同程度的响应，其中以R3变化最为明显。

通过大量实验数据，可以使气体陈列传感器对甲醛气体进行较为精确地标定，但在实际情况下往往在被测气体中含有部分干扰气体，对此，需要对气体传感器阵列的交叉敏感性做出测试，并且根据测试结果对传感器的输出做出修正。

在本实验中，选取乙醇与氨气作为干扰气体进行测试，考虑到分析的准确性，仅对单一干扰气体进行气体交叉敏感性实验。endprint

在气体配置装置中首先配置1ppm甲醛气体，再逐渐增加干扰气体，测试传感器对混合气体的响应，测试结果如表3，表4所示。

5 实验与分析

BP神经网络功能强大之处在于对于函数的逼近，这种对于函数的逼近可以用于未知的模型识别，其原理可以视为一个黑盒，通过大量对应输入与输出的测量[9]，利用所得实际过程的输入输出数据来训练一个神经网络。

本文用具有单一隐含层的前馈神经网络对气体进行定性测量，网络输入层神经元个数等于气体传感器阵列的维数；输出层的神经元个数等于所要测量的气体种类数[10]。即：该神经网络的输入为阵列中三个敏感单元所测得的值，网络的输出为测量结果。

在matlab中，构建一个前向BP神经网络[11]，实测得100组数据，将100组数据分成两类，前80组数据用来对神经网络进行训练，即系统建模，剩余20组数据用来检验该神经网络是否符合性能指标。构建前置BP神经网络如图7所示，训练结果如图8所示。

经过训练之后，該网络可以精确地测量混合气体中甲醛的浓度，利用金属氧化物传感器阵列以及神经网络可以很好的对甲醛气体进行定量测量。加之金属氧化物气体传感器陈列有着寿命长，成本低等优点，比之现在市面上较常见的电化学传感器有很大优势。

参考文献

[1]裴志刚，朱立.室内装修甲醛的危害及测量方法[J].实验技术与管理，2005，（06）：127-131.

[2]王博.便携式甲醛气体检测仪的设计与实现[D].西安电子科技大学，2015.

[3]杜娟.便携式现场甲醛检测仪的设计[D].郑州大学，2010.

[4]刘湘军，谭湘倩，浣石.金属氧化物气敏传感器[J].广州大学学报（自然科学版），2007，（05）：42-46.

[5]施京毅.基于气体传感器阵列的多气体检测及应用[D].西北工业大学，2001.

[6]郑学仁，张云芝，李斌，吴朝晖.集成传感器接口电路设计实现[J].大学物理实验，1998，（02）：42-44.

[7]孙海山，顾洪军，余愚，蒋永华.一种SAW气体传感器信号处理电路的研究与设计[J].工业仪表与自动化装置，2008，（01）：79-81.

[8]石春燕.基于人工神经网络的多气体分析系统研究与设计[D].吉林大学，2004.

[9]常晓丽.基于Matlab的BP神经网络设计[J].机械工程与自动化，2006，（04）：36-37.

[10]张圣楠，郭文义，肖力墉.基于MATLAB的BP神经网络的设计与训练[J].内蒙古科技与经济，2005，（17）：95-98.

[11]Wang Ying，Lu Cuijie，Zuo Cuiping. Coal mine safety production forewarning based on improved BP neural network[J].International Journal of Mining Science and Technology，2015，25（02）：319-324.

Abstract：Person spends 80% lifetime indoors. Indoor air quality directly affects the health of human body. Formaldehyde is an important indoor pollution gas， and with a longtime contact can cause great harm to human. Gas sensor array is applied in this article as formaldehyde gas detection device. In this article， formaldehyde gas precise quantitative recognition system is made of the combination of the metal oxide gas sensor array and a feed-forward neural network technology. The gas cross sensitivity of gas sensor array is analyzed by several experiment. The design of a feed-forward neural network based on BP algorithm， and the network is trained， end up with a good generalization capability of neural network， the formaldehyde gas prediction and compensation.

Key Words：Indoor air quality； formaldehyde； gas sensor array； feed-forward neural network； BP algorithmendprint