基于催化传感器可燃混合气体智能分析系统

第27卷　第7期2006年7月

仪器仪表学报

ChineseJournalofScientificInstrument

Vol127No17Jul12006

基于催化传感器可燃混合气体智能分析系统

3

　戴新联　刘　涛

　徐州　221008)

摘要　、以

Atmege8点,,,对多种可燃气体进行分析。实验表明,。关键词　可燃性气体神经网络　单片机

中图分类号　TP76　　A　国家标准学科分类代码　460.4020

Mixedinflammablegaseanalyzingsystemwithcatalyticsensor

TongMinming　LuShenghua　DaiXinlian　Liu　Tao

(CollegeofInformationandElectricalEngineering,CUMT,Xuzhou221008,China)

Abstract　Inflammableanalysisgasisveryimportantformonitoringofsafetyinmine.Thispaperintro2ducesanewmeasuringsystembasedonacatalyticsensorandtheartificialneuralnetworkanalysis.Ami2cro2controllerAtmege8wasusedinthedesigntoanalyzethemixedinflammablegases.Catalyticsensorhasdifferentoutputfordifferentgasindifferentworkingtemperature.Byprocessingthesignalandtrain2ingtheneuralnetworkforoutputsignalsindifferentworkingtemperatures,inflammablegasescouldbeanalyzed.Theexperimentshowsthatthemeasuringsystemcoulddetectmixedinflammablegaseswithbetteraccuracy.

Keywords　inflammablegas　catalyticsensor　RBFneuralnetwork　micro2controller

1　引　　言

催化传感器是目前监测工矿环境中可燃易爆气

体最常用的传感器,如果测量环境中存在多种可燃气体(如煤矿矿井环境),该传感器的输出信号只能反映所有可燃气体燃烧热总和的信号[1]。但是作者在实验中发现催化传感器对各种不同可燃气体有不同的输出灵敏度,而且对同一可燃气体,其输出灵敏度也会因传感器初始温度点的改变而变化。这种现象为分析可燃气体提供了有利的条件。

2　催化传感器多点恒温检测混合气体原理

在恒温检测工作方式下[2],传感器的工作温度是由静态工作电流I0确定的,只要改变工作电流就可以改变传感器的工作温度。检测电路如图1所示。　　恒温检测工作原理:首先调整桥臂电阻,使流经催化传感元件r上的电流I等于其额定工作电流I0,此时电桥处于平衡状态,输出信号U=I0r。在检测可燃气体时,被测气体在催化传感元件表面发生催化氧化反应,产生大量的热量,使催化传感元件

3本文于2005年4月收到,系国家自然科学基金(50374067)资助项目。

　676仪　器　仪　表　学　报第27

卷

传感元件表面发生氧化反应所产生的热量总和,ri

是催化传感元件的阻值,Pi为第i种可燃气体的浓

44

度。方程右边Ci=αS(Ti-T0)+AσS(Ti-T0)是载体催化传感元件在单位时间内热传导和热辐射损失的热量之和。Ti为催化传感元件的工作温度,T0

α,S,A,σ,μ为环境温度,iiTi不随检测

,i,,in个方程是相互独立的,所以。在恒温检测中,催化传感元件工作温度一定,催化传感元件的阻值一定。又Ii=Ui/ri,由上述方程组得知混合可燃气体中任一气体的浓度为:

Pi=fi(U1,U2…Un;r1,r2…rn;C1,C2…Cn;

μμμi=1,2…n11,12…nn)式中:U1,U2…Un是随着气体浓度变化而变化的催

化传感器的输出电压,r1,r2…rn,C1,C2…Cn为已知

μ常数,μ11,μ12…nn,是混合气体中不同气体的燃烧

系数。只要确定参数μii,便可得到可燃混合气体中各种成分的浓度。但是,考虑到μii在不同的混合气体中,由于气体间的相互影响,不是严格意义上的常数。因此采用RBF神经网络,构建合理的网络结构模型,通过大量的样本学习训练,通过确定神经元之间的连接权W来确定参数μii[425],从而达到了用单一热催化传感器进行可燃混合气体中各组分气体浓度精确检测的目的。用于气体分析的RBF神经网络模型如图2所示。

图1　多点恒温检测原理电路

的温度升高,阻值增大。通过调节器动减小电流I,恢复至初始值,,U0=Ir0会降低,。所以,在恒温检测中,变。图1中B是一个程控电位器,通过电位器的调整,可调节传感器的工作电流,使催化传感器工作在不同的温度下,构成多点恒温检测电路。根据催化传感元件的静态热平衡关系[3],在分析多种可燃气体时,可在多点恒温检测的方法下,通过n次调节催化传感元件的工作电流改变传感器的工作温度,得到n个相互独立的静态热平衡方程:工作温度T1:I21r1+μ11P1+μ12P2+…+μ1nPn=C1工作温度T2:I22r2+μ21P1+μ22P2+…+μ2nPn=C2　…

工作温度Tn:I2nrn+μn1P1+μn2P2+…+μnnPn=Cn　　其中在工作温度Ti下,方程左边是单位时间内工作电流Ii产生的热量和n种可燃气体在载体催化

图2　RBF神经网络气体分析原理图

3　系统设计

分析系统采用AVR单片机Atmege8作为智能处理芯片,Atmege8单片机本身带有4路分辨率为8位的模数转换器[6],把图1所示的传感器电路直

接接到单片机接口,由Atmege8单片机实现数据处理。下面以3种可燃气体甲烷(CH4)、丁烷(C4H10)、乙炔(C2H2)为实验对象,介绍如何用单片机对可燃混合气体进行分析。3.1　RBF神经网络训练方法　　训练数据集的获得:首先配制好50组具有代表

　第7期童敏明等:基于催化传感器可燃混合气体智能分析系统　677

性的CH4、C4H10及C2H2的混合气体样本(其中5组用于检验),待读数平稳后连续读取3组响应信号(矢量)。　　神经网络训练:当将所有预定的训练点采集完后,将这些点送入PC机,用自编的神经网络训练程序进行训练,借此对网络参数进行调整,从而使网络适应训练信号集。信号响应矩阵固化:当神经网络对所有参与训练的信号矢量进行的预测都符合要求之后,这时的信号响应矩阵转化成十六进制浮点格式,并利用EPROM编程器写入单片机的外EPROM中,即可达到固化目的

。

3.2　硬件电路原理如图3所示

在神经网络训练和检测信号处理的过程中:　　(1)r1、r2、r3由催化元件的工作温度Ti决定,而

Ti由静态工作电流决定,Ti=f(Ii),通过PB7口可

调节静态工作电流Ii,这里利用单片机的PB7、PC2口调节电位器,3个特定的电流值I1、I2、I3,12r3唯一确定,这时就可1、r2ROM中作(2)在环境温度一定时,Ci为常数,所以这里用AC0口检测出环境温度,从而得出Ci。　　(3)在r1、r2、r3、Ci都已确定的情况下,由于神

μ经元之间的连接权W即确定了参数μ11,μ12…nn,这里μ由于单片机对浮点运算能力差,在nn为μ33。此采用查表法,即根据AD转换数据直接查表得Pi=fi(U1,U2…Un;r1,r2…rn;C1,C2…Cn;μ11,μ12…μnn),然后再将数字量送LED显示,显示时可采用按键来控制,比如按键1显示的是甲烷浓度,按键2显示的是丁烷的浓度,按键3显示的是乙炔的浓度。3.3　软件设计

图3　系统硬件原理图

软件流程图如图4所示。

图4　系统软件流程

C2H2的混合气体样本(其中5组用于检验)。对于

4　实验结果

事先配制好50组具有代表性的CH4、C4H10、

每一组气体样本,采用SH23型热催化传感器,利用单片机的PB7、PC2口控制程控电位器B使传感器工作电流依次为62mA、72.1mA、85.3mA,相应的催化传感元件的工作温度分别为350℃、452℃、

　678仪　器　仪　表　学　报第27卷

560℃,从而使乙炔、丁烷、甲烷与载体热催化传感器

发生催化氧化反应,得到45×3组检测输出信号。基于3个输入节点RBF神经网络的信号响应矩阵已由PC机事先训练好固化在单片机的外围EPROM中。

参考文献

[1]　HUYBERECHTSG.Simultaneousquantificationof

carbonmonoxideandmethaneinhumidairusingasensorarrayandanartificialneuralnetwork[J].Sen2130.

[J].传感技术学

].徐州:中国矿业大学

(2):121124.

,2001,21

原理及应用手册

[M].北京:清华大学出版社,2003.

实验表明,根据被测混合气体所含的气体成分,

控制单个热催化传感器工作在不同的温度下,利用其输出信号通过已学习好的RBF神经网络的处理,可以较准确地分析出可燃混合气体中不同气体的浓度,这种利用单一催化传感器分析多种可燃气体的系统成本低、使用方便,有较好的推广应用前景。

作者简介

童敏明　男　1956年出生　博士　教授　博士生导师主要研究方向为传感器检测技术。

E2mail:jctmm@http://www.77cn.com.cn

本文来源：https://www.bwwdw.com/article/biki.html