气味（电子鼻）传感器的检测技术

气味（电子鼻）传感器的检测技术

一,概述.

电子鼻能识别和检测复杂的嗅味和挥发性成分。电子鼻是指由多个性能彼此重叠的气敏传感器和适当的模式分类方法组成的具有识别单一和复杂气味能力的装置。

二、电子鼻工作原理 .

电子鼻的工作原理是建立在模拟人的嗅觉形成过程基础上的。人的嗅觉系统由嗅觉细胞、嗅觉神经网络和大脑组成。嗅感是挥发性物质释放出气体进入鼻腔，被嗅觉小胞中的嗅细胞吸附到表面上，呈负电性的嗅细胞表面的部分电荷发生改变，产生电流，使神经末梢接受刺激而兴奋，最后，兴奋信号传到大脑的嗅区皮层产生嗅感。

人的嗅感产生过程框图

三、电子鼻的基本组成

电子鼻系统主要由气敏传感器阵列、信号处理单元和模式识别单元三大部分组成。图给出了人工嗅觉系统的结构框图。

电子鼻的系统组成

四、电子鼻的应用

名 称 气味监测仪 传感器阵列类型 金属氧化物半导体 主要应用 测一般可燃气体 测一般可燃气体 生产厂商 美国公司 法国 智能鼻Fox2000 金属氧化物半导体 香味扫描仪 鼻子 口腔监测仪 导电聚合物 聚合物传感器 金属氧化物 测食品、化妆品 监测啤酒 测呼吸新鲜度 法国 英国 日本

五、电子鼻发展前景

1,存在问题:

(1)有些传感器对测试条件要求苛刻，必须严加控制，或者加以监测并进行参数补偿； (2)传感器本身的稳定性差，因而易于中毒； (3)阵列的校正和训练数据无法通用。

2,研究方向：

(1) 能对微量分子瞬时敏感的不受环境影响或能对环境变化进行自适应补偿的传感器

阵列装置；

(2) 能对信号进行处理的高精度处理器，将信号与噪声分离； (3) 能将人的感官感受相一致的感官评定指标的模式识别方法。

三、数据统计方法

1、主成分分析（PCA）

主成分分析（Principal Component Analysis，PCA）是指将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法，又称主分量分析；它是一种掌握事物主要 矛盾的统计分析方法，可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。PCA 作为一种线性特征提取技术，旨在利用数据降维的思想，即计算主成分而 将高维数据投影到较低维的空间、把多指标转化为少数几个综合指标，从而尽可能地展示原始数据中所包含的信息。PCA在电子鼻中用于客观地分析样品之间的差异。 2、聚类分析（CA）

聚类分析（Cluster Analysis，CA）是一种将研究对象分为相对同质的群组（clusters）的统计分析技术。从统计学的观点看，聚类分析是通过数据建模简化数据的一种方法。CA 是依据个体或变量的数量关系来分类，客观性较强，但是各种聚类方法都只能在某种条件下达到局部最优；聚类的最终结果是否成立，尚需专家的鉴定。 3、判别因子分析（DFA）

判别因子分析（Discriminant Factor Analysis，DFA）是判定个体所属类别的统计方

法。根据两个或多个已知类别的样本观测资料确定一个或多个线性判别函数和判别指标，然

后用该判别函数依据判别指标来判定另一个体属于哪一类。DFA 在电子鼻中用于根据标样结果对盲样进行识别。它通过传感器数据的重新组合来优化区分性，或通过传感器的

优化选择，即去除没有贡献或贡献很小的传感器，来提高识别能力，其目的是使组间距离最大的同时保证组内差异最小。 4、人工神经网络（ANN）

人工神经网络（Artificial Neural Network，ANN）是一种通过模仿人或动物神经网络行为特征，进行分布式并行信息处理的数学模型。这种网络依靠系统的复杂程序，通过调整 内部大量节点之间相互连接的关系，从而达到处理信息的目的。ANN 通过预先提供的一批相互对应的“输入数据—输出数据”，分析、掌握两者之间潜在的规律，最终根据这些规律， 用新的“输入数据”来推算“输出结果”，这种学习分析的过程被称为“训练”。

在上述几种方法中，ANN 通常被认为是较有前途的一种气味嗅觉细胞嗅球神经网络（嗅小球）大脑（神经中枢）做出判断传感器阵列数据采集处理器模式识别系统电子鼻人类嗅觉系统方法，其特点和优越性主要表现在三个方面：具有自学习、自适应功能；具有联想存储功能；具有高速寻找优化解的能力。此外，它能够解决非线性问题，在处理噪声和漂移方面 比传统的统计方法要好。目前，许多人工神经网络被用于处理传感器阵列的信号，如 BP 神经网络[5]（Back PropagationTrained Neural Network）、径向基神经网络[6]（Radial Basis Function Neural Network）、模糊神经网络[7]（Fuzzy NeuralNetwork）、自组织网络[8]（Self-Organizing Network）等。

本文来源：https://www.bwwdw.com/article/u31.html