產(chǎn)品中心 應(yīng)用方案 技術(shù)文摘質(zhì)量保證產(chǎn)品選型 下載中心業(yè)內(nèi)動態(tài) 選型幫助 品牌介紹 產(chǎn)品一覽 聯(lián)系我們
- 清華大學(xué)基于單氣體傳感器實現(xiàn)混合物多組分智能檢測
- 來源：互聯(lián)網(wǎng) 發(fā)表于 2023/3/28
近日，清華大學(xué)機械系在智能氣體傳感器研究中取得新進(jìn)展，基于單氣體傳感器實現(xiàn)了混合物多組分智能檢測。
圖1.該研究被選為《先進(jìn)智能系統(tǒng)》（Advanced Intelligent Systems）期刊封底文章
混合物中的多組分檢測，在現(xiàn)代生物醫(yī)學(xué)及化學(xué)研究中有著不可或缺的重要地位。由于傳感單元響應(yīng)選擇性往往不盡如人意，不同組分在同一傳感器上產(chǎn)生的響應(yīng)信號會不可避免地發(fā)生重疊。然而，現(xiàn)有手段難以直接通過單個傳感器對混合物直接進(jìn)行組分區(qū)分檢測，因而不得不引入分離裝置以實現(xiàn)重疊信號的分離。這導(dǎo)致現(xiàn)有檢測手段仍需面對成本較高、操作流程冗長、需要專業(yè)人員操作等問題。
近年來，人工智能的發(fā)展為傳感器信號處理與特征提取提供了新思路。針對上述問題，該研究針對混合物組分在同一傳感器上的重疊響應(yīng)信號，探索出了低成本、高準(zhǔn)確率、自動化的多組分智能檢測方法�；贕RU（Gated Recurrent Unit）神經(jīng)網(wǎng)絡(luò)機器學(xué)習(xí)方法，實現(xiàn)了直接從單個氣體傳感器的重疊信號中提取混合物中各個組分信息，無需預(yù)分離，簡單快速地完成了混合物組分檢測工作。同時借助數(shù)學(xué)模型和仿真技術(shù)為實驗研究提供理論支撐，具有較好的理論意義和應(yīng)用價值。
圖2.現(xiàn)有混合物組分檢測方法（a、b）與本文方法（c）的比較
團(tuán)隊以單個催化化學(xué)發(fā)光傳感器對乙烯-乙炔二元氣體的檢測為例，提出基于GRU（Gated Recurrent Unit）神經(jīng)網(wǎng)絡(luò)的混合物多組分智能檢測方法。該方法通過循環(huán)迭代的方式，能夠提取氣體傳感器的信號時序特征。該研究中，針對18種不同濃度配比的乙烯-乙炔二元氣體混合物，可直接根據(jù)傳感器響應(yīng)信號預(yù)測各組樣品的組分含量，在5折交叉驗證測試中，成功識別了這18種二元氣體樣本，準(zhǔn)確率達(dá)99.9%以上。
圖3.基于GRU神經(jīng)網(wǎng)絡(luò)的混合物多組分智能檢測方法及其驗證
針對該傳感器的響應(yīng)信號重疊現(xiàn)象，團(tuán)隊進(jìn)一步提出了一種氣體雙擴散模型，能夠同時考慮被測氣體混合物分子與載流氣體分子雙向擴散，并討論了混合物響應(yīng)信號的時序特性與混合物成分之間的固有關(guān)系。基于該模型的仿真結(jié)果與實際重疊響應(yīng)信號具有良好的一致性，這也為該研究所提的多組分智能檢測方法提供了明確的理論依據(jù)。
圖4.氣體雙擴散模型及其仿真驗證
該研究所提出的混合物多組分智能檢測方法，可以大幅降低傳感單元選擇性對復(fù)雜組分檢測的影響，減小傳感材料構(gòu)建的壓力，為進(jìn)一步推動機器嗅覺電子鼻的普適化檢測應(yīng)用拓寬了道路。該技術(shù)有望在各種自動化檢測場景中發(fā)揮重要作用，例如醫(yī)療領(lǐng)域中對呼吸氣揮發(fā)性疾病標(biāo)志物的實時檢測、石油工業(yè)中對多種烷烴的同時監(jiān)測、食品工業(yè)中對多類型產(chǎn)品的品質(zhì)鑒定等。
相關(guān)研究成果以“無選擇性單一傳感器也能實現(xiàn)混合物高選擇性檢測——機器學(xué)習(xí)讓不可能變?yōu)榭赡堋保⊿elective Detection of Mixtures via a Single Nonselective Sensor—Making the Unworkable Sensor Workable by Machine Learning）為題發(fā)表在《先進(jìn)智能系統(tǒng)》期刊（Advanced Intelligent Systems），被選為當(dāng)期封底文章。
清華大學(xué)機械系胡楚雄副教授、北京師范大學(xué)化學(xué)學(xué)院那娜教授為論文共同通訊作者，清華大學(xué)機械系2019級博士生劉路正、胡楚雄副教授為論文共同作者。研究得到國家自然科學(xué)基金、北京市自然科學(xué)基金、摩擦學(xué)國家實驗室等的支持。
來源：清華大學(xué)
論文鏈接：
https://onlinelibrary.wiley.com/doi/full/10.1002/aisy.202200136
- 如果本文收錄的圖片文字侵犯了您的權(quán)益，請及時與我們聯(lián)系，我們將在24內(nèi)核實刪除，謝謝！
