1　引言
多組份氣體的定性、定量檢測在環(huán)境保護(hù)、化工控制、家用報警、食品保鮮、溫室環(huán)境控制、航空航天等領(lǐng)域有著廣泛的應(yīng)用。使用氣體傳感器進(jìn)行多組份氣體的定性定量研究，可以極大的降低測量成本，減小測量周期，并可實(shí)現(xiàn)在線的實(shí)時測量。但由于當(dāng)前氣體傳感器普遍存在著交叉敏感和選擇性差等缺點(diǎn)，使用單一傳感器很難實(shí)現(xiàn)多組份氣體的檢測分析。目前使用較多的方式是通過多個敏感程度不同的氣體傳感器組成傳感器陣列，結(jié)合神經(jīng)網(wǎng)絡(luò)模式識別方法算法進(jìn)行氣體的分析。但目前的工作集中于多組份氣體的定性檢測分析[1,2,3]，而對定量分析則較少涉及。本文主要介紹了一種基于氣體傳感器陣列[4]和采用BP算法[5]進(jìn)行訓(xùn)練的神經(jīng)網(wǎng)絡(luò)進(jìn)行混合氣體組分定量分析的實(shí)驗(yàn)裝置的設(shè)計及初步實(shí)驗(yàn)結(jié)果，并闡述了進(jìn)一步開發(fā)此類儀器設(shè)備的可行性。
2　實(shí)驗(yàn)原理及實(shí)驗(yàn)裝置
將被測氣體按所需測量精度和濃度范圍按成份分成不同的濃度等級，采用標(biāo)準(zhǔn)氣體配置這些等級的不同成份氣體的所有組合作為標(biāo)準(zhǔn)模態(tài)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。通過識別某一未知?dú)怏w樣本的模式，即可以得到未知?dú)怏w的成份濃度。例如，在本實(shí)驗(yàn)中，我們選用CO、H2、CH4互相參比配制混合氣體樣本。根據(jù)傳感器的靈敏范圍，我們將配制的氣體濃度限制在1000-3000ppm以內(nèi)，濃度變化間隔為200ppm。這樣每種氣體有11種濃度模式，共計可得到113個樣本。采用這些樣本作為原始數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，就可以實(shí)現(xiàn)在這一濃度范圍內(nèi)的最大誤差為200ppm的定量測量。這種算法適用于已知?dú)怏w成份及濃度變動范圍不大的多組份氣體測量環(huán)境。

　氣體實(shí)驗(yàn)裝置主要有以下幾部分構(gòu)成：氣體源，氣體流量計，混合氣室、傳感器陣列探頭，信號處理器，A/D采樣板及計算機(jī)組成，結(jié)構(gòu)框圖如圖1所示。
　由于實(shí)驗(yàn)需要不同濃度和不同成份的氣體樣本用于試驗(yàn)，我們采用了利用氣體流量計的負(fù)壓式混合氣室。氣體源經(jīng)氣體流量計控制進(jìn)入抽成真空或負(fù)壓的混合氣室中混合產(chǎn)生所需的氣體樣本。氣體的溫度、濕度及壓力情況可以通過安裝于氣室內(nèi)的傳感器讀出。
3　結(jié)果討論
通過實(shí)驗(yàn)對大量樣本的測量比較，我們發(fā)現(xiàn)對個別樣本的測量效果不是很理想，其誤差較大的主要原因有兩方面：一是傳感器本身的結(jié)構(gòu)造成的，由于敏感器件固有的交叉敏感性，當(dāng)被測氣體是混合樣本時，輸出響應(yīng)比較復(fù)雜；

圖1 氣體實(shí)驗(yàn)裝置結(jié)構(gòu)框圖

另一方面主要是由于BP算法是一種基于梯度下降優(yōu)化方法的學(xué)習(xí)算法，因而不可避免地存在可能收斂到局部極小的問題，另外傳統(tǒng)BP算法采用固定的學(xué)習(xí)率和使用Sigmoid函數(shù)為作用函數(shù)，從而導(dǎo)致網(wǎng)絡(luò)的訓(xùn)練速度和精度不高。
　由于傳感器物理特性造成的誤差難以避免，可采用樣本篩選的方法，對原始樣本中偏差較大的刪除或作調(diào)整，達(dá)到精簡優(yōu)化樣本質(zhì)量的效果。但這樣的效果不是很明顯，為此我們主要從訓(xùn)練算法入手，對傳統(tǒng)BP算法進(jìn)行一些改進(jìn)[9]：
　(1)對神經(jīng)元的作用函數(shù)引入斜率改變因子，可以有效的避免網(wǎng)絡(luò)陷入局部極小的問題，提高了學(xué)習(xí)精度，而且由于提高了權(quán)值的調(diào)整機(jī)會，從而提高了學(xué)習(xí)速度。
　(2)根據(jù)誤差函數(shù)的趨向自動調(diào)整訓(xùn)練步長可以加快網(wǎng)絡(luò)的收斂速度，縮短訓(xùn)練時間。
　(3)此外，動量因子α的引入可以降低網(wǎng)絡(luò)對于誤差曲面局部細(xì)節(jié)的敏感程度，有效地抑制網(wǎng)絡(luò)陷于局部極小.其思想是利用動量因子α記憶上一時刻權(quán)的修改方向：α-Δω(t)，而在下一時刻將這一趨勢考慮進(jìn)去。
　我們把以上三種方法結(jié)合起來，即采用“自適應(yīng)調(diào)整步長+動量因子十斜率改變因子”的組合型網(wǎng)絡(luò)訓(xùn)練算法，從而大大提高網(wǎng)絡(luò)的收斂速度和訓(xùn)練精度。
　用優(yōu)化算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)后，網(wǎng)絡(luò)對混合氣體預(yù)測的平均誤差和最大誤差如表1所示。
表1 優(yōu)化BP算法混合氣體濃度誤差表

<IMG alt=` src="http://www.globalsensors.com.cn/defaultroot/upload/content/1177398901968.BMP" align=baseline border=0>

由表可見，采用改進(jìn)算法后網(wǎng)絡(luò)對混合氣體濃度的測量正確率可達(dá)90%。
4　結(jié)　論
實(shí)驗(yàn)結(jié)果表明，氣體傳感器陣列與BP算法訓(xùn)練的前饋神經(jīng)網(wǎng)絡(luò)模式識別方法結(jié)合進(jìn)行多組份氣體濃度測量具有很好的效果，在采用改進(jìn)型BP算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)后，對未知樣本氣體的定量測量準(zhǔn)確率達(dá)到90%，如果進(jìn)一步調(diào)整和完善傳感器陣列的硬件測量線路，細(xì)化樣本的濃度變化量，則可以開發(fā)出應(yīng)用于實(shí)際復(fù)雜環(huán)境中的多組份氣體測量儀器。