于浩1，許武軍1,2，袁方紅1，范紅1,2

　　(1.東華大學(xué) 信息科學(xué)與技術(shù)學(xué)院，上海201620; 2.數(shù)字化紡織服裝技術(shù)教育部工程研究中心，上海201620)

　　摘要：氣體預(yù)警穿戴系統(tǒng)采用電化學(xué)氣體傳感器檢測作業(yè)現(xiàn)場的危害氣體濃度，通常采用一元非線性回歸模型對單一濃度下氣體檢測進(jìn)行補(bǔ)償來減少溫度對濃度檢測的影響，但此方法在特定濃度范圍內(nèi)工作就會有失其檢測的準(zhǔn)確性。該文采用BP神經(jīng)網(wǎng)絡(luò)模型對氣體和溫度傳感器進(jìn)行有效的數(shù)據(jù)融合，在特定濃度范圍內(nèi)消除溫度對氣體傳感器交叉敏感的影響，從而改善氣體預(yù)警系統(tǒng)的檢測精度。通過MATLAB構(gòu)建BP神經(jīng)網(wǎng)絡(luò)并仿真，發(fā)現(xiàn)數(shù)據(jù)融合后氣體濃度線性度得到提升，溫度穩(wěn)定性有明顯改善，使得氣體預(yù)警穿戴系統(tǒng)的危害氣體濃度的檢測值比常規(guī)的一元非線性回歸模型更加準(zhǔn)確。

　　關(guān)鍵詞：氣體預(yù)警穿戴系統(tǒng)；電化學(xué)氣體傳感器；BP神經(jīng)網(wǎng)絡(luò)；數(shù)據(jù)融合

0引言

　　在當(dāng)今快速發(fā)展的信息化時代，傳感器技術(shù)是信息獲取的核心技術(shù)。傳感器作為信息的源頭和基礎(chǔ)，被應(yīng)用于各種不同的信息系統(tǒng)中。氣體預(yù)警穿戴系統(tǒng)使用電化學(xué)氣體傳感器來檢測作業(yè)現(xiàn)場中的危害氣體濃度進(jìn)行安全預(yù)警以降低作業(yè)人員的傷亡，但電化學(xué)氣體傳感器輸出的電流信號會隨著溫度的變化而呈指數(shù)增長，通常溫度每上升10℃，電流信號將會明顯增大，這樣就會因為溫度的變化影響氣體測量的準(zhǔn)確性［1］ 。

　　氣體預(yù)警系統(tǒng)配置有溫度傳感器，原采用一元非線性回歸模型對單一氣體濃度下進(jìn)行溫度補(bǔ)償來減少溫度對濃度檢測的影響，但在準(zhǔn)確性和濃度檢測范圍方面存在不足，所以在溫度補(bǔ)償?shù)姆椒ㄉ闲枰鲞M(jìn)一步改進(jìn)。

1系統(tǒng)特點及算法分析

　　為改善傳感器的檢測性能，多傳感器智能化技術(shù)迅速發(fā)展。將多個傳感器與計算機(jī)(或微處理器)組建成智能化傳感器系統(tǒng)可以提高單點位置處單參量的測量準(zhǔn)確度；將多個傳感器獲得的多種信息的數(shù)據(jù)進(jìn)行融合處理，采用BP神經(jīng)網(wǎng)絡(luò)模型來實現(xiàn)數(shù)據(jù)融合，在抑制交叉敏感、改善傳感器穩(wěn)定性的同時，線性度也得到改善［2］。

　　1.1智能傳感器系統(tǒng)

　　氣體預(yù)警穿戴系統(tǒng)除配置電化學(xué)氣體傳感器外還有溫度傳感器，可對氣體濃度的檢測值進(jìn)行溫度補(bǔ)償，消除交叉敏感，以保證氣體濃度的檢測精度。智能傳感器系統(tǒng)的數(shù)據(jù)融合框圖如圖1所示。

　　1.2人工神經(jīng)網(wǎng)絡(luò)概述

　　人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是由大量簡單的高度互聯(lián)的處理元素(神經(jīng)元)所組成的復(fù)雜網(wǎng)絡(luò)計算系統(tǒng)。將大量功能簡單的基本神經(jīng)元通過一定的拓?fù)浣Y(jié)構(gòu)組織起來，構(gòu)成群體并行分布式處理的計算結(jié)構(gòu)，這種結(jié)構(gòu)就是人工神經(jīng)網(wǎng)絡(luò)［34］。圖2神經(jīng)元模型

　　人工神經(jīng)網(wǎng)絡(luò)的基本單元是神經(jīng)元，其模型如圖2所示。

　　p1,p2,…，pR表示神經(jīng)元的R個輸入； wli表示該神經(jīng)元與前層i個神經(jīng)元的連接權(quán)值；b為閾值；a為神經(jīng)元的輸出;f表示神經(jīng)元輸入輸出關(guān)系的函數(shù)。

　　1.3BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

　　BP神經(jīng)網(wǎng)絡(luò)因其權(quán)值采用反向傳播的學(xué)習(xí)算法而得名，通常有一個或多個隱層，三層BP神經(jīng)網(wǎng)絡(luò)在實際中應(yīng)用圖3BP網(wǎng)絡(luò)模型最廣泛，其模型如圖3所示。

　　(1)輸入層神經(jīng)元作用函數(shù)。輸入層神經(jīng)元作用函數(shù)選用純線性函數(shù)，節(jié)點i的輸出為:

　　Oi=pi(1)

　　pi為第i個節(jié)點的輸入。

　　(2)隱層神經(jīng)元作用函數(shù)。隱層神經(jīng)元作用函數(shù)選用對數(shù)S型函數(shù)，故節(jié)點j的輸出為:

　　(3)節(jié)點j的總輸入：

　　(4) 輸出層神經(jīng)元作用函數(shù)。輸出層神經(jīng)元作用函數(shù)選用對數(shù)S型函數(shù)。節(jié)點k的輸出為：

　　1.4BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)流程

　　BP網(wǎng)絡(luò)樣本學(xué)習(xí)流程如圖4所示。

　　網(wǎng)絡(luò)初始化后隨機(jī)設(shè)定節(jié)點間的連接權(quán)值Iwji和Lwkj、閾值b1i和b2k、學(xué)習(xí)因子η、勢態(tài)因子α。將學(xué)習(xí)樣本輸入到網(wǎng)絡(luò)中，先后經(jīng)過隱層和輸出層的計算，得出輸出層和隱層訓(xùn)練誤差δ2k 和δ1j，判斷誤差是否滿足給定允許誤差ε，若不滿足就修正權(quán)值再次進(jìn)行訓(xùn)練，直到滿足要求。

2數(shù)據(jù)的標(biāo)定及融合

　　2.1電化學(xué)氣體傳感器及其二維標(biāo)定實驗

　　電化學(xué)氣體傳感器是與待測氣體發(fā)生氧化還原反應(yīng)而產(chǎn)生微弱電流的傳感器，電流的大小與待測氣體的濃度值成正比，即氣體濃度越大輸出電流越大［5］。這里以英國Alphasense公司的O2A1［6］為實驗對象(檢測氧氣濃度以預(yù)警因其他危害氣體濃度過高而使得氧氣濃度過低導(dǎo)致人員窒息)，它是一款兩電極的氧氣傳感器，在20.9 %的大氣環(huán)境下輸出200~240 μA的電流。圖5為該傳感器在不同氧氣濃度下的輸出電流曲線。

　　圖5傳感器在不同氧氣濃度下的輸出電流曲線

　　根據(jù)傳感器的性能進(jìn)行二維標(biāo)定，實驗數(shù)據(jù)如表1所示。

　　表1中16組樣本數(shù)據(jù)對包含輸入量與輸出量兩部分，每一組樣本對有IG、UT、T三個輸入量，對應(yīng)的期望輸出量為氣體濃度C。

　　2.2樣本數(shù)據(jù)處理

　　將樣本數(shù)據(jù)對中的1/2~2/3作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本，用于對神經(jīng)網(wǎng)絡(luò)訓(xùn)練，形成網(wǎng)絡(luò)結(jié)構(gòu)及權(quán)值；剩余的1/3~1/2樣本數(shù)據(jù)對作為對神經(jīng)網(wǎng)絡(luò)的檢驗樣本，對訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)進(jìn)行檢驗。

　　為達(dá)到更好的數(shù)據(jù)融合效果，在融合之前先對數(shù)據(jù)進(jìn)行歸一化處理。

　　X、為歸一化前后的樣本數(shù)據(jù)，Xmin 、Xmax為X所在行的最小值和最大值。

　　2.3在MATLAB環(huán)境下數(shù)據(jù)融合流程

　　在MATLAB環(huán)境下進(jìn)行數(shù)據(jù)融合主要分為構(gòu)建BP神經(jīng)網(wǎng)絡(luò)和對樣本進(jìn)行融合并得出結(jié)構(gòu)系數(shù)兩部分，詳細(xì)流程如圖6所示。

　　根據(jù)樣本數(shù)據(jù)可知BP神經(jīng)網(wǎng)絡(luò)應(yīng)該設(shè)置3個輸入節(jié)點，6個隱層節(jié)點，1個輸出層節(jié)點。訓(xùn)練迭代次數(shù)為1 000。

3融合結(jié)果及分析

　　經(jīng)過訓(xùn)練樣本的訓(xùn)練以及檢測樣本的測試，讓BP神經(jīng)網(wǎng)絡(luò)多次學(xué)習(xí)，當(dāng)檢驗結(jié)果與期望輸出偏差很小，滿足誤差范圍的一次學(xué)習(xí)，得到BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)。

　　輸出層的一個閾值為：4.858

　　融合后的數(shù)據(jù)如表2所示。

     用最小二乘法分別擬合融合前和融合后的數(shù)據(jù)，得到擬合方程為：

　　C=kI+b(7)

　　其中，C為氣體濃度，I為傳感器輸出電流，k、b為方程擬合系數(shù)。

　　將數(shù)據(jù)帶入方程計算不同溫度下的濃度，融合前后濃度計算情況如圖7所示。

　　圖標(biāo)為圓圈表示融合前的濃度計算值，三角表示融合后的濃度值。通過擬合方程計算出濃度的最大擬合偏差ΔCmax。

　　最小二乘法線性度為：

　　δL=|ΔCmax|Cmax×100%(8)

　　融合前濃度的最大擬合偏差ΔCmax=1.08%，則最小二乘法線性度為：

　　δL=|ΔCmax|Cmax×100%=1.0830×100%=3.6%

　　融合后最大擬合偏差為ΔC′max=0.047 2%，最小二乘法線性度為：

4結(jié)論

　　從圖7融合前后氣體濃度檢測值對比中可看出，在不同的溫度下，融合后的檢測濃度更加接近目標(biāo)濃度值，并且穩(wěn)定性良好。通過進(jìn)一步計算線性度及溫度靈敏度系數(shù)，可以看出數(shù)據(jù)經(jīng)過BP神經(jīng)網(wǎng)絡(luò)融合后，線性度從3.6%減小到0.16%；溫度靈敏度系數(shù)減少4個數(shù)量級，從而得出如下結(jié)論：經(jīng)過神經(jīng)網(wǎng)絡(luò)的融合，電化學(xué)氣體傳感器的檢測結(jié)果的線性度以及溫度靈敏度都有不同程度的改善，氣體濃度的檢測精度也有所提升。若將該訓(xùn)練結(jié)果的BP神經(jīng)網(wǎng)絡(luò)參數(shù)移植到危害氣體預(yù)警穿戴系統(tǒng)內(nèi)部的微控制器或微處理器中進(jìn)行實時融合處理，則將有效提高危害氣體預(yù)警穿戴系統(tǒng)的檢測準(zhǔn)確性。

　　參考文獻(xiàn)

　?。?］ 曾凱.穿戴式作業(yè)現(xiàn)場毒害氣體預(yù)警系統(tǒng)［D］.上海：東華大學(xué)，2015.

　　［2］ 劉君華.智能傳感器系統(tǒng)(第二版)［M］.西安：西安電子科技大學(xué)出版社，2010.

　　［3］ 田景文，高美娟.人工神經(jīng)網(wǎng)絡(luò)算法研究及應(yīng)用［M］.北京：北京理工大學(xué)出版社，2006.

　?。?］ DIEDERICH J.Artificial neural networks: concept learning［M］.US: IEEE Computer Society Press,1990.

　?。?］ 陳長倫，何建波.電化學(xué)式氣體傳感器的研究進(jìn)展［J］.傳感器世界，2004，10(4)：1115.

　?。?］ Alphasense.O2A1［EB/OL］.（20150902）［20160402］.http://www.alphasense.com/WEB1213/wpcontent/uploads/2015/09/O2A1.pdf.