电子鼻技术
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
专题讲座
四川省精品课程－传感技术
电子鼻技术
1. 2.
3.
4. 5.
什么是电子鼻？ 电子鼻技术的发展历史 电子鼻技术的基本原理 电子鼻技术的研究现状 电子鼻技术的应用前景
1.什么是电子鼻？
四川省精品课程－传感技术
传感器技术从本质上需要实现对人类自身感觉器官功能的模仿和拓展。
单一气体传感器通常存在着交叉敏感特性，而测试环境又往往是十分复杂 的，因此单个器件的性能常常不能满足实际需求。
四川省精品课程－传感技术
单一气体传感器：交叉敏感
电子鼻系统
利用交叉敏感
模拟大脑皮层信 息编码、处理和 存储等过程
嗅神经元
嗅球内信号的 整合与增强
2.电子鼻技术的发展历史
四川省精品课程－传感技术
电子鼻最早可以追溯到1962年Seiyama发现了二氧化锡的气敏特性。 1982年Persaud等人在Nature杂志上第一次提出以阵列思想来识别几种简单 气体，标志电子鼻的诞生。 该阵列由3个商品化的SnO2气体传感器（TGS 813、812、711，日本费加罗系列）模拟哺乳动物嗅觉系统中的多个嗅感 受器细胞对戊基醋酸酯、乙醇、乙醚、戊酸、柠檬油、异茉莉酮等有机挥 发气进行了类别分析。 1989年在北大西洋公约组织的一次关于化学传感器信息处理会议上对电子 鼻做了如下定义:“电子鼻是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。”随后,于 1990年举行了第一届电子鼻国际学术会议。为了促进电子鼻技术的交流和 发展，国际上每年举行一次化学传感器国际学术会议。
气体传感器阵列
四川省精品课程－传感技术
电子鼻系统中，传感器及其阵列是电子鼻的关键,它的功能是把不同的气味分 子在其表面的化学作用转化为可测的电信号。 气体传感器阵列中的传感器单元可通过以下几种方法制备：(a) 采用不同工 作机理的传感器；(b) 运用基于不同气敏材料的传感器；(c) 通过控制材料 的微细结构，选择新的添加剂，以及改变器件结构的几何尺寸，来获得具有 不同性能的传感器单元。 对于气体传感器阵列，则可以通过采用数个单独的气体传感器组合而成，也 可以采用集成工艺制作专门的气体传感器阵列。后者体积小，功耗低，便于 信号的集中采集与处理。
为简化后续的模式识别过程，常用的做法是去除响应中的时间变量，取传 感器的稳态响应进行分析。
四川省精品课程－传感技术
表1-2 电子鼻信号预处理方法
算法 差分 相对差分 分式差动 对数 公式
xi Vi max Vi min
适用传感器类型 金属氧化物、化学电阻、声表 面波型 金属氧化物、化学电阻、声表 面波型 金属氧化物、化学电阻、导电 聚合物型 金属氧化物
传感器阵列数据采集系统
四川省精品课程－传感技术
Байду номын сангаас
传感器阵列的模拟输出经Ａ/Ｄ转换为数字信号输入计 算机中的数据处理和模式识别系统，被测嗅觉的强度既 可用每个传感器的输出的绝对电压、电阻或电导来表示, 也可用相对信号值如归一化的电阻或电导值,即它们的 变化率来比较嗅味的性质。
传感器阵列的数据采集系统
四川省精品课程－传感技术
四川省精品课程－传感技术
电子鼻技术是探索如何模仿生物嗅觉机能的一门学问。其研 究涉及材料、精密制造工艺、多传感器融合、计算机、应用 数学以及各具体应用领域的科学与技术，具有重要的理论意 义和应用前景。其中传感器技术和计算机技术处于当今科学 技术研究和发展的前沿。
Y. S. Kim, S. C. Ha, Y Yang, et al. Korea Portable electronic nose system based on the carbon black-polymer composite sensor array. Sensors and Actuators B, 2005, 108: 285-291
for volatile organic compounds recognition》
四川省精品课程－传感技术
四川省精品课程－传感技术
工作温度低的新型气敏材料，如聚合物等
电子束蒸发金电极 采用剥离工艺进行
(a)体微加工传感器制造流程
光刻胶
(b)表面体微加工传感器制造流程
四川省精品课程－传感技术
四川省精品课程－传感技术
采用传统的金属氧化物气体传感器，但这类器件功耗大，且不易于实现 微型化。
复旦大学 2002年 专利《便携式智能电子鼻及其制备方法》
四川省精品课程－传感技术
采用微电子及微机械加工（MEMS）技术研制微型金属氧化物气敏元件及其阵 列
韩国
2002 《Fabrication and characteristics of SnO2 gas sensor array
4.电子鼻技术的研究现状
四川省精品课程－传感技术
目前电子鼻研究主要集中在以下几个方面：
(1) 气体传感器阵列的研究，包括新型敏感材料特别是有机敏感材料与
复合敏感材料的探索和低功耗、高集成度气体传感器阵列的研制。 (2) 模式识别系统的研究，包括传感器响应的漂移补偿、特征提取、识 别算法等。 (3) 应用研究。 (4) 基于新的生物学理解的人工鼻模型研究。
SOM人工神经网络
四川省精品课程－传感技术
SOM网络基本结构
SOM网络学习后输入层拓扑映射 （西北工业大学）
气 体 定 量 分 析
四川省精品课程－传感技术
设混合气体中共有m种成分，浓度分别为C1，C2…，Cm，气体传感器 阵列的维数为n，则其响应模式为R=F（C）。前馈神经网络承担模式 识别任务，它接受气体传感器阵列的输出模式，经过运算处理，决策 出被测介质中各成分的浓度。 设神经网络的映射关系为Y=H（R）。显然，要使Y=C，必使H=F-1。 系统的测量精度取决于神经网络的映射能力。
模式识别——人工神经网络
四川省精品课程－传感技术
由于气体传感器的响应与被测气体体积分数之间的关系一般是非线性 的，现在的电子鼻系统多用神经网络方法和偏最小二乘法（PLS）。
近些年发展起来的人工神经网络(artificial neural network) 由于具有很强 的非线性处理能力及模式识别能力而得到了广泛的应用。神经网络通 过学习自动掌握隐藏在传感器响应和气味类型与强度之间的、难以用 明确的模型数学表示的对应关系。 许多统计技术和ANNs是互为补充的,所以常常与ANNs联合使用,以得到 一组比用单个技术得到的数据更加全面的分类和聚类。这类统计学或 化学计量学方法包括主分量分析、部分最小平方法、辨别分析法、辨 别因子分析法和聚类分析法等。
2002 西班牙
《A CMOS monolithically integrated gas sensor array with electronics for temperature control and signal interfacing》
四川省精品课程－传感技术
作传感器的材料必须具备两个基本条件:
1)对不同的气味均有响应,即通用性要强,要求对成千上万种不同的嗅味能在分 子水平上作出鉴别。
2) 与嗅味分子的相互作用或反应必须是快速、可递的 , 不产生任何“记忆效 应”。
金属氧化物型传感器已被普遍应用在电子鼻中。最常见的材料有锡、锌、钛、 钨和铱的氧化物,并掺入像铂和钯等贵金属催化剂。 酞菁类聚合物是有机半导体敏感材料的代表,它们所具有的环状结构使得吸 附气体分子与有机半导体之间产生电子授受关系。不同的酞菁聚合物可选择 如真空升华技术、ＬＢ膜技术、旋涂技术和自组织膜技术等制膜技术在检测 器件上制得薄膜型气敏元件,并可制得传感器阵列,使其与计算机模式识别技 术结合使用。 聚吡咯、蒽、二萘嵌苯、β—胡萝卜素等近年来也被用作有机半导体气敏材 料受到人们关注。
采用气体传感器阵列和模式识别技术相结合的智能系统，不仅能够解决单
个器件的选择性问题，而且能获得优于单个器件的灵敏度和稳定性。这种智 能系统由于与人类嗅觉器官有一定的相似性而被称为电子鼻 。
1.什么是电子鼻？
四川省精品课程－传感技术
电子鼻是利用气体传感器阵列的响应图案来识别气味的电子 系统，它可以在几小时、几天甚至数月的时间内连续地、实 时地监测特定位置的气味状况。 电子鼻主要由气味取样操作器、气体传感器阵列和信号处理 系统三种功能器件组成。 电子鼻识别的主要机理是在阵列中的每个传感器对被测气体 都有不同的灵敏度，例如，一号气体可在某个传感器上产生 高响应，而对其他传感器则是低响应；同样，二号气体产生 高响应的传感器对一号气体则不敏感，归根结底，整个传感 器阵列对不同气体的响应图案是不同的，正是这种区别，才 使系统能根据传感器的响应图案来识别气体。
人 工 神 经 网 络
四川省精品课程－传感技术
•
The brain uses massively parallel computation –» 1011 neurons in the brain –» 104 connections per neuron
脑细胞神经元
input——Mathematical Functions——output
传感器阵列信号预处理
四川省精品课程－传感技术
在嗅觉的电子模拟过程中，传感信号在进行模式识别之前需要对其进行适 当的预处理。通常认为，电子鼻内某一传感器i对气味j的响应为一时变信 号Vij(t)，由n个气体传感器组成的阵列对气味j的响应是n维状态空间的一个
矢量Vj，其分量形式为：
V j V1, j ,V2, j , ,Vn , j
人工神经网络神经元
四川省精品课程－传感技术
人工神经网络法是接近人类大脑思维方法的一种算法，它通过 大量简单的处理单元即神经元广泛地互为连接而形成复杂的网络 系统，可以通过训练学习外部环境。
多层神经网络
气 体 定 性 分 析
四川省精品课程－传感技术
自组织特征映射网络（Self-organizing Feature Map Network）是一种基于无监督学习方法（没有目标输 出）的人工神经网络，只有输入层和输出层两层。 自组织特征映射网络经过学习，能够以权的形式记 忆输入样本，并将相似的输入样本映射到输出层的 邻近节点上，从而完成输入样本的自动分类（聚 类）。 当未知输入样本应用到训练后的网络时，网络输出 层的拓扑映射网络结构可以反映出输入样本的性质 或类别。
3.电子鼻技术的基本原理
四川省精品课程－传感技术
电子鼻的工作可简单归纳为：传感器阵列（人工嗅觉感受器）－信号预 处理－神经网络和各种算法（人工脑）－计算机识别(气体定性定量分 析）。电子鼻又可称为人工嗅觉系统。 气味与多个气敏传感器反应，将样品的化学信号转换成电信号, 然后经 过一系列信号调理、基线校准等预处理过程，获取该样品所对应的综合 “指纹”信息，再从中提取合适的特征输入到特定的模式识别算法，最 终完成对样品的定性或定量辨识。
混合气体定量分析理论模型
BP人工神经网络
四川省精品课程－传感技术
BP神经网络结构图
前馈神经网络是一种基于监督学习(有目标输出）的人工神经网络， 它能够通过学习已知样本而掌握经验，从而对未知样本作出判别。 前馈神经网络的学习算法通常采用反向传播算法（BackPropagation)，简称BP算法。该学习算法是用网络的实际输出与目 标输出的误差来修改网络的连接权和阈值，使实际输出与要求的值 尽可能接近。
xi Vi max / Vi min
xi (Vi max Vi min ) / Vi min xi log(Vi max Vi min ) xi ( X i Vi min ) /(Vi max Vi min )
xi X i / X i
2
传感器归一化
阵列归一化
金属氧化物、化学电阻、压电 晶体型
金属氧化物、化学电阻、压电 晶体型
模式识别处理
四川省精品课程－传感技术
传感器阵列输出的信号经专用软件采集、加 工、处理后，利用多元数据统计分析方法、 神经网络方法和模糊方法将多维响应信号转 换为感官评定指标值或组成成分的浓度值， 得到被测气味定性分析结果的智能解释器。 早期的电子鼻多用主成分分析、多元线性拟 合、模板匹配、聚类等数据处理方法。
四川省精品课程－传感技术
电子鼻技术
1. 2.
3.
4. 5.
什么是电子鼻？ 电子鼻技术的发展历史 电子鼻技术的基本原理 电子鼻技术的研究现状 电子鼻技术的应用前景
1.什么是电子鼻？
四川省精品课程－传感技术
传感器技术从本质上需要实现对人类自身感觉器官功能的模仿和拓展。
单一气体传感器通常存在着交叉敏感特性，而测试环境又往往是十分复杂 的，因此单个器件的性能常常不能满足实际需求。
四川省精品课程－传感技术
单一气体传感器：交叉敏感
电子鼻系统
利用交叉敏感
模拟大脑皮层信 息编码、处理和 存储等过程
嗅神经元
嗅球内信号的 整合与增强
2.电子鼻技术的发展历史
四川省精品课程－传感技术
电子鼻最早可以追溯到1962年Seiyama发现了二氧化锡的气敏特性。 1982年Persaud等人在Nature杂志上第一次提出以阵列思想来识别几种简单 气体，标志电子鼻的诞生。 该阵列由3个商品化的SnO2气体传感器（TGS 813、812、711，日本费加罗系列）模拟哺乳动物嗅觉系统中的多个嗅感 受器细胞对戊基醋酸酯、乙醇、乙醚、戊酸、柠檬油、异茉莉酮等有机挥 发气进行了类别分析。 1989年在北大西洋公约组织的一次关于化学传感器信息处理会议上对电子 鼻做了如下定义:“电子鼻是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。”随后,于 1990年举行了第一届电子鼻国际学术会议。为了促进电子鼻技术的交流和 发展，国际上每年举行一次化学传感器国际学术会议。
气体传感器阵列
四川省精品课程－传感技术
电子鼻系统中，传感器及其阵列是电子鼻的关键,它的功能是把不同的气味分 子在其表面的化学作用转化为可测的电信号。 气体传感器阵列中的传感器单元可通过以下几种方法制备：(a) 采用不同工 作机理的传感器；(b) 运用基于不同气敏材料的传感器；(c) 通过控制材料 的微细结构，选择新的添加剂，以及改变器件结构的几何尺寸，来获得具有 不同性能的传感器单元。 对于气体传感器阵列，则可以通过采用数个单独的气体传感器组合而成，也 可以采用集成工艺制作专门的气体传感器阵列。后者体积小，功耗低，便于 信号的集中采集与处理。
为简化后续的模式识别过程，常用的做法是去除响应中的时间变量，取传 感器的稳态响应进行分析。
四川省精品课程－传感技术
表1-2 电子鼻信号预处理方法
算法 差分 相对差分 分式差动 对数 公式
xi Vi max Vi min
适用传感器类型 金属氧化物、化学电阻、声表 面波型 金属氧化物、化学电阻、声表 面波型 金属氧化物、化学电阻、导电 聚合物型 金属氧化物
传感器阵列数据采集系统
四川省精品课程－传感技术
Байду номын сангаас
传感器阵列的模拟输出经Ａ/Ｄ转换为数字信号输入计 算机中的数据处理和模式识别系统，被测嗅觉的强度既 可用每个传感器的输出的绝对电压、电阻或电导来表示, 也可用相对信号值如归一化的电阻或电导值,即它们的 变化率来比较嗅味的性质。
传感器阵列的数据采集系统
四川省精品课程－传感技术
四川省精品课程－传感技术
电子鼻技术是探索如何模仿生物嗅觉机能的一门学问。其研 究涉及材料、精密制造工艺、多传感器融合、计算机、应用 数学以及各具体应用领域的科学与技术，具有重要的理论意 义和应用前景。其中传感器技术和计算机技术处于当今科学 技术研究和发展的前沿。
Y. S. Kim, S. C. Ha, Y Yang, et al. Korea Portable electronic nose system based on the carbon black-polymer composite sensor array. Sensors and Actuators B, 2005, 108: 285-291
for volatile organic compounds recognition》
四川省精品课程－传感技术
四川省精品课程－传感技术
工作温度低的新型气敏材料，如聚合物等
电子束蒸发金电极 采用剥离工艺进行
(a)体微加工传感器制造流程
光刻胶
(b)表面体微加工传感器制造流程
四川省精品课程－传感技术
四川省精品课程－传感技术
采用传统的金属氧化物气体传感器，但这类器件功耗大，且不易于实现 微型化。
复旦大学 2002年 专利《便携式智能电子鼻及其制备方法》
四川省精品课程－传感技术
采用微电子及微机械加工（MEMS）技术研制微型金属氧化物气敏元件及其阵 列
韩国
2002 《Fabrication and characteristics of SnO2 gas sensor array
4.电子鼻技术的研究现状
四川省精品课程－传感技术
目前电子鼻研究主要集中在以下几个方面：
(1) 气体传感器阵列的研究，包括新型敏感材料特别是有机敏感材料与
复合敏感材料的探索和低功耗、高集成度气体传感器阵列的研制。 (2) 模式识别系统的研究，包括传感器响应的漂移补偿、特征提取、识 别算法等。 (3) 应用研究。 (4) 基于新的生物学理解的人工鼻模型研究。
SOM人工神经网络
四川省精品课程－传感技术
SOM网络基本结构
SOM网络学习后输入层拓扑映射 （西北工业大学）
气 体 定 量 分 析
四川省精品课程－传感技术
设混合气体中共有m种成分，浓度分别为C1，C2…，Cm，气体传感器 阵列的维数为n，则其响应模式为R=F（C）。前馈神经网络承担模式 识别任务，它接受气体传感器阵列的输出模式，经过运算处理，决策 出被测介质中各成分的浓度。 设神经网络的映射关系为Y=H（R）。显然，要使Y=C，必使H=F-1。 系统的测量精度取决于神经网络的映射能力。
模式识别——人工神经网络
四川省精品课程－传感技术
由于气体传感器的响应与被测气体体积分数之间的关系一般是非线性 的，现在的电子鼻系统多用神经网络方法和偏最小二乘法（PLS）。
近些年发展起来的人工神经网络(artificial neural network) 由于具有很强 的非线性处理能力及模式识别能力而得到了广泛的应用。神经网络通 过学习自动掌握隐藏在传感器响应和气味类型与强度之间的、难以用 明确的模型数学表示的对应关系。 许多统计技术和ANNs是互为补充的,所以常常与ANNs联合使用,以得到 一组比用单个技术得到的数据更加全面的分类和聚类。这类统计学或 化学计量学方法包括主分量分析、部分最小平方法、辨别分析法、辨 别因子分析法和聚类分析法等。
2002 西班牙
《A CMOS monolithically integrated gas sensor array with electronics for temperature control and signal interfacing》
四川省精品课程－传感技术
作传感器的材料必须具备两个基本条件:
1)对不同的气味均有响应,即通用性要强,要求对成千上万种不同的嗅味能在分 子水平上作出鉴别。
2) 与嗅味分子的相互作用或反应必须是快速、可递的 , 不产生任何“记忆效 应”。
金属氧化物型传感器已被普遍应用在电子鼻中。最常见的材料有锡、锌、钛、 钨和铱的氧化物,并掺入像铂和钯等贵金属催化剂。 酞菁类聚合物是有机半导体敏感材料的代表,它们所具有的环状结构使得吸 附气体分子与有机半导体之间产生电子授受关系。不同的酞菁聚合物可选择 如真空升华技术、ＬＢ膜技术、旋涂技术和自组织膜技术等制膜技术在检测 器件上制得薄膜型气敏元件,并可制得传感器阵列,使其与计算机模式识别技 术结合使用。 聚吡咯、蒽、二萘嵌苯、β—胡萝卜素等近年来也被用作有机半导体气敏材 料受到人们关注。
采用气体传感器阵列和模式识别技术相结合的智能系统，不仅能够解决单
个器件的选择性问题，而且能获得优于单个器件的灵敏度和稳定性。这种智 能系统由于与人类嗅觉器官有一定的相似性而被称为电子鼻 。
1.什么是电子鼻？
四川省精品课程－传感技术
电子鼻是利用气体传感器阵列的响应图案来识别气味的电子 系统，它可以在几小时、几天甚至数月的时间内连续地、实 时地监测特定位置的气味状况。 电子鼻主要由气味取样操作器、气体传感器阵列和信号处理 系统三种功能器件组成。 电子鼻识别的主要机理是在阵列中的每个传感器对被测气体 都有不同的灵敏度，例如，一号气体可在某个传感器上产生 高响应，而对其他传感器则是低响应；同样，二号气体产生 高响应的传感器对一号气体则不敏感，归根结底，整个传感 器阵列对不同气体的响应图案是不同的，正是这种区别，才 使系统能根据传感器的响应图案来识别气体。
人 工 神 经 网 络
四川省精品课程－传感技术
•
The brain uses massively parallel computation –» 1011 neurons in the brain –» 104 connections per neuron
脑细胞神经元
input——Mathematical Functions——output
传感器阵列信号预处理
四川省精品课程－传感技术
在嗅觉的电子模拟过程中，传感信号在进行模式识别之前需要对其进行适 当的预处理。通常认为，电子鼻内某一传感器i对气味j的响应为一时变信 号Vij(t)，由n个气体传感器组成的阵列对气味j的响应是n维状态空间的一个
矢量Vj，其分量形式为：
V j V1, j ,V2, j , ,Vn , j
人工神经网络神经元
四川省精品课程－传感技术
人工神经网络法是接近人类大脑思维方法的一种算法，它通过 大量简单的处理单元即神经元广泛地互为连接而形成复杂的网络 系统，可以通过训练学习外部环境。
多层神经网络
气 体 定 性 分 析
四川省精品课程－传感技术
自组织特征映射网络（Self-organizing Feature Map Network）是一种基于无监督学习方法（没有目标输 出）的人工神经网络，只有输入层和输出层两层。 自组织特征映射网络经过学习，能够以权的形式记 忆输入样本，并将相似的输入样本映射到输出层的 邻近节点上，从而完成输入样本的自动分类（聚 类）。 当未知输入样本应用到训练后的网络时，网络输出 层的拓扑映射网络结构可以反映出输入样本的性质 或类别。
3.电子鼻技术的基本原理
四川省精品课程－传感技术
电子鼻的工作可简单归纳为：传感器阵列（人工嗅觉感受器）－信号预 处理－神经网络和各种算法（人工脑）－计算机识别(气体定性定量分 析）。电子鼻又可称为人工嗅觉系统。 气味与多个气敏传感器反应，将样品的化学信号转换成电信号, 然后经 过一系列信号调理、基线校准等预处理过程，获取该样品所对应的综合 “指纹”信息，再从中提取合适的特征输入到特定的模式识别算法，最 终完成对样品的定性或定量辨识。
混合气体定量分析理论模型
BP人工神经网络
四川省精品课程－传感技术
BP神经网络结构图
前馈神经网络是一种基于监督学习(有目标输出）的人工神经网络， 它能够通过学习已知样本而掌握经验，从而对未知样本作出判别。 前馈神经网络的学习算法通常采用反向传播算法（BackPropagation)，简称BP算法。该学习算法是用网络的实际输出与目 标输出的误差来修改网络的连接权和阈值，使实际输出与要求的值 尽可能接近。
xi Vi max / Vi min
xi (Vi max Vi min ) / Vi min xi log(Vi max Vi min ) xi ( X i Vi min ) /(Vi max Vi min )
xi X i / X i
2
传感器归一化
阵列归一化
金属氧化物、化学电阻、压电 晶体型
金属氧化物、化学电阻、压电 晶体型
模式识别处理
四川省精品课程－传感技术
传感器阵列输出的信号经专用软件采集、加 工、处理后，利用多元数据统计分析方法、 神经网络方法和模糊方法将多维响应信号转 换为感官评定指标值或组成成分的浓度值， 得到被测气味定性分析结果的智能解释器。 早期的电子鼻多用主成分分析、多元线性拟 合、模板匹配、聚类等数据处理方法。