【儀表網(wǎng) 研發(fā)快訊】近日，清華大學機械系在智能氣體傳感器研究中取得新進展，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)學及化學研究中有著不可或缺的重要地位。由于傳感單元響應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信號，探索出了低成本、高準確率、自動化的多組分智能檢測方法。基于GRU(Gated Recurrent Unit)神經(jīng)網(wǎng)絡機器學習方法，首次實現(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)學模型和仿真技術為實驗研究提供理論支撐，具有較好的理論意義和應用價值。
 

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
 

　　團隊以單個催化化學發(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)傳感器響應信號預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，準確率達99.9%以上。
 

圖3.基于GRU神經(jīng)網(wǎng)絡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信號重疊現(xiàn)象，團隊進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信號的時序特性與混合物成分之間的固有關系。基于該模型的仿真結果與實際重疊響應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雜組分檢測的影響，減小傳感材料構建的壓力，為進一步推動機器嗅覺電子鼻的普適化檢測應用拓寬了道路。該技術有望在各種自動化檢測場景中發(fā)揮重要作用，例如醫(yī)療領域中對呼吸氣揮發(fā)性疾病標志物的實時檢測、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)品的品質鑒定等。
 

　　相關研究成果以“無選擇性單一傳感器也能實現(xiàn)混合物高選擇性檢測——機器學習讓不可能變?yōu)榭赡?rdquo;(Selective Detection of Mixtures via a Single Nonselective Sensor—Making the Unworkable Sensor Workable by Machine Learning)為題發(fā)表在《先進智能系統(tǒng)》期刊(Advanced Intelligent Systems)，被選為當期封底文章，并被《先進科學新聞》(Advanced Science News)公眾號作為亮點文章進行報道。
 

　　清華大學機械系胡楚雄副教授、北京師范大學化學學院那娜教授為論文共同通訊作者，清華大學機械系2019級博士生劉路正、胡楚雄副教授為論文共同第一作者。研究得到國家自然科學基金、北京市自然科學基金、摩擦學國家重點實驗室等的支持。(題圖設計：劉雨田)