电子鼻技术课件

《电子鼻技术课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、电子鼻技术新型传感器教育部重点实验室电子鼻技术什么是电子鼻？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什么是电子鼻？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

2、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。电子鼻技术的发展历史由于气体传感器的交叉敏、选择性差等缺点，单一传感器往往对被测环境中的各种气体敏感，因而很难有选择地测量出某种气体的成分和含量。电子鼻技术是解决这一问题的有效途径，它正是利用各个气敏器件对复杂成分气体都有响应却又互不相同这一特点，借助数据处理方法对多种气味进行识别，从而对气味质量进行分析与评定。1982年，英国学者Persuad和Dodd用3个商品化的SnO2气体传感器（TGS813、812、711）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

3、气进行了类别分析，开电子鼻研究之先河。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。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。商品化的电子

4、鼻电子鼻技术的基本原理电子鼻的工作可简单归纳为：传感器阵列－信号预处理－神经网络和各种算法－计算机识别(气体定性定量分析）。从功能上讲，气体传感器阵列相当于生物嗅觉系统中的大量嗅感受器细胞，神经网络和计算机识别相当于生物的大脑，其余部分则相当于嗅神经信号传递系统。气体传感器阵列电子鼻系统中，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。传感器阵列可以采用数个单独的气敏传感器组合而成，也可以采用集成工艺制作专门的气敏传感器阵列。后者体积小，功耗低，便于信号的集中采集与处理。西班牙《ACMOSmonolithicallyintegrated

5、gassensorarraywithelectronicsfortemperaturecontrolandsignalinterfacing》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

6、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。传感器阵列数据采集系统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模式识别处理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

7、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。模式识别——人工神经网络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。近些年发展起来的人工神经网络(artificialneuralnetwork)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