劉耀杰，劉獨玉

(西南民族大學(xué) 電氣信息工程學(xué)院，四川 成都 610041)

0 引言

金屬氧化物氣敏傳感器中的金屬氧化物部件暴露于特定化學(xué)氣體成分環(huán)境下，電導(dǎo)率會發(fā)生變化，金屬氧化物氣敏傳感器通過實時測量金屬氧化物部件的電導(dǎo)率，實現(xiàn)實時檢測識別特定化學(xué)氣體成分的功能[1-5]。然而金屬氧化物部件的電導(dǎo)率也會受到環(huán)境溫度、濕度的影響[6]，這給金屬氧化物氣敏傳感器在復(fù)雜多變的外界環(huán)境下快速穩(wěn)定地識別化學(xué)氣體成分帶來了一定的困難。到目前為止，金屬氧化物氣敏傳感器已經(jīng)廣泛應(yīng)用于人類社會，例如有毒有害氣體監(jiān)測、食品質(zhì)量檢測等[6-9]。但是當前廣泛應(yīng)用的氣敏傳感器工作環(huán)境溫濕度變化情況基本上都很小，在溫濕度變化劇烈的場景下，氣敏傳感器的工作效果并不理想。文獻[10]和[11]中提出了一種金屬氧化物傳感器輸出值與環(huán)境溫度、濕度的能帶模型，可以有效解釋金屬氧化物傳感器輸出值與環(huán)境溫度、濕度之間的關(guān)系。

本文在該模型公式的基礎(chǔ)上，對該公式做了一定的拆解和近似變換，提出一種擬合實時溫濕度及其變化對傳感器輸出值產(chǎn)生的影響的模型函數(shù)φht，通過模型函數(shù)φht可以推算實時溫濕度及其變化對傳感器輸出值產(chǎn)生影響的偏差值序列，利用計算得到的偏差值序列校正傳感器輸出數(shù)據(jù)，以期望去除溫濕度與傳感器輸出值之間的相關(guān)關(guān)系，增強金屬氧化物傳感器系統(tǒng)在不同溫濕度環(huán)境下的氣味識別性能。

目前廣泛使用的利用氣敏傳感器輸出值進行氣體識別監(jiān)測的建模方法主要有兩種：第一種方法利用傳感器輸出值與特定氣體成分濃度的對應(yīng)關(guān)系，直接對傳感器輸出值設(shè)定閾值，傳感器輸出值越過閾值時直接判定環(huán)境中存在該種氣體(成分)，目前廣泛應(yīng)用于有毒有害氣體監(jiān)測、食品質(zhì)量檢測等多個領(lǐng)域。但是此方法存在明顯的缺陷：(1)對環(huán)境的穩(wěn)定性要求高，在溫濕度、聲光電等多種環(huán)境因素較為穩(wěn)定的情況下工作良好，而在環(huán)境快速變化的工作場景下工作性能欠佳。(2)只能有針對性地識別特定氣體成分，通過氣體成分識別進一步推斷產(chǎn)生氣體的物體情況，需要在特定應(yīng)用場景下針對特定物體才能正常工作，對于識別由多種氣體成分混合成的物體氣味以及通過物體氣味進一步判斷物體狀態(tài)，例如識別多種食品及判斷食品質(zhì)量、腐敗程度等無能為力。第二種方法利用機器學(xué)習(xí)的多種監(jiān)督學(xué)習(xí)算法，基于歷史樣本數(shù)據(jù)集，監(jiān)督學(xué)習(xí)算法通過提取樣本集先驗知識擬合出一個模型函數(shù)，該方法可以有效利用樣本集中多維度特征對于識別目標表現(xiàn)的相關(guān)性信息，應(yīng)用于未知表現(xiàn)的樣本預(yù)測之中。經(jīng)過大量實踐證明效果良好。但是機器學(xué)習(xí)方法本身存在固有的缺陷為模型函數(shù)的可解釋性較差，黑箱模型意味著一定程度上的不可控性[12]，無法準確判斷模型函數(shù)內(nèi)部的工作機理及穩(wěn)定性，也無法準確得出模型函數(shù)的正常工作有效值范圍。

空白場景下氣敏傳感器陣列采集到的數(shù)據(jù)變化基本只受到傳感器工作環(huán)境溫濕度變化的影響，排除了目標物對氣敏傳感器輸出值的影響，故本文計劃利用空白場景組數(shù)據(jù)來擬合反映溫濕度與金屬氧化物傳感器輸出值之間相關(guān)關(guān)系的模型函數(shù)φht變換參數(shù)，將已經(jīng)得到擬合參數(shù)的模型函數(shù)應(yīng)用于香蕉和葡萄酒組傳感器陣列數(shù)據(jù)，變換后的數(shù)據(jù)作為監(jiān)督訓(xùn)練建模與測試用樣本集，得到最終分類模型和模型評價效果(分類準確率)，通過模型評價效果(分類準確率)來評判模型函數(shù)φht對于弱化環(huán)境溫濕度與金屬氧化物氣敏傳感器輸出值相關(guān)性的效果。

本文采用了監(jiān)督學(xué)習(xí)中最基礎(chǔ)的邏輯回歸方法作為擬合訓(xùn)練樣本集的機器學(xué)習(xí)算法，該算法來自于線性回歸應(yīng)用于分類任務(wù)的變種，算法結(jié)構(gòu)簡單，脫胎于線性回歸算法，算法計算過程和原理清晰，訓(xùn)練得出的模型數(shù)據(jù)結(jié)構(gòu)簡單，因而模型的可解釋性相對較好，是現(xiàn)有各種監(jiān)督學(xué)習(xí)分類算法中最能反映訓(xùn)練樣本集質(zhì)量好壞的算法之一。

1 數(shù)據(jù)集簡介

為充分研究溫度、濕度、氣敏傳感器陣列與分類目標識別效果之間的關(guān)系，本文分析了一份具有大量氣敏傳感器陣列和溫濕度信息的數(shù)據(jù)集[13]，該數(shù)據(jù)來源于網(wǎng)上開源數(shù)據(jù)集，該份數(shù)據(jù)集在收集過程中設(shè)計了一個金屬氧化氣敏傳感器陣列，包括8個金屬氧化物氣敏傳感器(R1-R8)和1個溫濕度傳感器，金屬氧化物氣敏傳感器陣列器件參數(shù)說明詳見表1。樣本采集過程中每組樣本連續(xù)采集時間從7 min至2 h不等，平均時間42 min；采樣頻率為1 Hz，采集環(huán)境為室內(nèi)環(huán)境；每次采集過程中溫濕度都有變化，不存在刻意控制，共計采集100組數(shù)據(jù)共計919 438條記錄，標記識別目標物體包括三種：香蕉、葡萄酒和空白場景，其中香蕉標記共計33組、葡萄酒標記共計36組、空白場景共計31組。

表1 氣敏傳感器陣列器件說明

2 溫度、濕度與傳感器的實時響應(yīng)模型

溫濕度會改變金屬氧化物氣敏傳感器金屬氧化物暴露在環(huán)境中部分的電化學(xué)性質(zhì)[10-11]，根據(jù)該種傳感器的工作原理，會干擾傳感器在檢測針對性氣體成分過程中的準確性，圖1記錄了一段連續(xù)時間段下空白場景中采集的傳感器陣列中R1、R3、R5、R7四個氣敏傳感器的輸出數(shù)值與溫濕度傳感器輸出數(shù)值，橫軸標示時間(s)，縱軸分別為各個傳感器的輸出數(shù)值。從圖中可以看出溫濕度傳感器輸出值與氣敏傳感器各個子傳感器輸出值之間具有明顯的相關(guān)性。

圖1 部分氣敏傳感器與溫濕度傳感器連續(xù)時間內(nèi)輸出值

文獻[10]和[11]中提出了一種適用于多種半導(dǎo)體傳感器的能帶理論模型，該模型理論證明半導(dǎo)體傳感器的電化學(xué)性質(zhì)受環(huán)境溫度和濕度的影響，并且該理論模型給出了環(huán)境溫濕度對于半導(dǎo)體傳感器電化學(xué)性質(zhì)(電導(dǎo)率)影響程度的準確模型公式：

(1)

式中RI表示傳感器在環(huán)境改變之前的輸出值，RF表示傳感器當前的輸出值，KB為玻爾茲曼常數(shù)，T代表當前采樣時刻溫度值，ΔΦ代表傳感器功函數(shù)在環(huán)境變化前后的差值，ΔX代表傳感器電子親和性在環(huán)境變化前后的差值。注意該公式成立的條件中隱含傳感器工作環(huán)境溫度不變，而本文需要同時擬合溫度和濕度的變化，在擬合過程中，必然帶來誤差。對本文涉及的實驗過程做兩點假設(shè)：(1)傳感器本身的化學(xué)性質(zhì)在實驗數(shù)據(jù)采集期間不發(fā)生變化；(2)在當前采樣頻率(1 Hz)下，傳感器的溫濕度不發(fā)生突變，只發(fā)生連續(xù)的漸變。

考慮到ΔΦ與ΔX只與環(huán)境濕度變化量有關(guān)，記h為當前采樣頻率下濕度相對前一采樣時刻變化量，記φ(h)=ΔΦ-ΔΧ，記ΔR=RF-RI，產(chǎn)生ΔR的時間間隔足夠小，在本文使用數(shù)據(jù)集采樣頻率下，ΔR即為各個傳感器采集數(shù)據(jù)序列的差分序列，差分間隔為1 s。變換式(1)為：

(2)

(3)

(4)

在傳感器的溫濕度變化量近似為0的情況下，根據(jù)本文中提到的實驗假設(shè)(2)，在本文使用數(shù)據(jù)集的采樣頻率下，式(4)中φ(0)近似等于0。

(5)

(6)

(7)

(8)

式(8)即為本文中使用的傳感器溫濕度實時響應(yīng)模型的模型函數(shù)φht。ΔR序列、h序列可以通過各個氣敏傳感器采樣數(shù)據(jù)和濕度傳感器采樣數(shù)據(jù)差分得到，RI、T為各個氣敏傳感器和溫度傳感器在各個采樣時刻得到的采樣值序列。實驗樣本在采集過程中采集了一部分空白場景標識樣本數(shù)據(jù)，該部分數(shù)據(jù)中氣敏傳感器輸出值變化基本上只受到環(huán)境溫濕度變化的影響，排除了識別目標物對氣敏傳感器輸出值的影響，本文使用實驗樣本集中空白標識樣本數(shù)據(jù)擬合α、β參數(shù)，得到最終模型函數(shù)φht，并應(yīng)用于全量分類數(shù)據(jù)的數(shù)據(jù)預(yù)處理過程中。

模型函數(shù)φht應(yīng)用于數(shù)據(jù)預(yù)處理過程時，先使用公式(8)求出待處理傳感器輸出值序列對應(yīng)ΔR序列，記RI為待處理傳感器輸出值，記R′為經(jīng)過模型函數(shù)φht處理后的傳感器輸出值，則在第n個采樣時刻：

(9)

整個R′序列即為經(jīng)過弱化溫濕度變化對氣敏傳感器影響這一數(shù)據(jù)預(yù)處理過程完成后的輸出值序列。

3 完整實驗設(shè)計流程

(1)本文中使用的數(shù)據(jù)集的數(shù)據(jù)來源于傳感器直接輸出的模數(shù)值，受限于傳感器陣列元器件性能及數(shù)據(jù)采集環(huán)境中的各種電磁干擾因素，原始數(shù)據(jù)中存在一定的噪音，本文中使用時間序列分析中常用的MA模型(滑動平均模型)對全量采樣數(shù)據(jù)進行第一次數(shù)據(jù)預(yù)處理，MA模型中采用5階平滑，經(jīng)過處理，原始數(shù)據(jù)噪音得到改善，見圖2。

圖2 局部和部分時段R2傳感器經(jīng)過AR模型處理前后輸出值

(2)使用數(shù)據(jù)集中辨識目標為空白場景的數(shù)據(jù)擬合模型函數(shù)φht中的兩個未知參數(shù)α、β，φht中的溫度值T采用當前時間點對應(yīng)溫度傳感器輸出值。

(3)使用實驗數(shù)據(jù)集中識別目標標簽為葡萄酒和香蕉的數(shù)據(jù)作為建模和測試的樣本數(shù)據(jù)集，將模型函數(shù)φht應(yīng)用于該數(shù)據(jù)集上以達到去除溫濕度與傳感器陣列輸出值相關(guān)性的目的。處理過程中，計算每組樣本各個傳感器除溫度傳感器外的差分值，差分單位為基礎(chǔ)采樣間隔(1 s)。使用差分計算后的數(shù)據(jù)進入模型函數(shù)φht，分別得出各個采樣時間點傳感器陣列中每個金屬氧化物氣敏傳感器輸出值受溫濕度變化產(chǎn)生的偏差值序列，圖3是R1傳感器在一段時間內(nèi)的傳感器模數(shù)值差分序列與使用模型函數(shù)φht產(chǎn)生的偏差值序列。理論上傳感器模數(shù)值差分序列中同時包含系統(tǒng)噪聲和環(huán)境溫濕度變化帶來的誤差，偏差值序列只包含環(huán)境溫濕度變化帶來的誤差，但在實驗環(huán)境下，由于模型函數(shù)φht使用的溫濕度傳感器測量值與傳感器實際工作環(huán)境溫濕度之間存在誤差，模型函數(shù)簡化過程中也引入了少量誤差，這些誤差的存在引起偏差值序列在一段時間點上的變化與溫濕度變化不一致。

圖3 R1傳感器在一段時間內(nèi)的偏差值與溫濕度值

(4)使用各個傳感器對應(yīng)的偏差值序列對原始數(shù)據(jù)進行校正，將偏差值序列按照時間順序進行累積求和，產(chǎn)生的計算結(jié)果作為糾偏量，序列按照時刻對應(yīng)關(guān)系加在原有數(shù)據(jù)上，至此使用模型函數(shù)φht進行數(shù)據(jù)校正的工作就完成了。

(5)把經(jīng)過校正的數(shù)據(jù)集按照70%、30%的比例劃分為訓(xùn)練集和測試集，使用邏輯回歸算法進行模型訓(xùn)練和測試，模型訓(xùn)練過程中采用十折交叉驗證。

(6)使用只經(jīng)過第一次數(shù)據(jù)預(yù)處理的數(shù)據(jù)集作為對照組，按照步驟5進行相同的數(shù)據(jù)建模流程，得出對照組實驗結(jié)果。

4 實驗結(jié)果及分析

本文實驗中涉及原始數(shù)據(jù)清洗后的兩步數(shù)據(jù)預(yù)處理程序，分別為應(yīng)用自回歸模型(MA模型)進行時間序列平滑處理和應(yīng)用模型函數(shù)φht進行環(huán)境溫濕度變化影響校正。表2是一組連續(xù)采集的原始數(shù)據(jù)在經(jīng)過模型函數(shù)φht進行數(shù)據(jù)預(yù)處理后，傳感器陣列各個傳感器輸出值序列與溫濕度傳感器輸出值序列的相關(guān)系數(shù)?？梢钥闯鼋?jīng)過模型函數(shù)φht數(shù)據(jù)校正后，各個傳感器與環(huán)境溫濕度的相關(guān)系數(shù)都有所下降。

表2 8傳感器經(jīng)過數(shù)據(jù)處理前后溫濕度與 輸出值相關(guān)系數(shù)表

本文實驗中共設(shè)計了五組數(shù)據(jù)樣本集用于邏輯回歸算法建模實驗對照，分別為：只經(jīng)過自回歸模型進行時間序列平滑處理的數(shù)據(jù)集(DSFilter)、未經(jīng)過任何數(shù)據(jù)預(yù)處理的原始數(shù)據(jù)集(DSOrigin)、先經(jīng)過自回歸模型進行時間序列平滑處理后經(jīng)過模型函數(shù)φht進行環(huán)境溫濕度變化影響校正的數(shù)據(jù)集(DSFilter_HT)、只經(jīng)過模型函數(shù)φht進行環(huán)境溫濕度變化影響校正的數(shù)據(jù)集(DSHT_Origin)、先經(jīng)過模型函數(shù)φht進行進行環(huán)境溫濕度變化影響校正后經(jīng)過自回歸模型進行時間序列平滑處理的數(shù)據(jù)集(DSHT_Filter)。

模型訓(xùn)練過程中訓(xùn)練集、測試集劃分比例為70%、30%，訓(xùn)練集中使用十折交叉核驗。模型算法為邏輯回歸算法，算法參數(shù)正則化強度(C)設(shè)置為1、最大迭代次數(shù)(max_iter)設(shè)置為100，正則化項(penalty)設(shè)置為L2(嶺回歸)。

模型采用的評價指標分別為：十折交叉核驗準確率、測試集準確率、概率標準差、AUC值(受試者工作特征曲線(ROC曲線)線下面積)，全部實驗結(jié)果見表3。經(jīng)過實驗結(jié)果對比，發(fā)現(xiàn)：經(jīng)過模型函數(shù)φht進行環(huán)境溫濕度變化影響校正數(shù)據(jù)集的模型表現(xiàn)相對未經(jīng)過經(jīng)過此數(shù)據(jù)預(yù)處理步驟的數(shù)據(jù)集有較明顯提高。

表3 邏輯回歸算法下兩組實驗結(jié)果對比表

通過實驗結(jié)果對比分析發(fā)現(xiàn)：經(jīng)過自回歸模型進行時間序列平滑處理的數(shù)據(jù)集相對未經(jīng)過此數(shù)據(jù)預(yù)處理的數(shù)據(jù)集，沒有明顯的模型評價提升。模型評價最高的數(shù)據(jù)集是經(jīng)過兩種數(shù)據(jù)預(yù)處理步驟的數(shù)據(jù)集，其中數(shù)據(jù)預(yù)處理步驟的先后順序?qū)τ谀Ｐ驮u價效果基本無影響?；谏鲜鰧嶒灲Y(jié)果對比分析得出本文提出的模型函數(shù)φht，對于弱化環(huán)境溫濕度變化對金屬氧化物氣敏傳感器陣列影響，提升目標物體氣味識別率和提升傳感器整列輸出數(shù)據(jù)質(zhì)量方面有較明顯的作用。

文獻[14]使用了和本文相同的開源數(shù)據(jù)集，也在本文中利用的能帶模型公式的基礎(chǔ)上進行了適應(yīng)性公式變換，利用變換后公式對氣敏傳感器采樣數(shù)據(jù)與溫濕度采樣數(shù)據(jù)的相關(guān)性信息進行特征提取，將提取的特征作為補充特征加入到原有傳感器陣列特征集中，數(shù)據(jù)建模過程中利用了支持向量機(SVM)算法，最終獲得了82.6%的十折交叉核驗準確率和80.9%的測試集準確率，相比之下本文提出的弱化溫濕度變化對氣敏傳感器影響的方法在相同的模型評價指標上具有更好的效果。

5 結(jié)論

金屬氧化物氣敏傳感器陣列在進行實時目標物氣味識別時，表現(xiàn)出了良好的反應(yīng)靈敏度和有效區(qū)分度，但也存在固有的缺點和局限性，傳感器陣列在工作中會受到各種系統(tǒng)噪聲和工作環(huán)境變化的影響，其中以環(huán)境溫度、濕度變化影響顯著。

本文嘗試利用金屬氧化物器件的能帶模型公式，經(jīng)過進一步公式推導(dǎo)變形，找到一個可以反映環(huán)境溫濕度變化對金屬氧化物氣敏傳感器輸出值變化的模型函數(shù)，進一步利用先驗知識(空白數(shù)據(jù)集)擬合氣敏傳感器陣列中各個傳感器器件對應(yīng)的模型函數(shù)參數(shù)，形成完整的模型函數(shù)。

在本文中通過進行實驗設(shè)計，將模型函數(shù)應(yīng)用于數(shù)據(jù)預(yù)處理階段，期望通過這一方式校正環(huán)境溫濕度變化對傳感器輸出值的干擾。最后使用機器學(xué)習(xí)中的邏輯回歸算法進行監(jiān)督模型訓(xùn)練，通過模型表現(xiàn)的好壞來評價數(shù)據(jù)質(zhì)量。經(jīng)過實驗對比分析，發(fā)現(xiàn)經(jīng)過模型函數(shù)預(yù)處理后的數(shù)據(jù)集訓(xùn)練出的模型在分類識別準確率及其他各個評價指標維度上都有所提高，說明本文中提出的模型函數(shù)對弱化環(huán)境溫濕度變化對傳感器輸出值的干擾，提升傳感器陣列識別目標氣味的準確率是有效的。

本文中提出的利用模型函數(shù)擬合參數(shù)應(yīng)用于數(shù)據(jù)預(yù)處理的方法，只是降低了環(huán)境溫濕度變化對于傳感器輸出值的影響，并沒有徹底消除環(huán)境溫濕度變化與傳感器輸出值之間的相關(guān)性，考慮有一個影響因素在本文實驗中尚未涉及：溫度傳感器測量值為環(huán)境溫度，并不是氣敏傳感器金屬氧化物工作部件的溫度，工作部件的溫度除了受到環(huán)境溫度的影響，也受到器件自身工作能耗影響，而且工作部件的溫度對于環(huán)境溫度變化有一定的反應(yīng)時間，也就是說工作部件的溫度在受環(huán)境溫度變化而變化時，會產(chǎn)生一定的延遲效應(yīng)，具體的延遲時間(階數(shù))受到環(huán)境導(dǎo)熱率、自身器件導(dǎo)熱率等多種因素的影響，該影響因素的具體作用方式有待進一步研究。