CN103630698A - 一种模仿动物嗅觉器官结构的立体电子鼻 - Google Patents
一种模仿动物嗅觉器官结构的立体电子鼻 Download PDFInfo
- Publication number
- CN103630698A CN103630698A CN201310633939.7A CN201310633939A CN103630698A CN 103630698 A CN103630698 A CN 103630698A CN 201310633939 A CN201310633939 A CN 201310633939A CN 103630698 A CN103630698 A CN 103630698A
- Authority
- CN
- China
- Prior art keywords
- layer
- classification
- sample
- gas sensor
- input
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种模仿动物嗅觉器官结构和信息处理机制的立体电子鼻,它具有两个类似生物那样的“鼻”和“颈”:两“鼻道”内传感器能分别感应来自不同方位的气味分子浓度,“颈”可以带动“鼻”自由转动,扫描周围环境不同方位上气味分子空间分布信息,再利用神经网络对“鼻”所扫描到的周围环境不同方位上气味分子的分布信息进行分析,识别出气味来源。
Description
技术领域
本申请涉及一种气体检测装置,具体是一种模仿动物嗅觉器官结构和信息处理机制的立体电子鼻—危险物品泄漏源探测仪。
背景技术
气敏传感器的出现,使人们拥有了一种能简便地检测出环境中气体成分的方法。但是,单纯依靠气敏传感器,人们无法使机器向动物那样通过嗅觉判断气味来源的方向,然后根据此方向去捕食。近年来,许多科学家在努力寻找使机器能寻找味源的方法。Rozas等人于1991年开始了人工嗅觉导航相关的研究,自此以后,很多学者便开始孜孜不倦地开展利用移动机器人和气体传感器实现气味源定位的研究。发展到现在,嗅觉机器人不仅能搜寻空气中的味源,还实现对水下和地底味源进行跟踪定位,其形式也多样,如轮式移动机器人外,机器蚂蚁、机器飞蛾、机器龙虾等。虽然这些机器人能完成一些简单的与气味相关的工作任务,但实际上它们的嗅觉功能还很低级,远不及动物和人类的嗅觉功能。机器人嗅觉相关技术水平亟待提高,但这些技术的发展面临着巨大的困难:动物和人类的嗅觉机理人们尚未清楚理解,可借鉴之处不多;气体传感器技术不够成熟;机器人所处工作环境复杂且多变。
机器人是通过跟踪烟羽找到味源的,所谓烟羽,是指味源释放的气味分子在空气中传播形成的羽毛般的轨迹。Hayes将味源搜寻问题分解为烟羽发现、烟羽横越、味源确认。味源搜索策略主要依据化学趋向性和风趋向性两个原理来设计算法的。化学趋向性即利用气味浓度分布或梯度信息来搜寻,而风趋向性则是发现烟羽后是沿着逆风方向追踪并找到泄漏源。在实际环境中,湍流常会把烟羽分割成许多不规则的快,使得烟羽的瞬间分布很难预测,气体浓度分布非常复杂,味源点并非一定是浓度最高点。目前只能用一些统计模型来描述烟羽扩散,如高斯湍流扩散模型。在实际的自然环境中,气流状况非常复杂,甚至存在障碍物。所以机器人通过跟踪烟羽搜寻味源所要面临的困难还是挺大的。
气体传感器是机器人嗅觉***的关键元件,然而现有气体传感器性能普遍不够好,不能很好的满足实时性、准确性方面的要求,还存在反应时间慢、恢复时间长、选择性差、稳定性差等缺点。除了受气体传感器性能制约以外,机器人嗅觉***的性能还容易受传感器的安装位置影响。而气体传感器的安装位置恰恰与所采用机器人的特定结构相关,不宜变化,稳定性差,不具有通用性。使用商业电子鼻产品具有价格昂贵、针对性差等缺点。所以,在现有气体传感器水平的基础上,开发具有良好性能的机器人嗅觉***,是味源搜索机器人研究的一个重要方面。
鉴于气体传感器性能远不能与动物嗅觉***的性能相媲美,也没有较为精确的气味气体扩散模型可供参考,危险作业机器人味源搜索的研究大都集中在搜索策略算法。目前,研究者们已经采用了许多搜索算法,能够令机器人成功的搜索到味源,有些算法是从动物的嗅觉行为中得到灵感,也有些纯粹是从工程角度去考虑解决搜索味源问题。此类研究大部分还是在特定的室内实验环境中进行的,一般设定较小范围的实验场地、营造人工风场。诸多味源搜索策略虽有其独到一面,但大多只是针对味源搜寻的子问题,很难适应机器人实际工作的复杂环境。要真正实现利用机器在复杂的环境下搜寻味源,必须改进和提高人工嗅觉***的性能,快速直接地判断出气味来源的方位,移动机器人再根据此方位移动寻找发现气味源。
发明内容
一般地,哺乳动物通过以下的方法判断气味来源的方位:首先,通过转动头部让鼻子闻气味不同方向上的强弱信息,将这些信息传输到大脑皮层,再经过分析判断处理后得出气味来源的方位。依据此原理,设计发明了模拟哺乳动物鼻子、颈部的装置,及在该装置基础上实现的味源探测仪。
气体传感器阵列选择
目前,可选择用来检测气味的传感器有很多,其中以金属氧化物半导体气敏传感器最为成熟。这种类型的传感器商业化已经非常成功,例如,日本Figaro公司生产的TGS系列气体传感器。气体传感器阵列可以直接选用市场上成熟的产品作为敏感元件。气味采样传感装置
已有嗅觉定位机器人研究通常是简单地直接在机器人上安装单个或多个气体传感器,再配置相应处理电路来实现嗅觉功能。然而,气味传播烟羽是无法用精确的模型来描述,烟羽的瞬间分布很难预测。而且传感器的响应也很容易受环境因素影响。因此,采用这种方法安装气敏传感器的嗅觉机器人,在利用梯度信息搜索味源的时候因无法采集足够的空间点足够长时间浓度数据导致搜索失败。也有的是采用商业的电子鼻产品,但是价格昂贵、针对性差。为此拟仿造动物鼻子的结构设计气味采样传感装置。
模式识别处理算法
信号处理部分在电子鼻中的地位相当于人的大脑,其性能优异直接影响到***的味源方位识别能力。利用PCA主成分分析法把Cortex M3 发送过来的原始特征矩阵进行降维处理,取其3个主元作为PNN识别模型的输入向量 。输出为,待匹配的类别数n=L+1(L为探测仪前方划分的子区域个数)。输入层中的神经元数目等于学习样本输入向量数目p,各神经元是简单的分布单元,直接将输入变量传递给样本层。
味源定位性能评估及优化
泄漏源实时探测仪在实际应用环境中完成味源定位所面临的情况是十分复杂的,如风速不是稳定的、场景也很复杂、味源也可能动态地发生变化、风向可能变化。所以,仅仅在静态情况下根据仿生立体电子鼻***各次味源方位测量结果与实际位置比较来评估其定位性能是不够的。因此,本发明将在立体电子鼻***静态识别味源方位性能达到指标要求后,再将立体电子鼻***装载到移动玩具小车上,在不同实验场景中的任意一个位置开始,小车根据立体电子鼻***识别的结果和搜索策略来搜寻场景中气味发散源(如往外挥发汽油的瓶子),用小车搜寻过程中所走的路线及移动的速度来评估***味源定位性能及根据实验情况对***进行优化。
与已有的探索性研究成果相比,本发明的特色与创新之处在于:
1)传统的气体探测仪只是检测环境中气体的浓度,而本发明提出了一种新颖的可以用来检测确定气味发散源位置信息的仿生立体电子鼻。基于该仿生立体电子鼻研究开发的危险物品泄漏源探测仪,不仅能实时指示危害气体浓度,而且还可以给出泄漏源的位置信息,在管道气体泄漏、搜救遇难者、消防救援等等许多场合有广泛的应用前景。
2)本发明提出了一种新颖的便于电子鼻确定味源方位的气味采样装置,该装置中有两个类似动物鼻孔的通气孔和模拟动物头颈的结构,两个通气孔中都安装了气体传感器。此仿生立体电子鼻可以模仿动物的转头寻味过程,两个“鼻孔”中传感器分别对来自不同方向的气氛进行监测,而这两个方向上的气味浓度及差异与气味烟羽分布相关,从而使仿生立体电子鼻能鉴别味源的方位。而有“颈”的存在,使“鼻”能自由地转动,可以连续地以不同的角度采集立体电子鼻周围环境中气味分子浓度信息,克服了传统寻味嗅觉***无法采集足够多空间点的气味信息这一缺陷。本发明提出的气味采样装置可使仿生立体电子鼻的味源方位识别能力、适用性、稳定性和可靠性等各方面大大增强。
3) 本发明采用了概率神经网络PNN识别模型识别算法,并利用概率神经网络PNN识别模型可扩充分布式空间结构和丰富的时间动力特性来提取气敏传感器阵列的时空特性。使***模式识别性能上比传统人工神经网络更近似于生物神经***,同时又解决了传统电子鼻因对信号进行降维处理而导致信息丢失的问题,从而有利于提高电子鼻的味源方位识别精度和通用性。
附图说明
图1 仿生气味传感采样装置原理示意图
图2 味源方位确定示意图
图3 味源探测仪框架图
图4 气体传感器测量电路
图5 马达转动过程
图6 PNN拓朴结构。
具体实施方式
所述的模仿哺乳动物鼻子和颈部的气体传感装置由气体传感器阵列、马达和其他辅助器材等构成,如图1所示。该装置中有两个用防渗透的聚乙烯材料制成的气体管道(下面简称气道),每个气道一端封闭,并在密封端安装上气体传感器。两气道之间成90°夹角,这样,当一个气道正对着气味烟羽时,气味分子可从管道外扩散到密封端的速度较快。而另一个气道则与气味烟羽垂直,气味分子可从管道外扩散到密封端的速度较慢。气体传感器阵列和气道组成的这种装置,在结构和功能上哺乳动物鼻子有点相似,两气道中传感器响应的差异能反映出烟羽方位。由于气体传感器阵列固定在马达的转轴上,马达可以带动气体传感器阵列在水平方向360°范围内转动,达到模仿哺乳动物颈部的功能。
味源探测仪所要完成的任务就是判断气味扩散来源的方位与两气道夹角角平分线所成的角度α,如下图2所示: α角度在-180°至180°之间,为检测方便,本发明将所有角度范围分成若干个区域,具体划分方法为:首先简单地把所有区域划分为前后两个区域,再把前半区域划分成L等分,也即是说所有角度范围被划分成L+1个区域。探测仪的任务就是判断气味是从哪个区域散发过来的。
味源处于不同方位,探测仪周围空间中气味空间分布具有不同的模式。探测仪主要通过空间中气味分布信息来判断味源方位,所以需要通过转动气味传感阵列以获取更多气味分布的空间信息。根据上述原理,所设计的味源探测仪主要由如图3所示的气体传感器阵列、信号调理电路、A/D采样电路、马达、驱动电路、Cortex M3 CPU、DSP处理器、电源、按键、LCD和通讯接口等模块组成。
气体传感器阵列采用金属氧化物气敏传感器,如日本Figaro公司生产的商业化比较成功的TGS系列金属氧化物传感器。具体选择时,可以根据所需检测气味类型来选择具体的传感器型号。例如,检测酒精、天然气等气味散发源时,可选择TGS822,因为该传感器对酒精、天然气等易燃气体非常敏感。马达可采用一般的小功率步进马达,步进马达的转动通过CPU输出并经驱动电路进行功率放大的PWM波来控制。驱动电路则采用通用的L298N电机驱动芯片。
金属氧化物传感器工作原理是其电阻值会随着周围环境中气味分子浓度变化而发生变化。也就是说,传感器电阻值大小,反映了环境中还原性气体分子浓度的大小,一般地,阻值越小,待测还原性气味浓度越高。因此,气体传感器信号采集电路采用传统的电阻分压形式,如下图4所示。图中Rs表示气体传感器电阻,RL为参考电阻,回路所加测量电压为Vc。根据欧姆定律,VRL输出为高阻时,RL上的分压为RL*Vc/(RL+Rs)。为保证VRL不随负载而改变,在电阻分压电路后增加一个电压跟随电路。跟随电路选用CMOS器件的LM353双极型运算放大器,其输入电阻可以达到1012欧姆,能有效地隔离前后电路,使传感器测量电阻分压电路不受后面电路的影响。
采用STM32F103 ARM Cortex M3 CPU实现马达控制、传感器信号采集、DSP处理器协调、按键处理、结果显示、以及与其他仪器通讯等功能。该CPU有多路16位的PWM波输出口,通过这些PWM输出口,***能方便地进行步进马达控制,如启动、停止、正转或反转一定角度等。传感器信号先经放大、量程切换和滤波等信号调理电路处理,然后输到CPU其内部自带的12位AD转换器输入端进行采集。Cortex M3 CPU通过控制马达转动并同时采集判断味源方位所需的气体传感器数据信息,其具体工作流程如下图5所示。
正如图5所示,气体传感器阵列的运动过程为:初始位置→逆时针45度位置→初始位置→顺时针45度位置→初始位置。在这几个特殊位置静止T(10-30)秒,每次转动速度为ν(1.5-5.0度/秒)。
传感器阵列信号采样速率可以设在10Hz,所以整个过程采集到的数据比较庞大。为便于DSP分析处理,Cortex M3 CPU从这些数据中提取最能代表传感器数据的特征,如传感器在每个静止或转动过程的初始及末尾时刻的响应值、响应平均值、方差等。Cortex M3 CPU将提取到的这些特征值,传送给DSP处理器,后者根据这些数据分析和处理,判断味源方位。
DSP处理器可以选用TI公司的C5000系列DSP芯片,其主要任务是根据所提取的特征值矩阵判断出味源方位。DSP处理器选用概率神经网络PNN识别模型,其结构由输入层、模式层、求和层和输出层等组成,如图6所示。
DSP处理器首先利用PCA主成分分析法把Cortex M3 发送过来的原始特征矩阵进行降维处理,取其3个主元作为PNN识别模型的输入向量。输出为,待匹配的类别数n=L+1(L为探测仪前方划分的子区域个数)。输入层中的神经元数目等于学习样本输入向量数目p,各神经元是简单的分布单元,直接将输入变量传递给样本层。
模式层的节点数为输入样本和待匹配类别的乘积决定,为p*n。模式层是将输入节点传来的输入进行加权求和,然后经过一个激活函数运算后,再传给求和层。这里激活函数采用高斯函数,则输出为:
式中为径向基函数的中心,表示特性函数第i个分量对弈的开关参数。此层中每个节点均为RBF的中心,采用的特性函数为径向基函数—高斯函数,计算未知模式与标准模式间相似度。
求和层各单元只与相应类别的模式单元相连,各单元只依据Parzen方法求和估计各类的概率,即其条件概率为:
PNN不需进行多次充分的计算,就能稳定收敛于Bayes优化解。在训练模式样本一定的情况下,只需进行平滑因子的调节,网络收敛快。平滑因子值的大小决定了模式样本点之间的影响程度,关系到概率密度分布函数的变化。
基于前文所述的技术和方法,我们可以构建出实时味源探测仪,构建的具体步骤如下:
第一步:采集数据;基于前文所述的以Cortex M3 CPU为核心的***采集n种不同味源方位的实验数据,并传送到PC平台中。
第二步:在PC平台的Matlab 环境中进行网络训练;选取一定数量的样本数据(每种味源方位至少30个,共30*L个)作为训练和测试的数据。以其中的20*L个数据作为训练样本,以L+1(1、2、3、…、L、L+1)类方位作为期望输出矢量。训练网络从而得到味源方位识别的PNN网络模型。
第三步:进行网络性能测试;网络训练完成后,以另外10*L个数据作为测试样本,进行网络性能检验。将各层神经元间的连接权值代回网络中,对训练样本进行回归模拟;当训练样本的期望值输出与PNN网络的仿真输出完全重合时,这说明网络已训练成功,可用来预测未知样本的类别。
第四步:将PC平台Matlab仿真环境中的PNN模型移植到DSP处理器中,使其可以实时分析处理Cortex M3 CPU检测的数据,并将分类结果反馈给Cortex M3 CPU,后者将结果实时显示到LCD屏幕,完成整个实时味源探测仪的设计。
Claims (13)
1.一种模仿动物嗅觉器官结构的立体电子鼻,其特征在于主要由气体传感器阵列、信号调理电路、A/D采样电路、马达、驱动电路、Cortex M3 CPU、DSP处理器、电源、按键、LCD和通讯接口等模块组成,此外,还包括由聚乙烯材料制成的气体管道,每个气道一端封闭,并在密封端安装上气体传感器。
2.两气道之间成90°夹角,这样,当一个气道正对着气味烟羽时,气味分子可从管道外扩散到密封端的速度较快,而另一个气道则与气味烟羽垂直,气味分子可从管道外扩散到密封端的速度较慢,由于气体传感器阵列固定在马达的转轴上,马达可以带动气体传感器阵列在水平方向360°范围内转动,达到模仿哺乳动物颈部的功能,所述DSP处理器可以选用TI公司的C5000系列DSP芯片,其主要任务是根据所提取的特征值矩阵判断出味源方位,DSP处理器选用概率神经网络PNN识别模型,其结构由输入层、模式层、求和层和输出层等组成,DSP处理器首先利用PCA主成分分析法把Cortex M3 发送过来的原始特征矩阵进行降维处理,取其3个主元作为PNN识别模型的输入向量 ,输出为,待匹配的类别数n=L+1,L为探测仪前方划分的子区域个数。
3.输入层中的神经元数目等于学习样本输入向量数目p,各神经元是简单的分布单元,直接将输入变量传递给样本层。
4.根据权利要求1所述的立体电子鼻,其特征在于:模式层的节点数为输入样本和待匹配类别的乘积决定,为p*n。
5.模式层是将输入节点传来的输入进行加权求和,然后经过一个激活函数运算后,再传给求和层。
7.此层中每个节点均为RBF的中心,采用的特性函数为径向基函数—高斯函数,计算未知模式与标准模式间相似度。
9.先验概率记为P(X)。
10.根据权利要求3所述的立体电子鼻,其特征在于:决策输出层节点数等于待匹配类别数,为p。
12.根据权利要求1所述的立体电子鼻,其特征在于:气体传感器阵列采用金属氧化物气敏传感器,如日本Figaro公司生产的商业化比较成功的TGS系列金属氧化物传感器,马达可采用一般的小功率步进马达,步进马达的转动通过CPU输出并经驱动电路进行功率放大的PWM波来控制。
13.驱动电路则采用通用的L298N电机驱动芯片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310633939.7A CN103630698A (zh) | 2013-12-03 | 2013-12-03 | 一种模仿动物嗅觉器官结构的立体电子鼻 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310633939.7A CN103630698A (zh) | 2013-12-03 | 2013-12-03 | 一种模仿动物嗅觉器官结构的立体电子鼻 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103630698A true CN103630698A (zh) | 2014-03-12 |
Family
ID=50211962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310633939.7A Pending CN103630698A (zh) | 2013-12-03 | 2013-12-03 | 一种模仿动物嗅觉器官结构的立体电子鼻 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103630698A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104007240A (zh) * | 2014-06-13 | 2014-08-27 | 重庆大学 | 一种基于双目识别与电子鼻网络气体检测的融合定位技术 |
CN105067766A (zh) * | 2015-07-29 | 2015-11-18 | 吉林大学 | 一种气源搜索定位装置 |
CN109313100A (zh) * | 2016-06-30 | 2019-02-05 | 株式会社开滋 | 阀用耐压检查装置和其检查方法、以及氢气检测单元 |
JP2020012732A (ja) * | 2018-07-18 | 2020-01-23 | 富士通株式会社 | におい測定装置、におい測定システム、及び、におい測定方法 |
CN110794090A (zh) * | 2019-10-22 | 2020-02-14 | 天津大学 | 情感电子鼻实现方法 |
CN113049749A (zh) * | 2021-03-12 | 2021-06-29 | 中国农业大学 | 一种电子鼻检测*** |
CN114295790A (zh) * | 2022-01-27 | 2022-04-08 | 北京爱克塞科技有限公司 | 一种高分辨差分自寻的智能仿生鼻***及其工作方法 |
CN114878666A (zh) * | 2021-11-11 | 2022-08-09 | 艾感科技(广东)有限公司 | 一种低功耗环境监测装置 |
CN115684316A (zh) * | 2022-11-08 | 2023-02-03 | 广州市中耕信息技术有限公司 | 基于mos气敏传感器阵列的仿生电子鼻的气味识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0712671A (ja) * | 1993-06-21 | 1995-01-17 | Res Dev Corp Of Japan | 自律移動型におい・ガス源探知システム及びにおい・ガス源探知装置 |
JPH07260618A (ja) * | 1994-03-25 | 1995-10-13 | Res Dev Corp Of Japan | におい源方向判定プローブ及びそれを用いたにおい源探知方法 |
JPH08261893A (ja) * | 1995-03-24 | 1996-10-11 | Res Dev Corp Of Japan | におい源方向判定プローブ及びそれを用いたにおい源探知方法 |
JPH09304319A (ja) * | 1996-05-16 | 1997-11-28 | Kagaku Gijutsu Shinko Jigyodan | におい源探知コンパス |
-
2013
- 2013-12-03 CN CN201310633939.7A patent/CN103630698A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0712671A (ja) * | 1993-06-21 | 1995-01-17 | Res Dev Corp Of Japan | 自律移動型におい・ガス源探知システム及びにおい・ガス源探知装置 |
JPH07260618A (ja) * | 1994-03-25 | 1995-10-13 | Res Dev Corp Of Japan | におい源方向判定プローブ及びそれを用いたにおい源探知方法 |
JPH08261893A (ja) * | 1995-03-24 | 1996-10-11 | Res Dev Corp Of Japan | におい源方向判定プローブ及びそれを用いたにおい源探知方法 |
JPH09304319A (ja) * | 1996-05-16 | 1997-11-28 | Kagaku Gijutsu Shinko Jigyodan | におい源探知コンパス |
Non-Patent Citations (4)
Title |
---|
姜绍飞等: "《结构健康监测与智能信息处理技术及应用》", 28 February 2011, article "《5.3基于概率神经网络的结构探伤检测》", pages: 180-181 - 5.3 * |
李吉功等: "《时变流场环境中机器人跟踪气味烟羽方法》", 《自动化学报》, vol. 35, no. 10, 31 October 2009 (2009-10-31), pages 1327 - 1332 * |
李祚泳等: "《环境信息规范对称与普适性》", 30 April 2011, article "《3.12概率神经网络分析方法》", pages: 61-63 - 3.12 * |
马剑伟: "《电子鼻空气质量检测***研究》", 《中国优秀硕士学位论文全文数据库信息科技辑》, 15 March 2011 (2011-03-15) * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104007240B (zh) * | 2014-06-13 | 2015-08-26 | 重庆大学 | 一种基于双目识别与电子鼻网络气体检测的融合定位技术 |
CN104007240A (zh) * | 2014-06-13 | 2014-08-27 | 重庆大学 | 一种基于双目识别与电子鼻网络气体检测的融合定位技术 |
CN105067766A (zh) * | 2015-07-29 | 2015-11-18 | 吉林大学 | 一种气源搜索定位装置 |
US11162914B2 (en) | 2016-06-30 | 2021-11-02 | Kitz Corporation | Pressure-resistance inspection apparatus for valves and its inspection method, and hydrogen gas detection unit |
CN109313100A (zh) * | 2016-06-30 | 2019-02-05 | 株式会社开滋 | 阀用耐压检查装置和其检查方法、以及氢气检测单元 |
CN109313100B (zh) * | 2016-06-30 | 2021-12-21 | 株式会社开滋 | 阀用耐压检查装置和其检查方法、以及氢气检测单元 |
JP2020012732A (ja) * | 2018-07-18 | 2020-01-23 | 富士通株式会社 | におい測定装置、におい測定システム、及び、におい測定方法 |
JP7024643B2 (ja) | 2018-07-18 | 2022-02-24 | 富士通株式会社 | におい測定装置、におい測定システム、及び、におい測定方法 |
CN110794090A (zh) * | 2019-10-22 | 2020-02-14 | 天津大学 | 情感电子鼻实现方法 |
CN113049749A (zh) * | 2021-03-12 | 2021-06-29 | 中国农业大学 | 一种电子鼻检测*** |
CN113049749B (zh) * | 2021-03-12 | 2022-05-10 | 中国农业大学 | 一种电子鼻检测*** |
CN114878666A (zh) * | 2021-11-11 | 2022-08-09 | 艾感科技(广东)有限公司 | 一种低功耗环境监测装置 |
CN114878666B (zh) * | 2021-11-11 | 2024-04-16 | 艾感科技(广东)有限公司 | 一种低功耗环境监测装置 |
CN114295790A (zh) * | 2022-01-27 | 2022-04-08 | 北京爱克塞科技有限公司 | 一种高分辨差分自寻的智能仿生鼻***及其工作方法 |
CN114295790B (zh) * | 2022-01-27 | 2023-09-26 | 北京爱克塞科技有限公司 | 一种高分辨差分自寻的智能仿生鼻***及其工作方法 |
CN115684316A (zh) * | 2022-11-08 | 2023-02-03 | 广州市中耕信息技术有限公司 | 基于mos气敏传感器阵列的仿生电子鼻的气味识别方法 |
CN115684316B (zh) * | 2022-11-08 | 2023-12-22 | 中耕生态环境科技(广州)有限公司 | 基于mos气敏传感器阵列的仿生电子鼻的气味识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103630698A (zh) | 一种模仿动物嗅觉器官结构的立体电子鼻 | |
Hernandez Bennetts et al. | Mobile robots for localizing gas emission sources on landfill sites: is bio-inspiration the way to go? | |
Li et al. | Deep reinforcement learning (DRL): Another perspective for unsupervised wireless localization | |
Jing et al. | Recent progress and trend of robot odor source localization | |
Ishida et al. | Chemical sensing in robotic applications: A review | |
Marques et al. | Olfaction-based mobile robot navigation | |
CN104020674B (zh) | 车辆Bug避障算法的Matlab仿真可视化平台 | |
Ishida et al. | Three-dimensional odor compass | |
Yuan et al. | Target detection, positioning and tracking using new UAV gas sensor systems: Simulation and analysis | |
Awadalla et al. | 3D framework combining CFD and MATLAB techniques for plume source localization research | |
Rahbar et al. | A 3-D bio-inspired odor source localization and its validation in realistic environmental conditions | |
Chen et al. | Combining particle filter algorithm with bio-inspired anemotaxis behavior: A smoke plume tracking method and its robotic experiment validation | |
Neumann et al. | From insects to micro air vehicles—A comparison of reactive plume tracking strategies | |
CN103298156B (zh) | 基于无线传感器网络的无源多目标检测跟踪方法 | |
Yang et al. | Experimental study on three single-robot active olfaction algorithms for locating contaminant sources in indoor environments with no strong airflow | |
Lilienthal et al. | Gas source declaration with a mobile robot | |
Yuan et al. | Autonomous tracking of chemical plumes developed in both diffusive and turbulent airflow environments using Petri nets | |
CN106175779A (zh) | 一种动物健康监测*** | |
Wang et al. | Robotic odor source localization via adaptive bio-inspired navigation using fuzzy inference methods | |
Ma et al. | Location of contaminant emission source in atmosphere based on optimal correlated matching of concentration distribution | |
Shen et al. | A novel plume tracking method in partial 3D diffusive environments using multi-sensor fusion | |
JP6862201B2 (ja) | 匂いの方向および位置探知が可能な嗅覚情報生成装置および生成方法 | |
Wang et al. | Odor source localization of multi-robots with swarm intelligence algorithms: A review | |
Ruddick et al. | Design and performance evaluation of an infotaxis-based three-dimensional algorithm for odor source localization | |
Prabowo et al. | Integration of Bayesian inference and anemotaxis for robotics gas source localization in a large cluttered outdoor environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140312 |