CN107132315A - 信号识别方法、装置及挥发性有机物检测设备 - Google Patents
信号识别方法、装置及挥发性有机物检测设备 Download PDFInfo
- Publication number
- CN107132315A CN107132315A CN201710340937.7A CN201710340937A CN107132315A CN 107132315 A CN107132315 A CN 107132315A CN 201710340937 A CN201710340937 A CN 201710340937A CN 107132315 A CN107132315 A CN 107132315A
- Authority
- CN
- China
- Prior art keywords
- signal
- organic matter
- volatile organic
- module
- concentration
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
- G01N27/64—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode using wave or particle radiation to ionise a gas, e.g. in an ionisation chamber
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Electrochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Engineering & Computer Science (AREA)
- Toxicology (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Molecular Biology (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
Abstract
本发明实施例提供信号识别方法、装置及挥发性有机物检测设备,涉及空气污染物监测技术领域。挥发性有机物检测设备用于对VOCs进行在线检测,挥发性有机物检测设备存储有信号识别方法及装置的应用程序,可对VOCs污染物进行采集,通过气体传感器阵列的响应,将响应的信号进行预处理、采样、特征提取、识别和计算,得到VOCs中所含气体的种类和对应的浓度,能够快速准确地监测喷涂过程VOCs污染物。不仅可以为环境监控提供有效的监测数据,而且可以为改善喷涂工艺和技术提供理论上的支撑。
Description
技术领域
本发明涉及空气污染物监测技术领域,具体而言,涉及一种信号识别方法、装置及挥发性有机物检测设备。
背景技术
近年来,我国空气质量恶化严重,区域性的雾霾天气和臭氧污染事件频繁发生,挥发性有机物(volatile organic compounds,VOCs)长期的大量排放是主要因素之一。据统计,城市中的VOCs主要来源于固定污染源废气排放,约占整个人为排放源的55.5%。由于存在涂装工序的企业产品结构的多元化,涂装材料种类、形态各异,涂装过程中采用的工艺也各异,造成VOCs的排放环节和排放特征也各有不同,现在还缺乏对涂装企业(特别是中小涂装企业,如金属制品业)VOCs污染有效的监测,导致大多数存在涂装工序的企业VOCs排放得不到有效控制。
VOCs测定有两种常见的方法,一种是基于气相色谱的离线检测方法,另一种是基于电化学传感器的在线监测方法。目前针对固定污染源VOCs的监测是以现场手工采样回到实验室分析为主,气相色谱或色质联用分析方法是目前公认的VOCs标准检测方法,它能对污染物组成进行全面分析,对污染物浓度精确定量,但其仪器设备价格昂贵,测试成本高,需要专业人员操作,无法满足现场检测的要求,并且离线方法时效性差,无法及时反映气体浓度变化情况,在采样、样品储存、运输过程易导致样品损失和交叉污染,测试过程繁琐、成本较高。在线监测的传感器方法可以采用单个的传感器对VOCs某一成分做定量的分析,如氢火焰离子化检测法(FID)、基于光离子化传感器(PID)法可以测定VOCs总量,但是仅测定VOCs总量并不能完全反映涂装污染物的排放情况。
发明内容
有鉴于此,本发明实施例提供一种信号识别方法、装置及挥发性有机物检测设备,以改善上述问题。
本发明实施例提供一种信号识别方法,应用于挥发性有机物检测设备,所述挥发性有机物检测设备包括气体传感器阵列,所述方法包括:对所述气体传感器阵列响应的信号进行采样;对采样的信号进行特征提取;利用人工神经网络算法对提取后的信号进行识别;对识别出的信号进行数据处理,得到对应的挥发性有机物的种类和浓度。
进一步地,所述对采样的信号进行特征提取的步骤还包括:利用主成分分析法对采样的信号进行特征提取,及利用独立成分分析法分解出多通道信号中的独立成分,并进行特征筛选。
进一步地,所述方法还包括:将所述挥发性有机物的种类和浓度进行记录。
进一步地,所述方法还包括:将计算出的挥发性有机物的浓度和对应种类的挥发性有机物的预设浓度作对比,若计算出的挥发性有机物的浓度大于对应种类的挥发性有机物的预设浓度,发出报警指令。
本发明实施例还提供一种信号识别装置,应用于挥发性有机物检测设备,所述挥发性有机物检测设备包括气体传感器阵列,所述装置包括:采样模块,用于对所述气体传感器阵列响应的信号进行采样;特征提取模块,用于对采样的信号进行特征提取;模式识别模块,用于利用人工神经网络算法对提取后的信号进行识别;计算模块,用于对识别出的信号进行数据处理,得到对应的挥发性有机物的种类和浓度。
进一步地,所述特征提取模块还用于利用主成分分析法对采样的信号进行特征提取,及利用独立成分分析法分解出多通道信号中的独立成分,并进行特征筛选。
进一步地,所述信号识别装置还包括记录模块,用于将所述挥发性有机物的种类和浓度进行记录。
进一步地,所述信号识别装置还包括对比模块和报警模块,所述对比模块用于将计算出的挥发性有机物的浓度和对应种类的挥发性有机物的预设浓度作对比;所述报警模块用于若计算出的挥发性有机物的浓度大于对应种类的挥发性有机物的预设浓度,发出报警指令。
本发明实施例还提供一种挥发性有机物检测设备,所述挥发性有机物检测设备包括气体传感器阵列,所述气体传感器阵列被配置成对挥发性有机物进行检测;处理器;存储器;及信号识别装置;所述信号识别装置被配置成存储于所述存储器,并包括一个或多个由所述处理器执行的功能模块,所述信号识别装置包括:采样模块,用于对所述气体传感器阵列响应的信号进行采样;特征提取模块,用于对采样的信号进行特征提取;模式识别模块,用于利用人工神经网络算法对提取后的信号进行识别;计算模块,用于对识别出的信号进行数据处理,得到对应的挥发性有机物的种类和浓度。
进一步地,所述设备还包括:数据采集电路,所述数据采集电路连接于所述气体传感器阵列与所述处理器之间,所述数据采集电路被配置成将所述气体传感器阵列发送的模拟信号转换成数字信号;报警器,被配置成响应所述处理器的报警指令,发出报警声响;集成控制单元,被配置成响应所述处理器的报警指令,控制启动挥发性有机物处理***。
与现有技术相比,本发明实施例提供的挥发性有机物检测设备用于对VOCs进行在线检测,挥发性有机物检测设备存储有信号识别方法及装置的应用程序,可对VOCs污染物进行采集,通过气体传感器阵列的响应,将响应的信号进行预处理、采样、特征提取、识别和计算,得到VOCs中所含气体的种类和对应的浓度,能够快速准确地监测喷涂过程VOCs污染物。不仅可以为环境监控提供有效的监测数据,而且可以为改善喷涂工艺和技术提供理论上的支撑。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明第一实施例提供的挥发性有机物检测设备的结构框图。
图2为本发明第一实施例提供的信号识别装置的功能模块示意图。
图3为本发明第一实施例提供的挥发性有机物检测设备的工作原理图。
图4为本发明第二实施例提供的信号识别方法的流程图。
图标:100-挥发性有机物检测设备;101-存储器;102-存储控制器;103-处理器;104-外设接口;105-显示单元;106-气体传感器阵列;107-数据采集电路;108-报警器;109-集成控制单元;200-信号识别装置;201-采样模块;202-特征提取模块;203-模式识别模块;204-计算模块;205-记录模块;206-对比模块;207-报警模块;300-试验箱。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
第一实施例
请参考图1,是本发明第一实施例提供的挥发性有机物检测设备100的结构框图。本发明实施例提供的挥发性有机物检测设备100用于对在喷涂作业中对挥发性有机物(volatile organic compounds,VOCs)的成分和含量进行检测,以预防和治理VOCs污染。常见的VOCs包括苯、甲苯、乙苯、二甲苯、甲醇、乙醇、丙酮、异丙醇,优选为苯系物。
所述挥发性有机物检测设备100包括多个硬件和软件功能模块,挥发性有机物检测设备100可以搭载安卓(Android)***、IOS(iPhone operating system)***、Windowsphone***、Windows***等,为多个软件功能模块提供运行环境。于本发明实施例中,所述信号识别为安装于挥发性有机物检测设备100中的应用程序(Application,APP)。所述挥发性有机物检测设备100还包括存储器101、存储控制器102、处理器103、外设接口104、显示单元105、气体传感器阵列106、数据采集电路107、报警器108及集成控制单元109。
所述存储器101、存储控制器102、处理器103、外设接口104、显示单元105、气体传感器阵列106、数据采集电路107、报警器108及集成控制单元109,各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述信号识别装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器101中或固化在所述挥发性有机物检测设备100的操作***(operating system,OS)中的软件功能模块。所述处理器103用于执行存储器101中存储的可执行模块,例如,所述信号识别装置200包括的软件功能模块或计算机程序。
存储器101可用于存储软件程序以及模组,如本发明实施例中的信号识别方法及装置对应的程序指令/模块。所述处理器103用于执行所述存储器101中存储的可执行模块,例如信号识别装置200所包括的软件功能模块及计算机程序等。
存储器101可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。处理器103以及其他可能的组件对存储器101的访问可在存储控制器104的控制下进行。
处理器103可能是一种集成电路芯片,具有信号的处理能力。上述的处理器103可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器103也可以是任何常规的处理器等。
所述外设接口104将各种输入/输出装置耦合至处理器103以及存储器101。在一些实施例中,外设接口104,处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中,他们可以分别由独立的芯片实现。
显示单元105在所述挥发性有机物检测设备100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中,所述显示单元105可以是液晶显示器或触控显示器。优选地,该显示单元105可用于显示挥发性有机物检测设备100检测到的VOCs的成分和各成分含量数值。
所述气体传感器阵列106可以包括TGS系列传感器、PID光离子传感器及电化学传感器。优选的,所述气体传感器阵列106由7个TGS系列传感器、1个PID光离子传感器及2个电化学传感器组成。所述气体传感器阵列106对VOCs具有敏感性,能够检测出VOCs含有的化合物,并且气体传感器阵列106与数据采集电路107电连接,气体传感器阵列106检测出VOCs后,响应的信号为模拟信号,将响应的模拟信号传输至数据采集电路107。
所述数据采集电路107可以包括多个采集卡,如可包括A/D采集卡等。还具有信号预处理的功能,可以包括滤波电路,能够将转换的数字信号进行滤波和去噪。通过外设接口104将采集的数字信号发送至处理器103,由处理器103进行处理。
所述报警器108用于响应处理器103发出的控制指令,发出报警,本实施例中,所述报警器108为声光报警器。
所述集成控制单元109用于响应所述处理器103的报警指令,控制启动挥发性有机物处理***,所述挥发性有机物处理***能够对室内的VOCs污染物进行处理。
请参考图2,是本发明第一实施例提供的信号识别装置200的功能模块示意图。所述信号识别装置200包括采样模块201、特征提取模块202、模式识别模块203及计算模块204。
所述采样模块201,用于对所述气体传感器阵列106响应的信号进行采样。本实施例中,气体传感器阵列106响应的信号经过数据采集电路107预处理后,采样模块201对预处理后的信号进行采集。为由气体传感器阵列106响应对应的敏感气体后产生的模拟信号,再由数据采集电路107处理后的数字信号,即为采样的信号。
所述特征提取模块202,用于对采样的信号进行特征提取。本实施例中,利用主成分分析法对采样的信号进行特征提取,及利用独立成分分析法分解出多通道信号中的独立成分,并进行特征筛选。主成分分析也称主分量分析,旨在利用降维的思想,把多指标转化为少数几个综合指标(即主成分),其中每个主成分都能够反映原始变量的大部分信息,且所含信息互不重复;独立成分分析是指从独立源混合信号中恢复出独立的源信号,是一种盲源分离的方法。
所述模式识别模块203,用于利用人工神经网络算法对提取后的信号进行识别。逻辑性的思维是指根据逻辑规则进行推理的过程,它先将信息化成概念,并用符号表示,然后,根据符号运算按串行模式进行逻辑推理,这一过程可以写成串行的指令,让计算机执行,即为人工神经网络算法。
所述计算模块204,用于对识别出的信号进行数据处理,得到对应的挥发性有机物的种类和浓度。优选的,可以依据用户指令,在存储器101中调取对应的数据处理方法对识别出的信号进行数据处理,得到对应的挥发性有机物的种类和浓度。例如,可以在不同温度状态下选择不同的数据处理方法或模式。
所述信号识别装置200还包括记录模块205、对比模块206和报警模块207。所述记录模块205用于将所述挥发性有机物的种类和浓度进行记录,并将记录的挥发性有机物的种类和浓度存储到存储器101中。信号识别装置200还可以依据存储的VOCs的种类和浓度以及对应的时刻建立二维图,可为喷涂工艺和技术提供理论上的支撑。
所述对比模块206用于将计算出的挥发性有机物的浓度和对应种类的挥发性有机物的预设浓度作对比;所述报警模块207用于若计算出的挥发性有机物的浓度大于对应种类的挥发性有机物的预设浓度,发出报警指令,控制报警器108发出报警声响。
请参考图3,是本发明第一实施例提供的挥发性有机物检测设备100的工作原理图。所述挥发性有机物检测设备100可以包括VOCs采样单元、传感器阵列检测单元、信号识别装置200以及集成控制单元109。
所述VOCs采样单元用于进行气体采集,可以包括依次相连的进气管、冷凝器、过滤器、干燥器、抽气泵和流量计。传感器阵列检测单元用于信号采样及信号预处理,包括试验箱300,安装在试验箱300内的气体传感器阵列106,与气体传感器阵列106相连的加热电源、工作电源和数据采集电路107。
当VOCs经过进气管进入到试验箱300后,试验箱300内的气体传感器阵列106对采集的气体进行信号采样,气体传感器阵列106将采样的模拟信号发送至数据采集电路107经过模数转换、滤波、去噪后发送至处理器,由处理器103执行存储在存储器101中的信号识别装置200进行信号识别、计算,最后得到VOCs中各个种类和对应的浓度。
第二实施例
请参考图4,是本发明第二实施例提供的信号识别方法的流程图。本发明第二实施例提供的信号识别方法包括以下步骤:
步骤S101,对所述气体传感器阵列106响应的信号进行采样。
具体的,气体传感器阵列106响应的信号经过数据采集电路107预处理后,采样模块201对预处理后的信号进行采集。为由气体传感器阵列106响应对应的敏感气体后产生的模拟信号,再由数据采集电路107处理后的数字信号,即为采样的信号。
本发明实施例中,所述步骤S101可以由采样模块201执行。
步骤S102,对采样的信号进行特征提取。
利用主成分分析法对采样的信号进行特征提取,及利用独立成分分析法分解出多通道信号中的独立成分,并进行特征筛选。主成分分析也称主分量分析,旨在利用降维的思想,把多指标转化为少数几个综合指标(即主成分),其中每个主成分都能够反映原始变量的大部分信息,且所含信息互不重复;独立成分分析是指从独立源混合信号中恢复出独立的源信号,是一种盲源分离的方法。
本发明实施例中,所述步骤S102可以由特征提取模块202执行。
步骤103,利用人工神经网络算法对提取后的信号进行识别。
本发明实施例中,所述步骤S103可以由模式识别模块203执行。
步骤104,对识别出的信号进行数据处理,得到对应的挥发性有机物的种类和浓度。
本发明实施例中,所述步骤S104可以由计算模块204执行。
步骤105,将所述挥发性有机物的种类和浓度进行记录。
本发明实施例中,所述步骤S105可以由记录模块205执行。记录模块205将所述挥发性有机物的种类和浓度进行记录,并将记录的挥发性有机物的种类和浓度存储到存储器101中。
步骤106,计算出的VOCs的浓度是否大于预设浓度?
将计算出的挥发性有机物的浓度和对应种类的挥发性有机物的预设浓度作对比,若计算出的挥发性有机物的浓度小于或等于对应种类的挥发性有机物的预设浓度,则结束;若计算出的挥发性有机物的浓度大于对应种类的挥发性有机物的预设浓度,则执行步骤S107。
本发明实施例中,所述步骤S106可以由对比模块206执行。
步骤107,发出报警指令。所述报警指令可以控制报警器108发出报警声响,还可以控制述集成控制单元109启动挥发性有机物处理***,所述挥发性有机物处理***能够对室内的VOCs污染物进行处理。
本发明实施例中,所述步骤S107可以由报警模块207执行。
综上所述,本发明实施例提供的挥发性有机物检测设备用于对VOCs进行在线检测,挥发性有机物检测设备存储有信号识别方法及装置的应用程序,可对VOCs污染物进行采集,通过气体传感器阵列的响应,将响应的信号进行预处理、采样、特征提取、识别和计算,得到VOCs中所含气体的种类和对应的浓度,能够快速准确地监测喷涂过程VOCs污染物。不仅可以为环境监控提供有效的监测数据,而且可以为改善喷涂工艺和技术提供理论上的支撑。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种信号识别方法,应用于挥发性有机物检测设备,所述挥发性有机物检测设备包括气体传感器阵列,其特征在于,所述方法包括:
对所述气体传感器阵列响应的信号进行采样;
对采样的信号进行特征提取;
利用人工神经网络算法对提取后的信号进行识别;
对识别出的信号进行数据处理,得到对应的挥发性有机物的种类和浓度。
2.根据权利要求1所述的信号识别方法,其特征在于,所述对采样的信号进行特征提取的步骤还包括:利用主成分分析法对采样的信号进行特征提取,及利用独立成分分析法分解出多通道信号中的独立成分,并进行特征筛选。
3.根据权利要求1所述的信号识别方法,其特征在于,所述方法还包括:将所述挥发性有机物的种类和浓度进行记录。
4.根据权利要求1所述的信号识别方法,其特征在于,所述方法还包括:将计算出的挥发性有机物的浓度和对应种类的挥发性有机物的预设浓度作对比,若计算出的挥发性有机物的浓度大于对应种类的挥发性有机物的预设浓度,发出报警指令。
5.一种信号识别装置,应用于挥发性有机物检测设备,所述挥发性有机物检测设备包括气体传感器阵列,其特征在于,所述装置包括:
采样模块,用于对所述气体传感器阵列响应的信号进行采样;
特征提取模块,用于对采样的信号进行特征提取;
模式识别模块,用于利用人工神经网络算法对提取后的信号进行识别;
计算模块,用于对识别出的信号进行数据处理,得到对应的挥发性有机物的种类和浓度。
6.根据权利要求5所述的信号识别装置,其特征在于,所述特征提取模块还用于利用主成分分析法对采样的信号进行特征提取,及利用独立成分分析法分解出多通道信号中的独立成分,并进行特征筛选。
7.根据权利要求5所述的信号识别装置,其特征在于,所述信号识别装置还包括记录模块,用于将所述挥发性有机物的种类和浓度进行记录。
8.根据权利要求5所述的信号识别装置,其特征在于,所述信号识别装置还包括对比模块和报警模块,所述对比模块用于将计算出的挥发性有机物的浓度和对应种类的挥发性有机物的预设浓度作对比;
所述报警模块用于若计算出的挥发性有机物的浓度大于对应种类的挥发性有机物的预设浓度,发出报警指令。
9.一种挥发性有机物检测设备,其特征在于,所述挥发性有机物检测设备包括气体传感器阵列,所述气体传感器阵列被配置成对挥发性有机物进行检测;
处理器;
存储器;及
信号识别装置;
所述信号识别装置被配置成存储于所述存储器,并包括一个或多个由所述处理器执行的功能模块,所述信号识别装置包括:
采样模块,用于对所述气体传感器阵列响应的信号进行采样;
特征提取模块,用于对采样的信号进行特征提取;
模式识别模块,用于利用人工神经网络算法对提取后的信号进行识别;
计算模块,用于对识别出的信号进行数据处理,得到对应的挥发性有机物的种类和浓度。
10.根据权利要求9所述的挥发性有机物检测设备,其特征在于,所述设备还包括:
数据采集电路,所述数据采集电路连接于所述气体传感器阵列与所述处理器之间,所述数据采集电路被配置成将所述气体传感器阵列发送的模拟信号转换成数字信号;
报警器,被配置成响应所述处理器的报警指令,发出报警声响;
集成控制单元,被配置成响应所述处理器的报警指令,控制启动挥发性有机物处理***。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710340937.7A CN107132315A (zh) | 2017-05-12 | 2017-05-12 | 信号识别方法、装置及挥发性有机物检测设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710340937.7A CN107132315A (zh) | 2017-05-12 | 2017-05-12 | 信号识别方法、装置及挥发性有机物检测设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107132315A true CN107132315A (zh) | 2017-09-05 |
Family
ID=59731793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710340937.7A Pending CN107132315A (zh) | 2017-05-12 | 2017-05-12 | 信号识别方法、装置及挥发性有机物检测设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107132315A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111157584A (zh) * | 2020-01-07 | 2020-05-15 | 广东博智林机器人有限公司 | 酒精含量检测方法、装置及检测设备 |
CN111398377A (zh) * | 2020-04-16 | 2020-07-10 | 北方工业大学 | 轨道交通车站气体环境监测***及方法 |
CN113517039A (zh) * | 2020-04-10 | 2021-10-19 | 中国石油化工股份有限公司 | 基于VOCs组分识别生产装置的方法及*** |
CN116718733A (zh) * | 2023-06-28 | 2023-09-08 | 中国海洋大学 | 一种挥发性有机物浓度计算方法、***、电子设备及介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1588030A (zh) * | 2004-07-09 | 2005-03-02 | 大连理工大学 | 一种具有温湿补偿功能的便携式气体检测分析仪 |
CN101614625A (zh) * | 2008-06-27 | 2009-12-30 | 同方威视技术股份有限公司 | 检测毒品、***物等违禁品的门式行人安全检查装置及方法 |
CN101788656A (zh) * | 2010-01-29 | 2010-07-28 | 东南大学 | 功能核磁共振扫描下功能响应信号的甄别方法 |
CN101819177A (zh) * | 2010-04-23 | 2010-09-01 | 王海宝 | 环境空气质量监测*** |
CN102192927A (zh) * | 2010-11-05 | 2011-09-21 | 重庆大学 | 一种基于电子鼻技术的空气质量监测***及其监测方法 |
CN202093008U (zh) * | 2011-05-17 | 2011-12-28 | 中国人民解放军76349部队 | 一种有毒有害气体智能检测仪 |
CN203439256U (zh) * | 2013-09-06 | 2014-02-19 | 中科宇图天下科技有限公司 | 用于污染气体监测与溯源的多旋翼无人飞行器 |
CN103728348A (zh) * | 2013-12-02 | 2014-04-16 | 江苏大学 | 一种室内空气质量电子鼻 |
CN103745466A (zh) * | 2014-01-06 | 2014-04-23 | 北京工业大学 | 一种基于独立成分分析的图像质量评价方法 |
CN104636314A (zh) * | 2015-01-30 | 2015-05-20 | 太原科技大学 | 一种单通道混沌信号盲源分离法 |
CN104792826A (zh) * | 2015-03-23 | 2015-07-22 | 中国农业大学 | 一种基于电子鼻的牛奶新鲜度检测***及方法 |
CN105067768A (zh) * | 2015-07-30 | 2015-11-18 | 安徽中杰信息科技有限公司 | 用于危化品检测的多元混合气体的定量识别*** |
CN105738434A (zh) * | 2016-02-01 | 2016-07-06 | 清华大学深圳研究生院 | 一种基于电子鼻检测呼吸气体的糖尿病诊断*** |
-
2017
- 2017-05-12 CN CN201710340937.7A patent/CN107132315A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1588030A (zh) * | 2004-07-09 | 2005-03-02 | 大连理工大学 | 一种具有温湿补偿功能的便携式气体检测分析仪 |
CN101614625A (zh) * | 2008-06-27 | 2009-12-30 | 同方威视技术股份有限公司 | 检测毒品、***物等违禁品的门式行人安全检查装置及方法 |
CN101788656A (zh) * | 2010-01-29 | 2010-07-28 | 东南大学 | 功能核磁共振扫描下功能响应信号的甄别方法 |
CN101819177A (zh) * | 2010-04-23 | 2010-09-01 | 王海宝 | 环境空气质量监测*** |
CN102192927A (zh) * | 2010-11-05 | 2011-09-21 | 重庆大学 | 一种基于电子鼻技术的空气质量监测***及其监测方法 |
CN202093008U (zh) * | 2011-05-17 | 2011-12-28 | 中国人民解放军76349部队 | 一种有毒有害气体智能检测仪 |
CN203439256U (zh) * | 2013-09-06 | 2014-02-19 | 中科宇图天下科技有限公司 | 用于污染气体监测与溯源的多旋翼无人飞行器 |
CN103728348A (zh) * | 2013-12-02 | 2014-04-16 | 江苏大学 | 一种室内空气质量电子鼻 |
CN103745466A (zh) * | 2014-01-06 | 2014-04-23 | 北京工业大学 | 一种基于独立成分分析的图像质量评价方法 |
CN104636314A (zh) * | 2015-01-30 | 2015-05-20 | 太原科技大学 | 一种单通道混沌信号盲源分离法 |
CN104792826A (zh) * | 2015-03-23 | 2015-07-22 | 中国农业大学 | 一种基于电子鼻的牛奶新鲜度检测***及方法 |
CN105067768A (zh) * | 2015-07-30 | 2015-11-18 | 安徽中杰信息科技有限公司 | 用于危化品检测的多元混合气体的定量识别*** |
CN105738434A (zh) * | 2016-02-01 | 2016-07-06 | 清华大学深圳研究生院 | 一种基于电子鼻检测呼吸气体的糖尿病诊断*** |
Non-Patent Citations (1)
Title |
---|
王化祥: "《现代传感技术及应用》", 30 June 2016 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111157584A (zh) * | 2020-01-07 | 2020-05-15 | 广东博智林机器人有限公司 | 酒精含量检测方法、装置及检测设备 |
CN113517039A (zh) * | 2020-04-10 | 2021-10-19 | 中国石油化工股份有限公司 | 基于VOCs组分识别生产装置的方法及*** |
CN111398377A (zh) * | 2020-04-16 | 2020-07-10 | 北方工业大学 | 轨道交通车站气体环境监测***及方法 |
CN116718733A (zh) * | 2023-06-28 | 2023-09-08 | 中国海洋大学 | 一种挥发性有机物浓度计算方法、***、电子设备及介质 |
CN116718733B (zh) * | 2023-06-28 | 2024-05-31 | 中国海洋大学 | 一种挥发性有机物浓度计算方法、***、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107132315A (zh) | 信号识别方法、装置及挥发性有机物检测设备 | |
Chen et al. | Cointegration testing method for monitoring nonstationary processes | |
US20190041371A1 (en) | Systems and methods for evaluating toxic gas sensors using electrochemical impedance spectroscopy | |
CN111914468A (zh) | 一种空气污染智能监控分析方法及装置 | |
US10895518B2 (en) | Air quality monitoring, analysis and reporting system | |
US20160018373A1 (en) | Systems and methods for monitoring and controlled capture of air samples for analysis | |
CN104317681A (zh) | 针对计算机***的行为异常自动检测方法及检测*** | |
Xue et al. | Multifractal nature of particulate matters (PMs) in Hong Kong urban air | |
WO2015187783A1 (en) | Flow cytometer signal peak identification employing dynamic thresholding | |
CN210376230U (zh) | 用于监测目标气体的气体检测器 | |
CN114965924A (zh) | 污水污染物浓度检测*** | |
Gao et al. | Prediction of vertical PM 2.5 concentrations alongside an elevated expressway by using the neural network hybrid model and generalized additive model | |
CN109633094A (zh) | 一种臭气浓度在线监测方法 | |
CN111241214A (zh) | 用于水利工程的水质远程在线检测方法、装置及电子设备 | |
Freitag et al. | Experimental and analytical investigations of aerosol processes—wash-out and wash-down | |
CN102890140A (zh) | 一种用于检测和识别空气中核生化气溶胶粒子的预警方法 | |
CN107066302A (zh) | 缺陷检测方法、装置及服务终端 | |
Johnson et al. | Reducing the sampling frequency of groundwater monitoring wells | |
CN103983585A (zh) | 一种多参数水质分析仪 | |
CN109856321A (zh) | 异常高值点位的确定方法 | |
KR102449341B1 (ko) | 미세먼지 저감을 위한 IoT 기반의 배출사업장 모니터링 시스템 | |
CN1896742A (zh) | 空间污染实时监测公示仪 | |
CN114730184A (zh) | 用于估算逃逸性排放上的变化的计算机***及方法 | |
CN115980286A (zh) | 一种利用电子鼻对污水处理厂不同阶段废水检测的方法 | |
Waite | Interpretation of Environmental Radioactivity Measurements |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170905 |
|
RJ01 | Rejection of invention patent application after publication |