CN112782233A - 一种基于阵列气体传感器的气体识别方法 - Google Patents
一种基于阵列气体传感器的气体识别方法 Download PDFInfo
- Publication number
- CN112782233A CN112782233A CN202011629006.7A CN202011629006A CN112782233A CN 112782233 A CN112782233 A CN 112782233A CN 202011629006 A CN202011629006 A CN 202011629006A CN 112782233 A CN112782233 A CN 112782233A
- Authority
- CN
- China
- Prior art keywords
- gas
- target
- sensor
- percentage
- sensors
- 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.)
- Granted
Links
Images
Classifications
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
Abstract
本发明提供了一种基于阵列气体传感器的气体识别方法,属于气体传感器领域。该气体识别方法包括:实时采集每一目标传感器的测量值,目标传感器为阵列气体传感器中对目标气体有响应的至少一个气体传感器,每一目标传感器均对其能识别的气体具有方向一致的响应,目标气体包括至少一种气体;根据以下公式计算第i个目标传感器的第j个测量值变化量百分比P(i,j),P(i,j)=[R(i,j+d)‑R(i,j)]/R(i,j);根据测量值变化量百分比P(i,j)确定待检测气体中是否存在目标气体。本发明的气体识别方法能够扩大气体传感器的应用范围,降低成本。
Description
技术领域
本发明涉及气体传感器领域,特别是涉及一种基于阵列气体传感器的气体识别方法。
背景技术
气体传感器是将特定气体种类及浓度有关的信息转换成电信号功能的元件,根据这些电信号的变化达到对待测气体在环境中的定性及定量的识别及判断,从而可以进行对特定气体的实时检测、监控、报警。目前通常采用的气体检测技术中,大部分气体传感器对气体检测方法中一般没有专门提出起峰识别方法,即判断是否有目标气体进样,传统的方法主要是根据气体传感器在接触气体前后的测量值在特定范围内而判断出是否有目标气体进样。
目前确定基线和峰值的时间点的方法有不同的方法:一种方法是在实验室的测试可以使用已知的进样时间或者固定的进样时间。在实际应用中,因为不知道什么时候有目标气体进来,那么就需要一种起峰识别方法,判断出是否有目标气体进样的方法运用到实际应用中。这种方法和实验室将采集完一个周期样本以后再回过头去计算是完全不同的两种方法。另一种方法是在实时检测气体的过程中,气体传感器在接触气体前后的测量值都在特定的范围内而判断出是否有目标气体进样,从而找出基线和峰值的是时间点。
传统判断气体进样的方法对气体传感器器件的要求相对较高,需要气体传感器器件的基线值较稳定,且该传感器在特定浓度气体的环境下响应测量值应在一定的范围内。如若气体传感器器件的基线值不在一定范围内,或气体传感器在特定浓度气体的环境下或者在特定温湿度环境影响下传感器器件的响应测量值不在一定范围内,但气体传感器对特定气体的灵敏度在一定范围内,上述判断气体进样的方法就不能适用于这一类气体传感器,通常的做法是舍弃这些传感器。
发明内容
本发明第一方面的一个目的是提供一种基于阵列气体传感器的气体识别方法,能够扩大气体传感器的应用范围。
本发明的进一步的一个目的是要降低气体传感器的制作成本。
特别地,本发明提供了一种基于阵列气体传感器的气体识别方法,包括:
实时采集每一目标传感器的测量值,所述目标传感器为所述阵列气体传感器中对目标气体有响应的至少一个气体传感器,每一所述目标传感器均对其能识别的气体具有方向一致的响应,所述目标气体包括至少一种气体;
根据以下公式计算第i个目标传感器的第j个测量值变化量百分比P(i,j),
P(i,j)=[R(i,j+d)-R(i,j)]/R(i,j),其中i=1,2,…,n,n为所述目标传感器的数量,j=1,2,…,m,m为正整数,d为计算周期,R(i,j+d)为第i个目标传感器的在j+d时刻测得的测量值,R(i,j)为第i个目标传感器的在j时刻测得的测量值;
根据所述测量值变化量百分比P(i,j)确定待检测气体中是否存在所述目标气体。
可选地,所述目标传感器为能够对所有所述目标气体均能响应的一个气体传感器。
可选地,所述目标传感器为多个气体传感器,所述多个气体传感器能够响应气体的种类覆盖所述目标气体的种类。
可选地,计算所述测量值变化量百分比P(i,j)之前,还包括:
对每一所述目标传感器的测量值进行滤波处理。
可选地,根据所述测量值变化量百分比P(i,j)确定待检测气体中是否存在所述目标气体的步骤,包括:
当所述目标传感器为一个气体传感器且所述气体传感器的m个所述测量值变化量百分比P(1,j)的绝对值均大于百分比阈值e时确定待检测气体中存在目标气体,其中A<e<B,A为所述气体传感器对应于每种所述目标气体的基线信噪比的最大值,B为所述气体传感器对应于每种所述目标气体的各个百分比边界值的绝对值中的最小值。
可选地,根据所述测量值变化量百分比P(i,j)确定待检测气体中是否存在所述目标气体的步骤,包括:
当所述目标传感器为多个气体传感器且所述多个气体传感器中的至少一个气体传感器的m个所述测量值变化量百分比P(i,j)的绝对值均大于百分比阈值e(i)时确定待检测气体中存在目标气体,其中A(i)<e(i)<B(i),A(i)为所述多个气体传感器中第i个目标传感器对应于其所能测得的所述目标气体的基线信噪比的最大值,B(i)为所述多个气体传感器中第i个气体传感器对应于其所能测得的所述目标气体的各个百分比边界值的绝对值中的最小值。
可选地,所述气体传感器对应于每种所述目标气体的各个百分比边界值或所述多个气体传感器中第i个气体传感器对应于其所能测得的所述目标气体的各个百分比边界值根据试验的训练数据确定。
可选地,所述计算周期为所述测量值的采样周期。
本发明通过计算每个目标传感器的测量值变化量百分比,并根据多个连续的测量值变化量百分比确定待检测气体中是否存在目标气体,可以有效地消除环境干扰,不再要求气体传感器的基线是固定值或在固定的范围内,同样适用于基线值不稳定但气体灵敏度稳定的气体传感器,扩大了气体传感器的应用范围。
进一步地,本发明还解决了一旦传感器基线值不在初始范围内就会报废的问题,大大降低了大批量传感器的制作成本。
进一步地,与传统方法相比,本发明的气体识别方法可以解决气体传感器基线值的漂移问题。
进一步地,较基于斜率的气体起峰识别方法,本发明的方法缩短了识别气体所需要的时间,更加有利于对有毒有害气体的实时检测。
进一步地,本发明不再需要目标传感器中至少存在一个单独的气体传感器对所需识别气体都要有响应,增加了阵列气体传感器中对气体传感器的选择范围。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:
图1是根据本发明一个实施例的基于阵列气体传感器的气体识别方法的流程图;
图2是根据本发明另一个实施例的基于阵列气体传感器的气体识别方法的流程图;
图3是根据本发明再一个实施例的基于阵列气体传感器的气体识别方法的流程图。
具体实施方式
图1是根据本发明一个实施例的基于阵列气体传感器的气体识别方法的流程图。如图1所示,在本发明的一个实施例中,气体识别方法包括:
步骤S10:实时采集每一目标传感器的测量值。这里的测量值可以是电阻值、电压值或电流值等电信号。目标传感器为阵列气体传感器中对目标气体有响应的至少一个气体传感器,每一目标传感器均对其能识别的气体具有方向一致的响应,目标气体包括至少一种气体。可选地,目标传感器为能够对所有目标气体均能响应的一个气体传感器S1。假设目标气体有A气体、B气体和C气体,气体传感器S1能够对A气体、B气体和C气体均有响应,且响应方向一致。可选地,目标传感器为多个气体传感器,多个气体传感器能够响应气体的种类覆盖目标气体的种类,即多个气体传感器能够响应气体的种类覆盖目标气体的种类。假设目标气体还是A气体、B气体和C气体,目标传感器包括气体传感器S01、S02和S03,那S01、S02和S03的组合能够对A气体、B气体和C气体进行响应,例如S01能够响应A气体、S02能够响应B气体、S03能够响应C气体,这里的S01可以对B气体和C气体有响应或者无响应,当S01对B气体和C气体有响应时,要求S01对B气体和C气体的响应方向和对A气体响应方向一致,例如S01对A气体有向上的响应,则S01对B气体和C气体也都有向上的响应。S02和S03的情况可以参照S01理解,在此不做赘述。
这里的响应方向理解为,当气体接触到气体传感器时,气体传感器的测量值发生变化,就认为该气体传感器对气体有响应。假设测量值为电阻值,当电阻值增大时,可以认为气体传感器对气体产了向上的响应,当电阻值减小时认为气体传感器对气体产生了向下的响应,当电阻值不发生变化时认为气体传感器对气体没有响应。
步骤S20:根据以下公式(1)计算第i个目标传感器的第j个测量值变化量百分比P(i,j):
P(i,j)=[R(i,j+d)-R(i,j)]/R(i,j) (1)
其中,i=1,2,…,n,n为目标传感器的数量,j=1,2,…,m,m为正整数,d为计算周期,R(i,j+d)为第i个目标传感器的在j+d时刻测得的测量值,R(i,j)为第i个目标传感器的在j时刻测得的测量值。例如计算周期d为7秒,假设每1s对气体传感器采集一次测量值,0-7秒内依次采集的测量值为R1,R2,…,R7,第1个目标传感器的第1个测量值变化量百分比P(1,1)=(R7-R1)/R7。可选地,计算周期d为测量值的采样周期。即每采集到一个测量值就计算一次测量值变化量百分比。也就是说,计算周期d可以根据需求进行设定,例如精度需求。
步骤S30:根据测量值变化量百分比P(i,j)确定待检测气体中是否存在目标气体。
本实施例通过计算每个目标传感器的测量值变化量百分比,并根据多个连续的测量值变化量百分比确定待检测气体中是否存在目标气体,可以有效地消除环境干扰,不再要求气体传感器的基线是固定值或在固定的范围内,同样适用于基线值不稳定但气体灵敏度稳定的气体传感器,扩大了气体传感器的应用范围,并解决了一旦传感器基线值不在初始范围内就会报废的问题,大大降低了大批量传感器的制作成本。与传统方法相比,本实施例的气体识别方法可以解决气体传感器基线值的漂移问题。较基于斜率的气体起峰识别方法,本方法缩短了识别气体所需要的时间,更加有利于对有毒有害气体的实时检测。
图2是根据本发明另一个实施例的基于阵列气体传感器的气体识别方法的流程图。另一个实施例中,如图2所示,步骤S20之前,还包括:
步骤S15:对每一目标传感器的测量值进行滤波处理。通过滤波处理可以去除数据中的干扰值,有利于提高数据质量。
进一步的一个实施例中,当目标传感器为能够对所有目标气体均能响应的一个气体传感器S1时,如图2所示,步骤S10之后包括:
步骤S21:根据公式(1)计算气体传感器S1的第j个测量值变化量百分比P(1,j),即将公式(1)中的i取为1。
步骤S31:判断气体传感器S1的m个测量值变化量百分比P(1,j)的绝对值是否均大于百分比阈值e,若是进入步骤S32,否则返回步骤S10继续检测。其中A<e<B,A为气体传感器对应于每种目标气体的基线信噪比的最大值,B为气体传感器对应于每种目标气体的各个百分比边界值的绝对值中的最小值。这里的基线信噪比按照本领域的一般计算方法进行计算,例如取一段时间内的基线测量值(R1,R2,....,Rn),基线信噪比等于一段时间内基线测量值的标准差除以该段时间内基线测量值的平均值。这里的百分比边界值为:气体传感器S1对目标气体A的测量值变化量百分比在范围[A,B]内,对目标气体B的测量值变化量百分比在范围[C,D]内,这里的A、B、C和D就是百分比边界值。气体传感器对应于每种目标气体的各个百分比边界值可以根据试验的训练数据确定。
步骤S32:确定待检测气体中存在目标气体。
图3是根据本发明再一个实施例的基于阵列气体传感器的气体识别方法的流程图。如图3所示,本实施例中,目标传感器为阵列气体传感器中对目标气体有响应的多个气体传感器,步骤S30包括:
步骤S33:判断多个气体传感器中的至少一个气体传感器的m个测量值变化量百分比P(i,j)的绝对值是否均大于百分比阈值e(i),若是,进入步骤S34,否则返回步骤S10继续检测。其中,A(i)<e(i)<B(i),A(i)为多个气体传感器中第i个目标传感器对应于其所能测得的目标气体的基线信噪比的最大值,B(i)为多个气体传感器中第i个气体传感器对应于其所能测得的目标气体的各个百分比边界值的绝对值中的最小值。多个气体传感器中第i个气体传感器对应于其所能测得的目标气体的各个百分比边界值根据试验的训练数据确定。
步骤S34:确定待检测气体中存在目标气体。
其中,目标传感器为一个气体传感器还是多个气体传感器,目标传感器的数量n,计算次数m的值根据试验的训练数据确定。也就是说,在使用气体识别方法之前,需要采集一批阵列气体传感器在空气背景下到目标气体进入及脱附整个过程的测量值的所有数据,分析数据从而确定方法中涉及到的参数,例如m为3。
前面的步骤S31和步骤S33采用测量值变化量百分比P(i,j)的绝对值与相应的百分比阈值进行比较,这是由于气体传感器对目标气体可能产生向上或向下的响应,可能存在正的测量值变化量百分比或负的测量值变化量百分比,采用绝对值后可以方便地进行比较。
当目标传感器为多个气体传感器时,不再需要目标传感器中至少存在一个单独的气体传感器对所需识别气体都要有响应,增加了阵列气体传感器中对气体传感器的选择范围。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (8)
1.一种基于阵列气体传感器的气体识别方法,其特征在于,包括:
实时采集每一目标传感器的测量值,所述目标传感器为所述阵列气体传感器中对目标气体有响应的至少一个气体传感器,每一所述目标传感器均对其能识别的气体具有方向一致的响应,所述目标气体包括至少一种气体;
根据以下公式计算第i个目标传感器的第j个测量值变化量百分比P(i,j),
P(i,j)=[R(i,j+d)-R(i,j)]/R(i,j),其中i=1,2,…,n,n为所述目标传感器的数量,j=1,2,…,m,m为正整数,d为计算周期,R(i,j+d)为第i个目标传感器的在j+d时刻测得的测量值,R(i,j)为第i个目标传感器的在j时刻测得的测量值;
根据所述测量值变化量百分比P(i,j)确定待检测气体中是否存在所述目标气体。
2.根据权利要求1所述的气体识别方法,其特征在于,
所述目标传感器为能够对所有所述目标气体均能响应的一个气体传感器。
3.根据权利要求1所述的气体识别方法,其特征在于,
所述目标传感器为多个气体传感器,所述多个气体传感器能够响应气体的种类覆盖所述目标气体的种类。
4.根据权利要求1所述的气体识别方法,其特征在于,计算所述测量值变化量百分比P(i,j)之前,还包括:
对每一所述目标传感器的测量值进行滤波处理。
5.根据权利要求4所述的气体识别方法,其特征在于,根据所述测量值变化量百分比P(i,j)确定待检测气体中是否存在所述目标气体的步骤,包括:
当所述目标传感器为一个气体传感器且所述气体传感器的m个所述测量值变化量百分比P(1,j)的绝对值均大于百分比阈值e时确定待检测气体中存在目标气体,其中A<e<B,A为所述气体传感器对应于每种所述目标气体的基线信噪比的最大值,B为所述气体传感器对应于每种所述目标气体的各个百分比边界值的绝对值中的最小值。
6.根据权利要求4所述的气体识别方法,其特征在于,根据所述测量值变化量百分比P(i,j)确定待检测气体中是否存在所述目标气体的步骤,包括:
当所述目标传感器为多个气体传感器且所述多个气体传感器中的至少一个气体传感器的m个所述测量值变化量百分比P(i,j)的绝对值均大于百分比阈值e(i)时确定待检测气体中存在目标气体,其中A(i)<e(i)<B(i),A(i)为所述多个气体传感器中第i个目标传感器对应于其所能测得的所述目标气体的基线信噪比的最大值,B(i)为所述多个气体传感器中第i个气体传感器对应于其所能测得的所述目标气体的各个百分比边界值的绝对值中的最小值。
7.根据权利要求5或6所述的气体识别方法,其特征在于,
所述气体传感器对应于每种所述目标气体的各个百分比边界值或所述多个气体传感器中第i个气体传感器对应于其所能测得的所述目标气体的各个百分比边界值根据试验的训练数据确定。
8.根据权利要求1-6中任一项所述的气体识别方法,其特征在于,
所述计算周期为所述测量值的采样周期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011629006.7A CN112782233B (zh) | 2020-12-30 | 2020-12-30 | 一种基于阵列气体传感器的气体识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011629006.7A CN112782233B (zh) | 2020-12-30 | 2020-12-30 | 一种基于阵列气体传感器的气体识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112782233A true CN112782233A (zh) | 2021-05-11 |
CN112782233B CN112782233B (zh) | 2023-05-09 |
Family
ID=75754599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011629006.7A Active CN112782233B (zh) | 2020-12-30 | 2020-12-30 | 一种基于阵列气体传感器的气体识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112782233B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113341079A (zh) * | 2021-08-04 | 2021-09-03 | 苏州慧闻纳米科技有限公司 | 一种基于电子鼻的气味识别方法、***及报警*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102866179A (zh) * | 2012-09-13 | 2013-01-09 | 重庆大学 | 基于人工智能学习机的电子鼻中非目标干扰气味的在线识别和抑制方法 |
WO2017038889A1 (ja) * | 2015-08-31 | 2017-03-09 | 新コスモス電機株式会社 | ガス分析システム、及び、ガス分析方法 |
CN108107086A (zh) * | 2017-12-12 | 2018-06-01 | 苏州慧闻纳米科技有限公司 | 一种基于阵列气体传感器的气体检测方法及气体传感器 |
CN109632891A (zh) * | 2018-12-19 | 2019-04-16 | 江苏智闻智能传感科技有限公司 | 一种利用阵列气体传感器监测气体种类以及浓度的方法 |
CN110161181A (zh) * | 2018-02-13 | 2019-08-23 | 中国石油化工股份有限公司 | 混合气体的组分浓度识别方法及*** |
CN110927217A (zh) * | 2019-11-22 | 2020-03-27 | 苏州慧闻纳米科技有限公司 | 基于电子鼻***的食物新鲜度的识别方法及电子鼻*** |
US20200400631A1 (en) * | 2018-05-17 | 2020-12-24 | East China University Of Science And Technology | Online centralized monitoring and analysis method for multi-point malodorous gases using electronic nose instrument |
-
2020
- 2020-12-30 CN CN202011629006.7A patent/CN112782233B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102866179A (zh) * | 2012-09-13 | 2013-01-09 | 重庆大学 | 基于人工智能学习机的电子鼻中非目标干扰气味的在线识别和抑制方法 |
WO2017038889A1 (ja) * | 2015-08-31 | 2017-03-09 | 新コスモス電機株式会社 | ガス分析システム、及び、ガス分析方法 |
CN108107086A (zh) * | 2017-12-12 | 2018-06-01 | 苏州慧闻纳米科技有限公司 | 一种基于阵列气体传感器的气体检测方法及气体传感器 |
CN110161181A (zh) * | 2018-02-13 | 2019-08-23 | 中国石油化工股份有限公司 | 混合气体的组分浓度识别方法及*** |
US20200400631A1 (en) * | 2018-05-17 | 2020-12-24 | East China University Of Science And Technology | Online centralized monitoring and analysis method for multi-point malodorous gases using electronic nose instrument |
CN109632891A (zh) * | 2018-12-19 | 2019-04-16 | 江苏智闻智能传感科技有限公司 | 一种利用阵列气体传感器监测气体种类以及浓度的方法 |
CN110927217A (zh) * | 2019-11-22 | 2020-03-27 | 苏州慧闻纳米科技有限公司 | 基于电子鼻***的食物新鲜度的识别方法及电子鼻*** |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113341079A (zh) * | 2021-08-04 | 2021-09-03 | 苏州慧闻纳米科技有限公司 | 一种基于电子鼻的气味识别方法、***及报警*** |
Also Published As
Publication number | Publication date |
---|---|
CN112782233B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109632891B (zh) | 一种利用阵列气体传感器监测气体种类以及浓度的方法 | |
CN108107086B (zh) | 一种基于阵列气体传感器的气体检测方法及气体传感器 | |
CN116128260B (zh) | 基于数据样本的重点企业环境分析方法 | |
CN112198209B (zh) | 一种甲醛检测方法及甲醛检测装置 | |
CN111964909A (zh) | 滚动轴承运行状态检测方法、故障诊断方法及*** | |
CN113295310A (zh) | 一种基于应变刚度代表值的桥梁损伤判定方法 | |
CN108009566A (zh) | 一种时空窗口下的改进型pca损伤检测方法 | |
CN110555235A (zh) | 基于向量自回归模型的结构局部缺陷检测方法 | |
JP2006275606A (ja) | ガス検出方法及びガス検出装置 | |
CN116985183B (zh) | 一种近红外光谱分析仪质量监测管理方法及*** | |
CN114492629A (zh) | 异常检测方法、装置、电子设备及存储介质 | |
CN112782233B (zh) | 一种基于阵列气体传感器的气体识别方法 | |
CN117330882B (zh) | 一种用于滤波器的自动化测试方法及*** | |
CN116929438B (zh) | 传感器的性能测试方法及装置 | |
CN112834816A (zh) | 一种用于汽车的霍尔传感器芯片温度补偿方法 | |
CN112782255B (zh) | 一种基于阵列气体传感器的气体识别方法 | |
CN112198208B (zh) | 一种甲醛检测方法及甲醛检测装置 | |
CN111561968A (zh) | 基于传感器的环境参数检测方法、装置及数据处理设备 | |
CN105651537B (zh) | 一种高损伤敏感性的桁架结构损伤实时监测*** | |
CN115683319A (zh) | 一种电力变压器绕组状态评估方法 | |
CN109682858B (zh) | 一种利用气体传感器实时检测气体浓度的方法 | |
Li Voti et al. | Testing procedure for performance evaluation of electronic noses for environmental odour monitoring | |
US11531016B2 (en) | Method of operating gas sensors and corresponding device, sensor and program product | |
Klevtsov | Application of the Hurst index to evaluate the testing of information gathering system components | |
KR102510314B1 (ko) | 가스센서를 이용한 실시간 가스 종류 판별장치 및 방법 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |