基于快速温度调制的气体传感器选择性提高方法

摘要

针对金属氧化物半导体气体传感器低选择性和交叉敏感的难题，采用快速温度调制方法构建基于单个MEMS气体传感器的虚拟阵列，在提高选择性的同时解决传感器阵列的高功耗和高成本问题。通过快速动态温度调制获得气体的高频响应信号，研究调制信号的处理及特征提取方法，并优化了调制参数；采用支持向量机构建分类模型，并结合支持向量回归、随机森林回归、反向传播神经网络构建浓度估计模型，实现了对H₂、H₂S、NH₃和C₂H₅OH 4种气体的定性和定量分析，分类准确率达100%，浓度预测误差分别为19.5×10^-6、3.7×10^-6、0.2×10^-6、19×10^-6。本研究提高单个气体传感器选择性的同时降低了使用功耗，为环境监测和工业生产等领域的现场检测提供了新的解决方案。

关键词

气体传感器 / 选择性 / 温度调制 / 模式识别