تحلیل پاسخ حسگر گاز اکسید قلع تحت مدولاسیون دمایی با استفاده از مدل فازی عصبی خطی محلی برای شناسایی گاز

در کار حاضر رویکردی بر مسأله استخراج ویژگی از پاسخ های یک حسگر گاز مقاومتی تحت مدولاسیون دمایی ارائه می شود. بدین منظور پاسخ های یک حسگر گاز که توسط شکل موج پلکانی ولتاژ گرمکن تحریک می شود با استفاده از شبکه های فازی عصبی مدل می گردد.شکل موج پلکانی شامل پنج پله با مدت دوام s 02 است که سبب افزایش دمای سطح حساس حسگر تا oC 332 می شود. از چهار گاز متانول،اتانول، 1-پروپانول و 1-بوتانول هر یک در 11 تراکم مختلف به عنوان گازهای هدف استفاده شد. در هر پلکان ولتاژ، دمای متغیر سطح حساس حسگر به عنوان ورودی شبکه عصبی و پاسخ گذرای حسگر به عنوان خروجی آن در نظر گرفته شد. آموزش شبکه به روش یادگیری درخت مدلخطی محلی 1 (LOLIMOT) صورت گرفت که یک روش یادگیری کاملا خودکار با تعداد پارامترهای قابل تنظیم بسیار کم و قابلیت تعمیم بالا است. از وزن های شبکه های آموزش دیده به عنوان ویژگی های پاسخ حسگر در مقابل گازهای هدف مختلف استفاده شد. نگاشت بردارهای ویژگی هر مجموعه گازی به فضای دسته بندی با روش کاهش ویژگی تمایز خطی فیشر حاکی از جدایش موفقیت آمیز هر پنج گاز هدف داشت. این روش با دسته بندی موفقیت آمیز گازهای هدف نامعلوم در سطوح تراکم نامشخص مورد ارزیابی نهایی قرار گرفت

Keywords:

شناسایی گاز , حسگر مقاومتی گاز , مدولاسیون دمایی , مدل فازی عصبی , LOLIMOT