论文部分内容阅读
自第一次世界大战以来,化学战剂(CWA)大量被用于战场,近二三十年来,更被恐怖组织所利用,已经严重危害到生态环境的持续发展和全人类的生命财产安全。由于化学战剂具有易制造、造价低、杀伤力强、破坏范围广等特点,使得禁止化学战剂使用的国际公约至今还未成功禁止一些国家与组织对化学战剂的保有与研制。因此需要一种响应快、灵敏度高、操作简单的手持式实时检测仪器,以声表面波(SAW)传感器阵列为基础的痕量气体电子鼻具有体积小、响应快、易于携带等优点,比其它检测手段性能更优越。本课题就是在此背景下产生,利用涂覆有选择性吸附敏感膜的声表面波器件制备成SAW传感器阵列,对不同种类、不同浓度的气体进行气敏测试与分析,结合模式识别算法,最终可在dsPIC30F6014A单片机上实现对神经毒剂模拟剂(DMMP)、芥子气模拟剂(2-CEES与DCP)和干扰气体(丙酮、二氯甲烷、甲醇、乙醇)的识别,并在LCD上显示毒剂的种类与浓度。本文介绍了课题的意义、SAW气体传感器原理、SAW传感器阵列的测试平台、模式识别算法及单片机平台算法的实现,主要研究内容有以下几个方面:(1)声表面波传感器阵列的设计:介绍了以双通道SAW谐振器混频电路为基础的传感器阵列的功能结构;利用气喷工艺在3个SAW谐振器上分别喷涂氟多元醇(FPOL)、聚氰丙甲基硅氧烷(PCPMS)和聚环氧氯丙烷(PECH)这三种敏感膜,并与开盖SAW参比器件组成传感器阵列。(2)传感器阵列的气敏测试与分析:对三种毒剂模拟剂和四种干扰气体分别在10~300 mg/m3范围内进行系统测试和分析。结果表明FPOL-SAW对神经毒剂具有选择性,PECH-SAW对芥子气有选择性。(3)模式识别分析:利用SPSS统计软件对采集的数据分别用主成分分析法(PCA)和人工神经网络(ANN)算法对气体进行模式识别。主成分分析模型简单,可以用图表直观表示,人工神经网络算法易于理解,这两种算法都可以将毒剂模拟剂与干扰气体进行区分。(4)基于dsPIC30F6014A单片机的电子鼻系统算法实现:在单片机平台上实现电路控制与模式识别算法,文章分别实现了定时计数、预测干扰信号、气体响应检测、气体识别功能、串口发送和液晶显示这六个模块,最后进行算法验证。