专利名称：基于rbf人工神经网络的saw气体传感器的制作方法
技术领域：
本实用新型涉及声表面波气体传感器领域，具体涉及一种基于RBF人工神经网络 的SAW(声表面波)气体传感器。
背景技术：
已报道的人体呼出气体试验(human exhaled air test, hEAT)方法主要有两类 传统的质谱色谱分析方法和气体传感器技术。前者虽经不断改良和发展，但都存在分析时 间长、难以实现实时在线检测、仪器昂贵且笨重等缺点，不宜应用于临床人体呼出气体试验 检测。因此选择敏感性高、可小型化、集成化且易于实现自动分析的SAW气体传感器，是实 现人体呼出气体试验更理想的方法。SAW传感器具有如下优点1.高灵敏度、高线性度SAW传感器的能量密度很大，对表面的扰动很敏感。而 且SAW传感器的基频可以加工至数GHz，因此其检测灵敏度要远高于体波传感器，可达 lX10_12g/L，可以实现人体呼出气体中痕量化学物质(ppb级)的检测需求。2.重复性及可靠性更好SAW传感器中的关键部件——SAW谐振器或延迟线，制作 时采用了平面复制的半导体工艺，重复性极好。而且易集成化、一体化，结构牢固，因而可靠 性更好。3.信号容易采集和处理，可以实现无线传感采用准数字信号输出，易数字化。在 遥感和遥测方面有着非常明显的优势。4.快速一般只需2-10分钟就可出结果。5.体积小，重量轻，功耗低这是所有SAW传感器的共同特点。现有技术中由于一种SAW气体传感器不仅对其检测的气体敏感，同时也可能对另 外一种或多种气体比较敏感，这就使得计算得到的检测气体浓度数值与输入的气体原始浓 度值有较大的差异，因此迫切需要在同一压电材料阵面上建立多种气体的SAW气体传感器 阵列，提取传感器阵列的响应数据，用一种综合的自动判断模型对多种SAW气体传感器阵 列的输出进行数值纠错，使输出气体浓度更加贴近真实值。

实用新型内容有鉴于此，为了解决上述问题，本实用新型公开了一种基于RBF的SAW气体传感 器，将多种SAW气体传感器阵列式排列，将阵列式SAW气体传感器的输出与RBF人工神经网 络判断器的输入连接，通过RBF人工神经网络获取更多判断信息的同时，解决了多种气体 同时检测中，压电材料检测阵面过小无法同时承载多SAW气体传感器同时运行的问题，既 提供了系统检测精度，又满足了 SAW检测中检测器体积优化的需求。本实用新型的目的是这样实现的基于RBF人工神经网络的SAW气体传感器，包括 SAW气体传感器阵列和与SAW气体传感器阵列连接的RBF人工神经网络判断器；所叙述SAW 气体传感器阵列包括两组以上SAW气体传感器，所述SAW气体传感器的输出端与RBF人工 神经网络判断器输入端连接。
3[0011]进一步，所述RBF人工神经网络判断器为微处理装置；进一步，所述SAW气体传感器的输入输出叉指换能器对排列于同一压电材料阵面 上；进一步，所述SAW气体传感器的输入输出叉指换能器对呈同心圆排列于同一压电 材料阵面上；进一步，所述两个SAW气体传感器的输入输出叉指换能器呈共用输入叉指换能器 平行排列于同一压电材料阵面上；所述两个SAW气体传感器共用同一输入叉指换能器，两 个SAW气体传感器的输出叉指换能器排列于共用的输入叉指换能器两边；进一步，SAW气体传感器阵列包括用于检测丙酮、丁烷、癸烷、十三烷、氨气的5个 SAW气体传感器。本实用新型的有益效果是将多种SAW气体传感器阵列式排列，解决了多种气体 同时检测中，压电材料检测阵面过小无法同时承载多SAW气体传感器同时运行的问题；将 多种SAW气体传感器的输出端与RBF人工神经网络的输入端连接，建立RBF人工神经网络 判断器用于判断多SAW气体传感器检测结果，减小了不同气体对同一 SAW气体传感器造成 干扰导致的输出气体浓度检测误差。

为了使本实用新型的目的、技术方案和优点更加清楚，下面将结合附图对本实用 新型作进一步的详细描述图1示出了 SAW气体传感器平行排列阵列；图2示出了共用输入叉指换能器的SAW气体传感器阵列；图3示出了同心圆排列SAW气体传感器阵列；图4示出了 SAW气体传感器与RBF人工神经网络判断器的连接结构。
具体实施方式
以下将对本实用新型的优选实施例进行详细地描述。阵列式SAW气体传感器的构建选取NH3、丁烷、癸烷、十三烷、丙酮五组SAW气体传感器；其气体敏感膜分别为=NH3 检测SAW传感器以ZnO-WO3为复合敏感膜；丁烷检测SAW传感器以Ru-ZnO为复合敏感膜； 癸烷检测SAW传感器以聚环氧氯丙烷(PECH)为敏感膜；十三烷检测SAW传感器以聚异丁烯 (PIB)为敏感膜；丙酮检测SAW传感器以真空油脂(Apiezon H)作为敏感膜；如图1示出了通常情况下，NH3、丁烷、癸烷、十三烷、丙酮五组SAW气体传感器排列 于同一压电材料上的平行排列方法，每一排为一种气体的SAW气体传感器输入输出叉指换 能器对。如图2所示，将NH3、丁烷、癸烷、十三烷、丙酮五组SAW气体传感器的输入叉指换能 器并列排列成5行放置于压电材料上，在输入叉指换能器的两边分别放置两个输出叉指换 能器，同一行构成一种气体的SAW气体传感器；第一行为NH3的SAW气体传感器，中间放置 输入叉指换能器，输入叉指换能器的一边为输出叉指传感器，并与输入叉指换能器间放置 ZnO-WO3复合敏感膜；输入叉指换能器的另一边放置输出叉指换能器，并与中间输入叉指换能器间无复合敏感膜，作为有复合敏感膜一边压电判断的补充项；此外，丁烷、癸烷、十三烷 和丙酮的SAW气体传感器的输入输出叉指换能器以同样的方式排列，并以同样方式放置各 自敏感膜。如图3所示，根据具体测试的场地的需要，五组SAW气体传感器也可按同心圆阵列 排列，NH3的SAW气体传感器排列为输入叉指传感器与输出叉指传感器以圆心呈中心对称 排列，输入叉指传感器与输出叉指传感器间放置ZnO-WO3复合敏感膜。同样的方式，丁烷、 癸烷、十三烷和丙酮的SAW气体传感器的输入叉指换能器和输出叉指换能器以圆心呈中心 对称排列，输入输出叉指换能器间分别放置各自敏感膜。RBF神经网络的构建图4示出了与SAW气体传感器连接的RBF人工神经网络判断器；5个SAW气体传感 器的输出信号流入RBF人工神经网络判断器的输入端，RBF人工神经网络判断器的输入为X =(X1, X2, ...，Xn)，输入η为5，X1至Xn分别表示5个SAW气体传感器输出的NH3、丁烷、癸 烷、十三烷、丙酮五组气体浓度；输出为Y= (Y1, Y2,...，Ym)，输出m为5，Y1至Y5分别表示RBF神经网络判断器对 5组NH3、丁烷、癸烷、十三烷、丙酮五组气体浓度的判断输出。
W输出节点判别形式为Γ"(Χ) = ΣcVjMk-cJ)其中，ω Λ为第j个隐层单元到第k个输出单元Yk的权值，…为第j个隐层单元 的聚类中心，w为隐层单元个数，I |x-Cj| I表示χ到Cj的距离测度；Rj为隐层第j单元的输出；可以使用高斯函数模式
J ^ 2σ
L 丨-Jj=I,2,-,w；Cj为隐层第j单元的高斯函数中心；σ彳常数为基函数宽度；Rj(X)在Cj处有一个 唯一最大值，随I Ix-CjI I的增大，Rj迅速衰减为零。对于给定输入X，只有一小部分靠近X 的中心被激活。隐层单元个数选择为5 ；选取NH3、丁烷、癸烷、十三烷、丙酮五种气体样本100件，将含NH3量最高的20件 样本求均值，求出均值作为第一个隐层单元聚类中心C1 ；同理选取100件样本中，含丁烷最高的20件样本求均值，求出均值作为第二个隐 层单元聚类中心C2 ；依次，确定第三，第四，第五个隐层单元聚类中心。初始化cojk，(其中，j = Ρ··5，k = 1-5)为大于零小于1的随机值；训练时，将NH3、丁烷、癸烷、十三烷、丙酮五组气体样本100件，依次输入各组SAW 气体传感器，各组SAW气体传感器输出的各种气体浓度输入RBF神经网络判断器的输入层X =(X1, X2,...，Xn)，计算输出Y= (Y1, Y2, ... , Ym)；当输出Yi < Xi时，调高ω 的值，直到
\γ-χ\In 丨
i^H1 <￡中的误差ε满足一定误差值；当输出Yi > Xi时，调低ω 的值，直到^^〈e 中的误差ε满足一定误差值；以上所述仅为本实用新型的优选并不用于限制本实用新型，显然，本领域的技术
5人员可以对本实用新型进行各种改动和变型而不脱离本实用新型的精神和范围。这样，倘 若本实用新型的这些修改和变型属于本实用新型权利要求及其等同技术的范围之内，则本 实用新型也意图包含这些改动和变型在内。
权利要求1.基于RBF人工神经网络的SAW气体传感器，其特征在于包括SAW气体传感器阵列 和与SAW气体传感器阵列连接的RBF人工神经网络判断器；所叙述SAW气体传感器阵列包 括两组以上SAW气体传感器，所述SAW气体传感器的输出端与RBF人工神经网络判断器的 输入端连接。
2.如权利要求1所述的基于RBF人工神经网络的SAW气体传感器，其特征在于RBF人 工神经网络判断器为微处理装置。
3.如权利要求2所述的基于RBF人工神经网络的SAW气体传感器，其特征在于所述 SAW气体传感器的输入输出叉指换能器对排列于同一压电材料阵面上。
4.如权利要求3所述的基于RBF人工神经网络的SAW气体传感器，其特征在于所述 SAW气体传感器的输入输出叉指换能器对呈同心圆排列于同一压电材料阵面上。
5.如权利要求3所述的基于RBF人工神经网络的SAW气体传感器，其特征在于所述 两个SAW气体传感器的输入输出叉指换能器呈共用输入叉指换能器平行排列于同一压电 材料阵面上；所述两个SAW气体传感器共用同一输入叉指换能器，两个SAW气体传感器的输 出叉指换能器排列于共用的输入叉指换能器两边。
6.如权利要求1至5任一项所述的基于RBF人工神经网络的SAW气体传感器，其特征 在于SAW气体传感器阵列包括用于检测丙酮、丁烷、癸烷、十三烷、氨气的5个SAW气体传 感器。
专利摘要本实用新型公开了一种基于RBF人工神经网络的SAW气体传感器，包括SAW气体传感器阵列和与SAW气体传感器阵列连接的RBF人工神经网络判断器；所叙述SAW气体传感器阵列包括两组以上SAW气体传感器，所述SAW气体传感器的输出与RBF人工神经网络判断器的输入连接。本实用新型将多种SAW气体传感器阵列式排列，解决了多种气体同时检测中，压电材料检测阵面过小无法同时承载多SAW气体传感器同时运行的问题；将多种SAW气体传感器的输出端与RBF人工神经网络判断器的输入端连接，建立RBF人工神经网络判断器用于判断多SAW气体传感器检测结果，减小了不同气体对同一SAW气体传感器造成干扰导致的输出气浓度检测误差。
文档编号G01N29/02GK201788170SQ20102029809
公开日2011年4月6日 申请日期2010年8月20日 优先权日2010年8月20日
发明者唱凯, 张可珺, 李发科, 贾双荣, 陈鸣 申请人:中国人民解放军第三军医大学第三附属医院