基于人工神经网络的光纤传感气体检测系统

杜锐

关键词：人工神经网络；光纤传感；气体检测；系统设计

中图分类号：TP212.14 文献标识码：A

0引言

现阶段，由于光纤通信得到了广泛应用，光纤传感技术深入发展，光纤传感气体的检测也得到了越来越多的关注。利用传统光纤传感气体检测系统来检测混合气体浓度具有局限性，如可调范围小、硬件结构复杂、检测过程烦琐，只能检测特定气体的浓度，且检测准确性不高。人工神经网络算法弥补了传统算法在检测、识别、优化和数据信息处理等方面的不足，因其特有的非线性组合适应性处理数据信息浓度的能力，被广泛应用于模拟人类认知工业控制和人工智能等领域。人工神经网络因其本身具有的各种优点，在光纤传感气体检测工作中，可以准确地检测出混合气体中不同气体的浓度。因此，本文利用人工神经网络算法设计了光纤传感气体检测系统。

1光纤传感气体检测系统设计

1.1系统硬件设计

本系统的硬件设计主要包含3个模块：光源模块、光栅恒温模块和光电转换模块，如图1所示。

参照光纤传感气体检测系统的整体设计方案，光源将收集到的电信号转换为光信号，保证光波在光纤传感器中正常传播；经过光栅恒温模块，将因外界因素而产生折射率漂移的光波通过内部运算放大器整合成折射率正常的光波；然后经光电转换模块将光信号转换为电信号，传输给系统软件部分，最终将数据处理的结果输出，完成检测气体的目标。

1.1.1光源模块

在光纤传感气体检测系统中，为了将采集到的光信号转换成电信号，本系统选择超辐射发光二极管（super luminescent diode，SLD）光源作为光源驱动模块。SLD光源模块中的主要芯片是AND8831。当采集到电信号时，AND8831芯片可以通过内部电流分压器来设定SLD光源的目标电压值。当SLD的电压超出目标电压时，SLD模块中的电阻温度传感器（resistance temperature detector，RTD）即温度传感器会检测到变化，并产生相应的电流变化。而后AND8831感知到这种变化，AND芯片带有高稳定性、低噪声的PID补偿放大器，可对这种变化进行补偿操作，最终反映到半导体（TEC），TEC通过升高或者降低电流来稳定SLD的电压，使其达到目标电压，进而实现光纤传感系统中的电信号转换为光信号。

1.1.2光栅恒温模块

光栅恒温模块的电路主要是确保光纤传感系统中光波的折射率不发生改变。在光纤传感中，由于外界环境条件或者人为操作的干扰，光纤传感器中的红外光波波段的反射率和折射率会产生一定的漂移现象，导致气体检测系统的检测准确性变差。因此为了维持光波的正常折射率，本系统中采用光栅恒温模块来保持光波的正常传播以及系统的稳定性。光栅恒温模块将温度传感器的感知信号TC和设定温度电流TS相比较，将电压控制在一个恒定的值，从而控制了温度恒定。其中，温度传感器可以感知周围环境的温度，经内部转换电路，把温度转换为电压，通过电压跟随器，可以将输入电压与预设的电压值进行比较。这一过程涉及一个运算器，它将同时对电压跟随器的两个输入端进行比较，并计算它们之间的差值。然后经反馈放大电路，反复调节流过二极管中的电流，使二极管产生不同的目标温度，来实现标准光栅模块的温度恒定，从而保证了光纤传感系统中光波的折射率，进而保证了系统的检测精度和稳定性。本系统选用的标准光栅模块是FBG，其主要性能参数如表1所示。

1.1.3光电转换模块

光电转换模块在系统中的主要作用是将传感器中已经处理完成的光波信号以电压信号形式反映出来。光电转换模块主要性能参数如表2所示。

光电转换模块主要包括前置放大電路与运算放大器。由于前置放大器的增益很高，因此可以探测到光纤传感系统中很微弱的光波信号。前置放大电路与硬件部分中的光栅恒温模块的两端直接相连，其中的光电二极管正接于运算放大器的输入端，采集到的光波信号经二极管转换成电压信号，从而实现光电转换。

1.2系统软件设计

光纤传感器气体检测系统是将采集到的光波经光源模块转换成电信号，再通过光电转换模块转换成电压信号，以便于系统的识别和检测。为了提高检测系统的检测精度，将人工神经网络算法应用到系统中，实现对某种单一气体和混合气体的分类检测。本系统的软件设计结构如图2所示。

要实现对某种气体的定性检测，需要考虑人工神经网络的输入单元和输出单元以及每个单元的神经元数目等方面。

输入单元和输出单元的网络设计。人工神经网络的输入和输出单元的神经元数目是根据具体的实验类型来设置的。在本系统人工神经网络的输入单元中，输入单元的数目为，n，检测类别的数目为m，确定输入单元的神经元数目为T，训练样本为X。若训练样本X的类别属于第j类，则神经网络的输出单元输出的结果Y计算式如下：

光纤传感技术与人工神经网络的结合使用能够高效、精确地实现对某一种气体的定性检测，同时本系统还可以对混合气体进行定量检测分析。

假设某种混合气体是由a种不同气体混合而成，其浓度分别为c₁，C₂，…，c_a，收集该混合气体在光纤传感器中的光波信息，经光电转换模块转换为电压信号，将其向量输入到神经网络的输入单元层，那么系统对该混合气体的响应就是一个非线性组合。若矩阵的维数是m，则系统的响应可以表达为：

通过设计系统中人工神经网络的输入单元数、输出单元数、隐藏单元数以及调整网络的权值和阈值，再对神经网络进行算法训练，最后把采集到的实验数据经硬件部分各模块的处理，再传输给系统软件部分的人工神经网络的输入单元中，得到输出结果，实现对单一气体的定性检测和对混合气体的定量检测。

2系统测试

2.1实验说明

为了验证本文设计的气体检测系统的可行性，利用对比实验的方式对本系统进行测试。本次实验中，在实验室条件下由专业的配气装置调配一定浓度的混合气体，其中包括CO₂、H₂S和CH₄等3种气体，另外对这3种气体再分别调配3组不同浓度的混合气体，由此可以获得9组混合气体的实验样本。在系统软件部分的人工神经元网络的隐藏单元设定20个神经元；输入单元的神经元数目设定为8个；输出单元的神经元为待检测气体的类别数即3个。输出单元的输出结果则表示9组混合气体中的不同气体浓度值。其气体检测的网络结构如图2所示。

2.2对比结果

在本次实验中，分别采用本文设计的气体检测系统和传统气体检测系统对上述9组不同浓度的混合气体进行检测，在这9组样本中选取其中3组作为实验的测试样本，剩余6组作为训练样本，分别统计两种检测系统的网络输出值并计算每种气体检测结果的平均相对误差。平均相对误差计算公式如下：

网络输出的浓度值越接近气体实际浓度值，且平均相对误差越小，则说明该气体检测系统的检测效果越好。两种检测系统的检测对比结果如表3所示。

由表3可知，相较于传统气体检测系统，本文设计的光纤传感气体检测系统对CO₂、H₂S和CH₄的网络输出值更接近气体的实际浓度值，且其对每种气体浓度检测的平均相对误差均低于传统检测系统。因此本文设计的光纤传感气体检测系统可以很好地检测出多种混合气体中不同气体的浓度值，在光纤传感气体检测领域中有一定的应用价值。

3结语

本文设计了基于人工神经网络的光纤传感气体检测系统，通过设计系统硬件与软件部分，实现了对多种混合气体的浓度检测。系统测试表明，本文设计的气体检测系统具有极高的有效性，可以达到实际应用要求。