人工嗅覺系統設計初步

　　隨著各種氣體的應用，多種有毒有害氣體產物大量生成，對人類健康安全構成威脅。各種氣體檢測技術應運而生，如煤氣液化氣報警、煙霧（火警）報警。特別是自1964年Wilkens和Hatman提出電子鼻的概念以來，氣體傳感技術正向更高的層次———電子鼻方向發展，即具有一定氣體、氣味分辨能力的智能系統［1，2］。因而研究能模擬動物嗅覺系統的人工嗅覺也就自然成為該領域研究的熱點，該文是筆者在設計人工嗅覺系統方面所做的一點初步工作。
　　電子鼻技術目前已廣泛應用于生活和生產活動中，如魚肉新鮮度測定和白酒、煙草等級評定，毒品、炸藥探測等專門任務［3］，并取得可喜成果，但是通用型人工嗅覺的實現難度很大。難點在于：①在醫學領域，嗅覺與視覺、聽覺相比，研究得最不充分。②嗅覺系統結構模型相當復雜，尚有許多待探索的結構和機理。③嗅覺神經系統電、化學信號傳遞和信息處理過程復雜，可能屬于非線性、非穩態和混沌過程。［4］ 
2　嗅覺系統基本原理
　　目前所知的嗅覺過程大致如下［5］（見圖2—1）：在人的鼻道上端存在一個黃豆大的區域———嗅區，氣味分子與嗅區最外層的粘膜上的纖毛接觸時，發生物理吸附，并向粘膜中擴散，同時發生化學作用。被粘膜覆蓋的嗅細胞受到刺激后產生感受電位，經嗅神經纖維沿細胞軸突到達第一神經元（嗅小球），再從嗅小球的輸出端匯入第二神經元（僧帽細胞）。在組成嗅束后，把經一、二級神經元處理后的信號傳遞到大腦皮層有關區域，經大腦的分析處理，產生嗅覺判斷。 


　　單個初級嗅覺神經元對各種氣體是交叉敏感的，雖然嗅細胞數量眾多，但種類只有14種左右。人類靈敏的嗅覺正是靠數量龐大、相互交叉敏感的細胞陣列以及多級神經網絡的信號整合才得以實現的。僅從嗅小球到大腦皮層，嗅覺系統的靈敏度就提高了3個數量級［5］。因此設計人工嗅覺系統時，大規模、多種類傳感器組成的陣列和模擬人類神經系統功能的神經網絡是必需考慮的。 
3　傳感器陣列
　　目前使用量最大的是利用體電阻效應的金屬氧化物傳感器，主要是利用粉末冶金方法，在SnO2粉末中參雜Pt和Pd等提高靈敏度和選擇性。工作溫度多在450～550℃，用于可燃氣體現場時需作防爆處理，此外功耗也較大。筆者采用真空磁控濺射成膜技術，用平面集成工藝制作集成化的SnO2基納米薄膜傳感器，利用納米尺度薄膜電性能與常規體電導效應的差異，探索將傳感器工作溫度降到多數可燃氣體著火點以下的途徑。另外還通過多種參雜方法提高對不同氣體的選擇性，試驗表明適當參雜后工作溫度可下降100℃左右，目前還在繼續尋找能使工作溫度進一步降低的參雜物質和工藝。圖3—1為薄膜傳感器示意圖。



　　制作納米薄膜SnO2基氣體傳感器，首先要尋找合適的鍍膜基片，常用的陶瓷基片粗糙度遠大于納米。因此采用拋光耐熱玻璃鍍膜制作，見圖3—1。在玻璃基片正面真空濺射敏感膜SnO2和合金電極，并給每段敏感膜分別采用一定工藝參雜微量Cu2O、ZnO、Al2O3、MgO、ZrO和TiO2等雜質，以提高選擇性。玻璃基片背面鍍Ni80Cr20加熱電阻合金薄膜，以及鎳鉻—康銅薄膜熱電偶。試驗表明采用K9玻璃鍍膜優越性明顯。可在50 mm長的玻璃片上平面集成數十個傳感器，為結構小型化創造了條件。穩定的表面狀態導致穩定的傳感器性能。拋光的玻璃表面幾乎不需預處理即可鍍出合格鍍層，且結合遠比普通陶瓷表面涂層牢靠。基底上形成的非晶態納米涂層厚薄均勻，這與SiO2基底和SnO2之間點陣錯配度較大，難以形成晶體生長有關。有別于燒結型SnO2基傳感器，非晶態條件下導電機理與晶態差異較大，界面化學特性迥異。體電導受晶界勢壘控制和燒結顆粒間頸部控制以及表面電阻控制，而非晶態薄膜主要為表面效應，受涂層—基片費米能級和載流子隧道效應影響［6］。燒結型SnO2基傳感器表面上吸附各種氣體分子后，心部電阻改變不大。由于燒結型材料比表面較小，吸附造成的相對電導變化遠小于薄膜型傳感器，薄膜型傳感器可獲得較高的靈敏度，450℃工作溫度下靈敏度S從5～10提高到25左右。
靈敏度定義為：
還原性氣體S＝（Ra－Rg）／Rg＝ΔR／Rg
氧化性氣體S＝（Rg－Ra）／Ra＝ΔR／Ra
　　式中Rg和Ra分別為工作溫度下在被測氣氛和空氣中的電阻值。 
4　人工嗅覺系統基本結構
人工嗅覺系統框圖見圖4—1。



4．1　信號調理與采集電路
　　傳感器陣列采用分壓式取樣電路＋加熱元件輸出電路＋單端16路模擬量采集卡（PCL812－PG），板上帶2路模擬量輸出，控制加熱電壓和吸氣泵。陣列規模為16只傳感器。
4．2　模式識別方法與識別結果討論
　　人類的嗅覺過程是一個復雜的理化過程，模擬嗅覺首先應關注理化方面的變化。鼻腔能把溫度和濕度調節到理想狀態來保證獲得靈敏的響應，目前國內外生產的氣體傳感器均無測溫結構，該系統用濺射法形成薄膜熱電偶，可將傳感器溫度精確調節，模擬生物嗅覺系統。
　　人類感知一種氣味時初期的信息很重要，時間一長反而被氣味所“麻痹”。說明暫態信息對于嗅覺過程至關重要。氣體分子量大小不同、偶極矩不同，在動態吸附過程中的動力學特征不同。反映這些特征的參數可作為一種“氣味譜”。與光譜僅取決于物質種類不同，“氣味譜”隨試驗條件而改變，但在一定條件下，經過模式識別系統的學習，仍可作為識別參數。根據化學反應動力學原理，解吸階段（用空氣沖洗）的響應參數也與氣體分子性質有關，也可作為模式識別參數，因此筆者也對這一階段的數據進行了特征提取。所有這些識別參數數值經過預處理后成為一種氣味的氣味譜，這里取響應曲線的三次曲線擬合的各次項系數a0～a3為譜參數矢量，將每種氣味中16個傳感器產生的響應曲線族作為一組。為采用誤差反傳（BP）神經網絡進行模式識別，人為給定一個氣體分類期望輸出。若干氣味樣本的氣味譜作為神經網絡輸入矩陣參數，經過神經網絡學習后進行模式識別。筆者研究了3層BP網和自組織特征映射（SOM）網絡的兩種識別方法。
　　BP網輸入層有16