基于GA-BP神经网络的红外CO2传感器湿度补偿研究∗

顾 芳，邢 俊，李 玲，裴 昱，黄亚磊，张加宏

(1.南京信息工程大学，物理与光电工程学院，江苏 南京 210044；2.南京信息工程大学，江苏省大气环境与装备技术协同创新中心，江苏 南京 210044)

近些年，社会经济的持续发展导致全球气候不断变化，对温室效应气体CO2的浓度进行实时高效检测也愈加重要。目前，针对CO2气体浓度进行检测的手段主要有电化学法、电子捕获法、紫外线电离法以及非色散红外吸收法等[1－3]，其中，非色散红外吸收法凭借其灵敏度高、检测范围广、抗干扰性强等优点，在CO2气体检测领域受到广泛的应用[4－7]。在实际测量的过程中，非色散红外CO2气体传感器的性能易受环境温湿度的影响，测量结果会产生显著误差。因此，有关环境因素(温度和湿度等因素)对红外CO2气体传感器的影响已成为近些年的研究热点，实际上环境温湿度等因素不仅使测量系统的器件特性发生漂移，而且也对CO2气体本身的光谱特性产生影响[8－9]。为了解决此问题，通常选用硬件或软件补偿方法进行温湿度误差修正。其中，硬件补偿法即设计恒温(PID控制的加热片)和降湿(防水过气膜和干燥剂)装置，应该能较好地消除温湿度的影响，但其成本高昂不适合产品化生产且自适应性比较差，实际应用中较少使用[10]。而软件补偿的方式实现起来较为简单且成本低，更易改善线性度，补偿效果明显，是提高气体浓度测量精度的主要方法，其中人工神经网络算法以其独特的优越性成为目前红外气体传感器采用的主要软件补偿方式[11－14]。

尽管有关CO2浓度测量系统温度补偿的研究报告较多，但针对相对湿度对气体测量结果影响的报道较少[15－16]。为此，本文结合自主设计的扁锥腔高灵敏红外CO2气体传感器[17]开展了相关研究。首先对三种不同镀膜气室进行了对比实验，分析其实验结果，对最佳镀膜气室进行了标定和测试实验，然后搭建了湿度实验平台，采用基于遗传算法改进的神经网络算法(GA-BP)着重对传感器进行了湿度补偿，传感器系统湿度漂移现象得到了很好的抑制，算法补偿后的CO2浓度测量误差在±110×10－6内。本文研究满足实时监测室内环境中CO2浓度的需求，对红外CO2气体传感器结构优化和测量精度的提高具有重要的参考价值。

1 红外CO2气体传感器系统设计

图1为基于非分光红外检测技术的CO2气体传感器系统的组成框架图。STM32单片机控制光源驱动电路驱动白炽灯光源HSL5－115－S，光源辐射出红外光进入扁锥腔采样气室，出射光被红外热电堆探测器TPS2534接收，探测器将光信号转换为电信号，再经过放大处理，输入至AD转换器中，然后传至单片机处理分析转换为浓度信号，最后串口输出与上位机显示[17]。

图1 CO2气体浓度测量系统示意图

为提高腔体壁面反射，气室内壁通常进行打磨、抛光以及镀膜处理，采用高反射率的金属材料进行镀膜，值得注意的是，金属导电系数越高，其穿透深度越浅则反射率越高，所以，金属反射膜材料大都选用高导电率的金、银、铜等材料，且这三种金属在中红外波段的反射率都为96%，符合设计要求。基于此，为研究不同镀膜对非色散扁锥腔CO2气体传感器的红外吸收效率和灵敏度的影响，本文选择了镀铜、镀银、镀金的气室进行对比实验，经机械加工并通过电镀的工艺对腔体进行了金属镀膜，镀膜厚度均为0.01 mm，得到如图2所示光学气室实物，由图可知，腔体内壁光滑且反射率较高。

图2 不同镀膜的气室实物图

2 不同镀膜气室对比实验

为了研究不同镀膜气室对CO2气体传感器测量结果的影响，分别对加工好的镀铜、镀银、镀金气室在同一实验平台进行了实验，具体实验步骤如图3所示。

图3 不同镀膜气室对比实验步骤图

①连接装置:连接CO2气体传感器测量装置，通入99.999%高纯氮气，待气室内气体排空，测量CO2气体传感器出气口气体湿度，湿度为0%，则外界与气室内部无气体交换，关闭氮气阀门。开启CO2气体传感器测量装置，等待30 min，检测装置是否工作正常。②装置通入气体:开启温湿度实验箱，设置实验箱内温度为25℃，湿度为50%，由于外界与气室内无气体交换，即实验箱中湿度与气室内气体无影响，待实验箱内温湿度稳定后，打开并固定高纯氮气气瓶减压阀，气流速度略大于空气流速，持续稳定通气2 min，以保证气室内无杂气干扰。③记录并整理数据:通过串口调试助手，实时记录下六组CO2气体传感器测量通道的输出电压值和参考通道的输出电压值，然后更换不同标准浓度CO2气体进行实验，最后对三种不同金属镀膜气室CO2气体传感器记录的各通道数据进行整理分析。

取参考通道电压信号的峰－峰值为U r和探测通道电压信号的峰－峰值为U e，设两电压信号的比值为f，其表达式为:

每组实验下参考通道与探测通道的电压比值f i(i＝6为实验组数)的平均值与标准CO2气体浓度的关系如图4(a)、4(b)和4(c)所示。由图4可知，对于三种不同金属镀膜气室的CO2气体传感器，检测结果的电压比值平均值都随CO2气体浓度的升高而增大。这主要是因为在此检测过程中随着CO2气体浓度的增大，探测通道对应波段的红外光更多地被吸收，导致传感器探测通道接收到的红外光能量下降，输出的电压值Ue也随之下降，而参考通道对应的红外光波段因无气体吸收，输出的电压值U r基本保持不变。从拟合公式可以看出，三种不同金属镀膜气室CO2气体传感器都基本满足朗伯一比尔定律，确保了检测结果的正确性，不同的是多了数值约为1的常数项，该常数项与传感器系统的本身设计有关，比如传感器系统光源部分的入射光并未垂直照射吸光物质，且光源为发散非单色光光源等。为具体分析三种不同金属镀膜气室CO2气体传感器对比实验结果，绘制出三种不同金属镀膜气室六组实验测量电压比值平均值随CO2气体浓度变化的曲线，如图4(d)所示。在相同温湿度环境中，在0～2000×10－6量程范围内，镀金、镀银和镀铜气室电压信号比值f增量分别为0.0328，0.0323和0.0249，且在信号相同放大倍数情况下，镀金气室电压信号比值f高于镀银气室，这说明镀金气室具有更高的红外吸收效率和灵敏度，再者，金的化学稳定性比铜和银好的多，且不易受氧化，所以，镀金气室更符合设计要求。

图4 不同镀膜气室实验系统标定结果

针对镀金气室，对CO2浓度测量系统的进行了性能测试。理论上讲，上述拟合的指数公式的反函数即为传感器的标定公式，然而实际测量过程中CO2吸收系数受温度和湿度影响，该标定公式误差偏大，后续考虑环境温度和湿度误差补偿时，利用指数或对数关系进行标定将限制传感器的测量范围，而采用多项式拟合效果要好些，操作也更为简单。因此，将六组标定实验测量的电压比值平均值作为自变量，标准CO2浓度作为因变量，选用多项式函数拟合，其函数关系如图5所示，拟合系数为0.992，从而获得CO2气体浓度C的具体标定公式如下:

图5 CO2气体传感器装置标定结果

式中:CO2浓度C的单位为10。

考虑到环境湿度与气体浓度之间呈现复杂的非线性关系，下文选取镀金的气体传感器开展湿度实验研究，以此来衡量环境湿度对传感器系统的影响。

3 基于神经网络算法补偿的湿度实验研究

3.1 湿度实验测量结果与分析

针对外界环境中的湿度影响，在25℃环境下，通过外界加湿的方式对CO2浓度测量系统进行了湿度实验研究，其湿度实验装置示意图如图6所示。将实验装置放置于C180温湿度实验箱内，由图可知，将CO2标气瓶与两个密封杯相接，为保证CO2气体流通，杯子密封盖处开有两个小孔，且一个杯子中盛有清水，用来给干燥的CO2气体加湿，通过控制杯中的水量来调节进入光学气室的气体湿度，为防止通气时气流过大导致小水滴进入腔体，在盛水的杯子和气体传感器中间加入一个无水的杯子用来滤去气体带来的小水滴，传感器出气口处放置一个湿度传感器，可实时测量气体湿度。加湿装置实物图如图7所示，值得注意的是，温湿度箱工作时会有轻微晃动，为防止杯中水溢出造成不必要的麻烦，将两个水杯呈上下放置，加湿杯置于下层，滤水杯和传感器置于上层，且将其通过胶带固定。

图6 湿度实验装置示意图

图7 加湿装置实物图

室内环境湿度一般在50%左右，所以本文实验相对湿度范围选为40%～80%，实验对象为不同标准浓度的CO2气体，其实验流程如图8所示，具体步骤如下:①首先检测装置稳定性，排除故障，然后往加湿杯中加入一些水，连接装置，开启标气阀门，等待2 min，观察相对湿度值RH的显示值，是否在40%附近。若湿度过小，则关闭标气阀门，取下加湿杯，继续加水；若湿度过大，则倒掉部分水，直至湿度达到要求。②启动温湿度实验箱，设置温度为25℃，湿度为50%，等待1 h，待箱内温湿度恒稳，开启标气阀门，通入气体，等待2 min，直至标气充满气室。③待RH显示稳定，记录下此时RH及六组参考通道和测量通道的电压值。④改变标气浓度，重复步骤2和3。⑤取下杯2，再注入一些水，使得RH在50%、60%、70%和80%附近，重复步骤①至④。

图8 湿度实验流程图

将扁锥腔CO2传感器系统的参考通道与测量通道电压值分别输出，画出它们与相对湿度的关系图，如图9和图10所示。从图中可以看出，在40%～70%的湿度范围内，随着传感器气室内湿度的增加，参考通道与测量通道电压值基本保持不变；而在70%～80%的湿度范围内，参考通道与测量通道的电压值随着湿度增加呈现指数规律下降，且两者下降的电压幅度基本一致。该结果主要是由于传感器气室内湿度逐渐增高，水蒸气的含量也越来越多，当气室内的湿度达到70%左右时，水蒸气将会产生显著的散射增强效应，此时水蒸气的散射系数与湿度之间满足指数增长规律[18]，从而使得透射光强指数衰减，即探测器接受的光信号指数衰减，于是探测器参考通道与测量通道输出的电压信号均呈指数衰减。此外考虑到水蒸气和CO2会产生微弱结合形成水合物，使CO2吸收光谱发生相应变化[19]，致使探测器测量通道接收的光强信号改变，但这部分的影响十分微弱，与水蒸气散射的效果相比可以忽略不计。

图9 气体浓度一定时，扁锥腔CO2传感器系统输出的参考通道电压与相对湿度关系(点是实验值，线是拟合曲线)

图10 气体浓度一定时，扁锥腔CO2传感器系统输出的测量通道电压与相对湿度关系(点是实验值，线是拟合曲线)

在上述不同湿度下，将实测浓度值与标准浓度值之间的绝对误差绘制成曲线，如图11所示，从图中不难发现，在40%～80%湿度范围内，对于某一浓度CO2气体，随着湿度的混入，实测浓度与标准浓度出现了较大波动性偏差，且绝对误差最高达到645×10－6。

图11 不同湿度下，实测浓度与标准浓度之间的绝对误差

为消除环境湿度对CO2浓度测量系统带来的误差，常见的方法主要是对气室进行防水透气和干燥处理与软件补偿[20]，由于一般的防水透气膜很难将湿度全部滤除，采用这种办法只能轻微降低湿度影响。随着时间的推移，干燥剂的效果也会有所降低，需要定期更换，因此上述方法虽然简单但实际效果也有限，因此，本文选用软件补偿法对CO2浓度测量系统进行了湿度补偿。

考虑到参考通道与测量通道的电压随湿度的变化规律均为式(3)和式(4)的指数函数，则两个通道的电压比值f与湿度RH之间必定为一复杂函数关系，即f与RH之间不再是单调关系，那么由电压比值f反演的CO2气体浓度值C与RH之间也不再是单调关系，因此利用实测浓度值C修正湿度带来的浓度测量误差不可行，下面直接利用测量通道的电压信号修正湿度误差。

式中:a r，b r，c r，a e，b e，c e为函数的拟合系数。

3.2 基于GA-BP神经网络算法的湿度补偿及其性能分析

从图10可知，气体传感器测量通道的电压信号随RH的增大指数衰减，本文将以湿度值和实测测量通道的电压作为输入，标准浓度C P作为期望输出，采用GA-BP融合算法对CO2气体传感器进行湿度误差补偿与分析。由于测量时湿度不能控制，本文采用密集采点的方式，在图10每条曲线上取了21个样本点作为训练数据，同时选取了40%、50%、60%、70%和80%湿度下的数据作为预测数据，设置网格训练速率为0.1，网格训练精度为10－5，设置初始化种群规模为126，变异概率为0.08，交叉概率为0.75，迭代次数为1000，由于湿度样本数量有限且样本相关性较差，为减小误差，设置权值阈值自动更新10000次。经数据融合后的输出结果如图12(a)所示，其预测值在期望值(标准浓度值)附近上下波段，将各湿度下输出值与标准浓度作比较，如图12(b)所示，图中，GA-BP算法补偿后的CO2气体浓度随湿度漂移变化较小，说明湿度漂移现象得到了抑制。

图12 湿度40%～80%范围内，经GA-BP算法融合后浓度输出结果

图13给出了算法修正后测量误差值，由图可知，算法处理后输出浓度值与标准浓度之间的绝对误差在±110×10－6内，由此可见，GA-BP融合算法对湿度影响具有很好的补偿效果，将湿度引起的CO2气体浓度测量误差降低了很多，可见GA-BP融合算法补偿修正的可行性。

图13 算法补偿后输出结果与标准浓度之间的绝对误差

在上述GA-BP融合算法基础上得到湿度修正后的CO2气体浓度公式如下:

为了验证算法补偿效果，本文选取了45%和65%湿度下(非样本湿度)数据点进行验证。图14分别给出了45%和65%湿度下GA-BP算法预测输出与期望输出之间的绝对误差曲线，由图14(a)可知，当湿度为45%时，其预测值与期望值之间的绝对误差在±45×10－6内，从图14(b)中可以看出，65%湿度环境下，GA-BP算法预测输出与期望输出之间的绝对误差在±90×10－6内。说明GA-BP神经网络算法能够用于修正环境湿度引起的测量误差。

图14 非样本湿度下，算法补偿后绝对误差

4 结论

本文开展了基于非色散技术的CO2传感器系统的组装与实验平台的搭建。首先对不同镀膜气室进行标定实验，通过对比选择了灵敏度最高的镀金气室作为研究对象。鉴于湿度的显著影响，本文着重利用GA-BP算法对CO2气体传感器的湿度漂移进行了补偿修正，预测和验证结果表明，传感器的温度漂移得到较大的削弱，测量误差显著减小。在0～2000×10－6量程范围内，GA-BP算法补偿过的传感器系统整体误差小于±110×10－6，表明所研制的红外CO2气体传感器具有良好的性能。本文研究满足实时监测环境中CO2浓度的需求，对红外CO2气体传感器结构优化和测量精度的提高具有一定的参考价值。