【摘 要】
:
随着气体传感器技术的发展,搭载传感器阵列的电子鼻气体检测系统被广泛应用于生物医学领域。其中,气体检测系统的低功耗、微型化以及无线化是重要的研究方向。本文针对气体检
论文部分内容阅读
随着气体传感器技术的发展,搭载传感器阵列的电子鼻气体检测系统被广泛应用于生物医学领域。其中,气体检测系统的低功耗、微型化以及无线化是重要的研究方向。本文针对气体检测系统的低功耗微型化应用需求,设计了一款胶囊尺寸的无线低功耗微型气体检测系统。首先,设计并实现了无线低功耗微型气体检测系统的硬件部分。硬件电路包括传感器阵列、控温电路、采集电路、主控芯片以及无线模块。其中,气体传感器阵列采用集成了4个微热板的微气体传感器阵列芯片;选用微型化和低功耗的STM32F103T8U6作为主控芯片实现对传感器温度的控制以及气体数据的采集等功能;针对主控芯片带载能力较弱的问题,采用DAC7512为气体传感器阵列提供加热电压;选用PW0316蓝牙模块实现对信号的无线传输。最终实现的胶囊尺寸的微型气体检测系统的直径约10mm,长度约26.8mm,满足微型气敏电子胶囊的设计要求。然后,在硬件驱动程序方面,采用一套程序适配低功耗检测和快速高灵敏度检测两种工作模式,实现了自动采集和上传气体信息。在上位机软件方面,基于Android操作系统开发了专用APP,对气体数据进行显示并自动保存;基于腾讯云开发了网页服务器,可以通过移动终端将数据实时上传到服务器上存储,方便用户在后台查看。其次,针对微型气敏电子胶囊低功耗应用需求,基于微热板气体传感器的特性,采用了加热脉宽远大于微热板气体传感器热响应时间的脉冲电压加热方式,使气体传感器工作在加热-休眠交替的模式下。通过实验分析了加热电压脉冲周期和占空比对气体传感器气体检测性能的影响,获得了最佳工作周期和占空比。实验结果表明,采用脉冲电压加热的方式可以将气体传感器的功耗降低一个数量级且仍能获得良好的气体检测性能。最后,对所设计的微型气体检测系统进行了性能测试。结果表明,气敏电子胶囊硬件驱动程序采用低功耗策略以及微热板气体传感器采用脉冲电压加热的低功耗工作模式时,气敏电子胶囊的平均功耗低至7.269mW,为常规恒压加热模式所需功耗的9.7%。采用4节SR927SW氧化银纽扣电池,系统最长工作时间可达45h。实验证明该系统可以准确采集并传送气体信息,实现了设计目标,可以满足仿生嗅觉、智能穿戴式气体检测以及摄入式胃肠道气体检测等生物医学气体检测领域的应用需求。
其他文献
当今社交媒体活跃在人们生活的各个角落,将用户社交关系结合传统推荐方法进行社会化推荐的方向成为新的研究热点。社会化推荐系统融合社交属性信息与评分信息进行推荐,一定程度上提高了系统推荐的准确性,但社会化推荐系统的开放性,极易受到恶意攻击,此类行为危害了社会化推荐的真实性,加深用户对系统推荐的不信任。国内外研究人员针对评分推荐系统或社交网络的攻击检测已有很多研究成果,但是很少关注针对社会化推荐系统的托攻
估计出监控场景中实时人数有助于突发事件的事前预警和事后决策。本文对治安智能视频监控系统中的拥挤人群计数以及人群密度统计进行了深入的研究。通过分析已有拥挤人群计数
传统的运动规划方法很难适用于六足机器人的多个关节角度规划,合理的角度规划是实现其稳定运动基础。仿照生物体中的中枢模式发生器(CPG)来规划机器人运动的节律信号是解决规
稳定性理论有着广泛的应用。比如,自然科学、工程技术、环境生态、社会经济等方面。本文主要讨论了几类随机时滞神经网络的稳定性。通过对不同神经网络模型的解的性质的研究,
近年来,深度卷积网络被广泛应用于计算机视觉领域,在许多视觉任务上如图像分类、目标检测、视频跟踪、图像分割等取得了优异的表现。性能优异的深度卷积网络往往具有参数量大
喷码机因机器设备内在性能或喷码机的喷头被墨水堵塞以及喷码内容设置错误等问题使喷印的字符出现各种缺陷,例如字符残缺、字符漏印、字符被污染等。印有缺陷字符的商品,一旦
压缩感知(CS)是一种新型的信号采样技术,能够从远低于奈奎斯特采样频率的随机线性测量来重建原始图像信息,其核心在于设计高效的压缩感知重建方法。然而,传统的重建方法需要
图常用的查询算法有可达性、最短路径距离和最宽路径查询等,传统查询算法有两种:一种是求解完整传递闭包,即预计算出所有的结果,那么查询效率为(1);另一种则是使用修改的Dijkstra算法或其他算法直接在原图上进行搜索,空间开销为(1)。而近年来图规模快速增长,其节点和边的总数可以达到亿级规模。针对如此大规模的图,前者查询效率虽高,但是空间开销使其难以扩展;后者虽然空间开销(1)很低,但直接在原图搜索
大脑的中矢状平面(Midsagittal Plane,MSP)可以用来评估大脑左右半球的对称性,利用获得的评估结果可以帮助诊断某些脑部疾病,因此研究MSP的提取在临床中具有重要意义。然而现有的提取方法大多存在计算成本大、对图像方向有一定要求等问题,针对这些问题,论文研究一种适用于各个方向脑部图像,同时可以快速、准确的提取脑部中矢状平面的算法。根据处理对象的维度,基于大脑对称性的MSP提取方法可以分
图像语义分割在自动驾驶、场景理解、医学等方面有着广泛的应用,但现有语义分割技术具有图像分割边缘粗糙、分割精度不高、标签过程繁琐等问题,分割模型的泛化能力较低,且只能针对特定环境。针对以上问题,本文提出了基于双层级合并上采样方法,深度对抗神经网络的反馈式弱监督语义分割方法和直推式迁移学习的语义分割方法,提高了分割精确度,简化标签过程,提升网络的泛化能力,本文的研究对语义分割技术的广泛应用具有实际意义