Научная статья на тему 'Эмпирическая модель идентификации вещества многокомпонентных парогазовых смесей'

Эмпирическая модель идентификации вещества многокомпонентных парогазовых смесей Текст научной статьи по специальности «Математика»

CC BY
222
30
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
ВЕЙВЛЕТ / ДИСПЕРСИЯ / ГАЗОЧУВСТВИТЕЛЬНЫЙ СЛОЙ / МУЛЬТИСЕНСОРНАЯ СИСТЕМА / ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ / СЕЛЕКТИВНОСТЬ / WAVELET / DISPERSION / GAS-SENSITIVE LAYER / MULTITOUCH SYSTEM / WAVELET-TRANSFORMATIONS / SELECTIVITY

Аннотация научной статьи по математике, автор научной работы — Белозерцев Александр Иванович, Эль-салим Суад Зухер

Рассматривается эмпирическая модель идентификации вещества при анализе многокомпонентных парогазовых смесей. Приводится анализ измеримых множеств и самоподобные преобразования первичных массивов данных. Показана возможность проведения вейвлет-преобразований в базисе, построенном на основе первичных и преобразованных функций, полученных при измерениях «чистых» веществ.

i Надоели баннеры? Вы всегда можете отключить рекламу.
iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Эмпирическая модель идентификации вещества многокомпонентных парогазовых смесей»

УДК 543.5;543.26

Г

\

БО! 10.21685/2307-4205-2017-3-2

ЭМПИРИЧЕСКАЯ МОДЕЛЬ ИДЕНТИФИКАЦИИ ВЕЩЕСТВА МНОГОКОМПОНЕНТНЫХ ПАРОГАЗОВЫХ СМЕСЕЙ

А. И. Белозерцев, С. З. Эль-Салим

Надежность измерений, проводимых с помощью газоаналитических систем, определяется факторами, зависимыми от ряда технических и математических параметров:

- технологии изготовления первичного преобразователя;

- совместимостью схемотехнического решения и первичного преобразователя;

- алгоритма управления и обработки результатов измерения;

- стабильностью аналитических характеристик [1].

В современном газовом анализе приведенные факторы составляют задачу 38: чувствительность, стабильность и селективность [2].

Цель настоящей работы - разработка программно-алгоритмического аппарата, позволяющего повысить качество работы газоаналитической системы. Результатом исследований, проводимых в рамках работы, является алгоритм управления и обработки результатов прямых измерений, позволяющий с высокой достоверностью идентифицировать вещества-аналиты и поднять точность количественного анализа реальных многокомпонентных паровоздушных смесей.

Полупроводниковые сенсоры, изготовленные на основе диоксида олова (8п02), легированного электроуправляющими и каталитическими примесями, наиболее полно удовлетворяют требованиям современного газового анализа [1, 2].

Действительно, стабильность электрофизических и аналитических характеристик достигается разработанной групповой технологией их изготовления, в которую входит методика синтеза дисперсных полупроводников и метод внесения добавок, снижающих температуру спекания газочувствительного материала.

Введение каталитических примесей, нагрев до заданных температур в полной мере не снимают основной вопрос селективной идентификации веществ в многокомпонентных смесях. Для повышения селективности предложен метод формирования мультисенсорных систем, составленных из сенсоров различного химического состава - сенсоров, основу которых составляет диоксид олова и различные каталитические примеси [3].

Разработанные схемотехнические устройства позволяют включать одновременно две 4-канальных микросборки с последующим попарным клонированием. Таким образом, при необходимости можно одновременно подключить до 4п сенсоров, имеющих различный химический состав и возможность работы при разных температурах. Такой подход позволяет достичь высокой степени селективности. На рис. 1 приведены изображения сенсоров, эскизов микросборок и варианты размещения микросборок в аналитических камерах различного типа.

На рис. 2 приведены схемотехнические решения для подключения двух 4-канальных микросборок с различными интерфейсами.

Обнаружение примесей паров и газов в воздухе, проводимое с применением полупроводниковых адсорбционных датчиков резистивного типа, основано на измерении падения напряжения на газочувствительном элементе при его нагреве до температуры, определяемой подводимой к нагревательному элементу мощностью, регулируемой в диапазоне от 50 до 1000 мВт. Изменение падения напряжения зависит от изменения сопротивления газочувствительного слоя в результате адсорбции молекул примеси исследуемого вещества при прокачке потока воздуха с расходом в диапазоне от 0,7 до 5 л/мин. Объем газовой камеры фиксирован и позволяет проводить обнаружение примесей паров и газов в воздухе в режиме полного перемешивания [3].

Применение вейвлет-преобразования обусловлено частотно-временной локализацией как аналогового, так и цифрового массива полученной при измерении информации. Разложение спектра по базису вейвлет-образующих функций позволяет раскрыть тонкую структуру спектра в реальном масштабе времени и устранить неопределенность, характерную для Фурье-преобразования. Неопределенность Фурье образа обусловлена принципом Гейзенберга, который не позволяет локализовать высокочастотные составляющие спектра (рис. 3). Вейвлет-преобразование свободно от

неопределенности в частотно-временной области в силу возможности деформации и сдвига вейвлет-базиса на любую величину, принадлежащую Ж2 [4].

П; . 4?; 1

1

§§| Щ 1 -Л ^

"Ч ."с?. Шг

С* X—'

Нагревательный элемент сенсора

Газочувствительный элемент сенсора

Схема микросборки и собранная 4-канальная плата-носитель

Варианты размещения микросборок в аналитических камерах Рис. 1. Сенсоры и 4-канальные микросборки

Рис. 2. Схемотехническое решение управления 8-канальной аналитической системой: 1 - модуль управления 8-канальной аналитической системой, интерфейсы коммутации с сервером;

2 - радиоканал; 3 - RS 485; 4 - UART/USB 2.0

а)

б)

в)

Рис. 3. Основные принципы алгоритмов: а, б - классические методы идентификации в частотной области; в - модификация идентификации; ПФ - преобразование Фурье; АИ - алгоритм идентификации; АЧХ - анализ частотных характеристик; ВФ - вейвлет-фильтр

Напряжение измеряется каждый момент времени и может быть сглажено с увеличением интервала измерений. Представим измеряемое напряжение в виде

и(') = иг , где tе [.',.' +1],/ е 2.

(1)

Сглаживание Р(') непрерывно и соответствует дискретным наборам и, измеренным с интервалом 1/ю с , в этом случае вейвлет-образ Р(') имеет вид

Жи {а,Ь) = и('¥(t Ь

У V а

(2)

или, переходя к интегрируемым в пространстве Ж функциям:

Ж(аЬ )=та /и('('-а-) А

(3)

Коэффициенты а и Ь в (2) и (3) определяют масштабирование по времени и деформацию вейвлет-производящей функции у. Учитывая (1), уравнение (3) примет вид

Ж

1 N -1 ' (

(аЬ )= -ГТ ТР. ^ V

(' - Ь

а\ .=0

V а

Ж.

(4)

При этом а изменяется от 1 до N, Ь от 0 до N - 1. Таким образом, сигналу Р. с количеством отсчетов N ставится в соответствие матрица размерностью N х N [6].

Массив вейвлет-преобразования Жи(а, Ь) вычисляется при вариации коэффициентов а и Ь по измеренным значениям Р(') при условии а Ф 0. Для сигналов конечной длины выражение (4) представляет собой конечную сумму, вычисляемую в масштабе реального времени процесса измерения.

Наиболее подходящими базовыми вейвлет-функциями являются начальные производные функции Гаусса. Применение гауссовой функции для спектрального преобразования позволяет построить вейвлет-базис следующего аналитического вида:

V (') = (-1)п+1 Э Пе 2. (5)

Первые четыре функции, образующие базис, определяются операцией дифференцирования уравнения (5):

I \ -'2

- исходная функция: у0 (') = е ;

- первая производная: V (') = -'е-' ;

- вторая производная: у2(') = (1 -'2)е- ;

- третья производная: у3 (') = (' -'3)е-' ;

- четвертая производная: (') = (1 +'2 -'4)е.

То есть производные вейвлет-образующей функции гауссовой формы можно представить как произведение полиномов Лежандра и экспоненты квадрата зависимой переменной в квадрате, взятой со знаком минус:

¥п (' ) = (-1)4 (' )е-'2.

(6)

На рис. 4 приведены графики вейвлет-образующей функции и первых ее производных, образующих вейвлет-базис.

Вейвлет-образующая функция

Вейвлет-образующая функция первого порядка

Вейвлет-образующая функци-явторого порядка

Вейвлет-образующая функция третьего порядка Вейвлет-образующая функция четвертого порядка Рис. 4. Функции, образующие базис и соответствующие основным свойствам вейвлетов

Для данных вейвлетов характерно свойство, имеющее практическое значение: при построении вейвлет-преобразования, проведенного по результатам эксперимента, можно использовать один и тот же коэффициент сжатия/растяжения для всех вейвлетов порядка п.

Следует отметить, что дифференцирование вейвлета часто оказывается более простой операцией, чем дифференцирование самой анализируемой функции, которая может иметь разрывы и искажаться случайными внешними воздействиями. В этом случае вейвлет-преобразование от производной исходной функции можно представить как

к„ч = жпк/ = Жп+к/.

(7)

На примере обнаружения паров несимметричного диметилгидразина, являющегося активным восстановителем, рассмотрим алгоритм проведения вейвлет-преобразования для повышения достоверности идентификации вещества [5].

Перед преобразованием проведены предварительные операция сглаживания и нормировки исходного сигнала.

На рис. 5 показаны исходный, сглаженный и нормированный сигналы.

Исходный и сглаженный сигнал Р(') Сглаженный и нормированный сигнал Р(')

Рис. 5. Первичная обработка сигнала: сглаживание и нормировка

Приведем пример вычисления WWT-преобразования паров НДМГ. Исходный сигнал сглаживается по экспоненте (рис. 6).

Исходный сигнал

й2/Л

WWT-преобразование Рис. 6. Этапы проведения WWT для паров НДМГ

Затем рассчитывается Z-образ как мгновенная дисперсия. Следующий шаг - расчет производной первого и второго порядка. После проведения самоподобных преобразований, проводится операция WWT. Отметим, что все операции осуществляются в режиме реального времени

[4, 6].

Вейвлет-базисы локализованы как по частоте, так и по времени. При выделении в исходных сигналах локализованных разномасштабных процессов можно выделить только те масштабные уровни разложения, которые соответствуют веществу-аналиту. Сечение WWT-образа, определенного временем процесса, частотой и амплитудой, приведено на рис. 7.

Ч.

150 200 250 Игле (ог ¿расе) Ь

Рис. 7. Пространственно-частотная локализация в вейвлет-базисе для НДМГ

Выбор конкретного вида и типа вейвлетов во многом зависит от анализируемых сигналов и задач анализа. Для получения оптимальных алгоритмов преобразования разработаны определенные критерии, но их еще нельзя считать окончательными, так как они являются внутренними по отношению к самим алгоритмам преобразования и, как правило, не учитывают внешних критериев, связанных с сигналами и целями их преобразований.

Отсюда следует, что при практическом использовании вейвлет-функций необходимо уделять достаточное внимание проверке их работоспособности и эффективности для поставленных целей по сравнению с известными методами обработки и анализа [6].

С помощью вейвлет-базиса получены вейвлет-разложения для паров НДМГ и АТ, измеренных газочувствительными сенсорами в сложной паровоздушной смеси. На рис. 8 показан WWT-образ для НДМГ, на рис. 9 - для АТ. Концентрации примеси гептила и амила составляют 0,5 и 2,5 мг/м3 соответственно [6].

На рисунках видно, WWT-образ, полученный в режиме реального времени, позволяет однозначно идентифицировать вещества-аналиты - НДМГ и АТ. Следует отметить, что с учетом реакции топлива и окислителя, компоненты идентифицируются с высокой достоверностью. Видно, что для повышения селективности при обнаружении пары НДМГ-АТ достаточно применения базиса, состоящего из первой и второй производной 2-функции (дисперсии), рассчитанной по измеренному потенциалу - напряжению в каждом канале аналитической системы, состоящей из четырех сенсоров.

Модель обработки результатов измерений, построенная на основе вейвлет-преобразований, позволяет, не повышая времени принятия решения, идентифицировать многокомпонентные парогазовые смеси, рассчитывать концентрации компонент как интегральные суммы WWT-разложения по первой и второй производной [7]. Так как модель является эмпирической в силу формирования базиса по измерениям «чистых» веществ, то массив проб, необходимых для градуировки, снижается, что значительно повышает ценность применения эмпирического моделирования.

V

Вейелет разложе-мие первой производной

200 400

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

200 400

ВСЮ 1000 1200 1400

Рис. 8. WWT-преобразование по первой и второй производной паров НДМГ

Рис. 9.WWT-преобразование по первой и второй производной паров АТ

Библиографический список

1. Налимова, С. В. Анализ газочувствительных наноструктур с варьируемым типом и концентрацией адсорбционных центров : автореф. дис. ... канд. физ.-мат. наук / Налимова С. В. ; Санкт-Петербургский государственный электротехнический ун-т. - СПб., 2013. - 22 с.

2. Odor identification using SnCVbased sensor array / T. Maekawa, K. Suzuki, T. Takada, T. Kabayushi, M. Egashira // Sensors and Actuators. - 2001. - Vol. 80. - P. 51-58.

3. Мясников, И. А. Полупроводниковые сенсоры в физико-химических исследованиях / И. А. Мясников, В. Я. Сухарев, Л. Ю. Куприянов. - М. : Наука, 1991. - 327 с.

4. Методы определения компонентов ракетных топлив и их производных в объектах производственной и окружающей среды : метод. пособие / под ред. Л. М. Разбитной. - М. : Ин-т Биофизики, 1988. - С. 68-70.

5. Тулупов, П. Е. Кинетика превращения несимметричного диметилгидразина в гелево-кислородной газовой фазе / П. Е. Тулупов, С. В. Колесников // Труды IV Всесоюз. совещания Загрязнение атмосферы и почвы : сб. - Л. : Гидрометеоиздат, 1991. - С. 102-108.

6. Мисийчук Ю. И., Терещенко Г. Ф., Лебедев Г. П. и др. // Экологические аспекты применения диметилгидразина // Экологическая химия. - 1998. - № 7 (1). - С. 42-47.

7. Вейвлет-преобразования в пакете Матлаб. - URL: https/ www.exponenta.ru

Белозерцев Александр Иванович первый заместитель генерального директора, Научно-исследовательский институт физических измерений

(440026, Россия, г. Пенза, ул. Володарского, 8/10) Е-шаП: info@niifi.ru

Эль-Салим Суад Зухер

доктор физико-математических наук, профессор, генеральный директор ООО «Омега»

(199048, Россия, г. Санкт-Петербург, наб. реки Смоленки, 19-21, лит. В) Е-шаП: suad-olka@yandex.ru

Аннотация. Рассматривается эмпирическая модель идентификации вещества при анализе многокомпонентных парогазовых смесей. Приводится анализ измеримых множеств и самоподобные преобразования первичных массивов данных. Показана возможность проведения вейвлет-преобразований в базисе, построенном на основе первичных и преобразованных функций, полученных при измерениях «чистых» веществ.

Ключевые слова: вейвлет, дисперсия, газочувствительный слой, мультисенсорная система, вейвлет-преобразования, селективность.

Belozertsev Aleksandr Ivanovich

first deputy general director,

Scientific-research Institute

of physical measurements

(440026, 8/10 Volodarskogo street, Penza, Russia)

Al-Salim Suad Zuher

doctor of physical and mathematical sciences, professor, director general, Ltd "Omega"

(199048, lit. In, 19-21 embankment

of the Smolenka river, Saint-Petersburg, Russia)

Abstract. In work the empirical model of identification of substances is considered in the analysis of multicom-ponent steam-gas mixes. The analysis of measurable sets and self-similar transformations of the processed data arrays is provided. The possibility of carrying out wavelet-transformations in basis, constructed on the basis of primary and transformed functions received at measurements of «pure» substances is shown.

Key words: wavelet, dispersion, a gas-sensitive layer, multitouch system, wavelet-transformations, selectivity.

УДК 543.5;543.26

Белозерцев, А. И.

Эмпирическая модель идентификации вещества многокомпонентных парогазовых смесей /

А. И. Белозерцев, С. З. Эль-Салим // Надежность и качество сложных систем. - 2017. - № 3 (19). - С. 10-17. БО! 10.21685/2307-4205-2017-3-2.

i Надоели баннеры? Вы всегда можете отключить рекламу.