用於分析氣體混合物的計算機實現的系統和方法

2023-12-06 12:10:56

專利名稱：用於分析氣體混合物的計算機實現的系統和方法
技術領域：
本發明總體上涉及一種用於使用化學傳感器和化學傳感器陣列來在多成分氣體系統中感測並分析某些氣體的系統和方法，所述氣體包括NOx、碳氫化合物、一氧化碳和氧氣。
背景技術：
使用化學感測設備來檢測確定的氣體是已知的。已經進行了許多嘗試來尋找對具體氣體具有選擇性和敏感性的物質。例如，美國專利號4,535,316公開了一種用於測量氧氣的電阻傳感器。還可以參見H.Meixner等人的Sensors和Actuators B化學，第33卷，第198-202頁(1996年)。對於要檢測的每種氣體來說必須使用不同的物質。然而，當氣體是多成分系統的一部分時，由於物質對混合物中各個成分氣體的交叉敏感性的原因，所以使用一種物質來檢測具體的氣體是很困難的。
多成分氣體系統的一個例子是燃氣排放，其可以包括氧、一氧化碳、氮氧化物、碳氫化合物、CO2、H2S、二氧化硫、氫、水蒸汽、滷素和氨。參見H.Meixner等人的Fresenius』J.Anal.化學，第348卷，第536-541頁(1994年)。在許多燃燒過程中，需要確定氣體排放是否滿足由各個管轄區域中的聯邦和州空氣品質規章所建立的要求。幾種類型的氣體傳感器已經被開發出來以解決此需要。參見公開了一種電化學氧傳感器的美國專利號5,630,920；公開了一種用於檢測氧和氮氧化物的傳感器的美國專利號4,770,760；以及公開了一種用於測量氧氣的電阻傳感器的美國專利號4,535,316。能夠同時分析諸如燃氣排放之類的混合物的兩種或多種成分，只根據通過利用傳感器直接接觸氣體所產生的數據來計算濃度並且不必分離所述混合物中的任何氣體可能是有益的。現有技術方法目前並不滿足此需要。
已經公開了許多傳感器來檢測從食物以及其它相對較低溫度應用中散發的氣體。參見K.Albert等人的化學修訂本，第200卷，第2595-2626頁(2000年)。還公開了幾種純的和摻雜的氧化錫傳感器陣列來用於檢測高達450℃的各種燃燒氣體。參見C.DiNatale等人的Sensors mid Actuators B化學，第20卷，第217-224頁(1994年)；J.Getino等人的Sensors and Actuators B化學，第33卷，第128-133頁(1996年)；和C.DiNatale等人的Sensorsand Actuators B化學，第23卷，第187-191頁(1995年)。然而，在人們可能使用化學傳感器來監視燃燒氣體的高溫和強腐蝕環境下，操作溫度可能會改變或削弱傳感器陣列的性能。情況既然如此，高溫環境要求使用在化學和熱上都很穩定並且保持對所關心氣體具有可測量響應的物質。在高達450℃的情況下研究操作溫度對基於氧化錫的傳感器陣列的響應的影響。參見C.DiNatale等人的Sensors and Actuators B化學，第23卷，第187-191頁(1995年)。然而，除在本領域中先前已知的那些物質之外的物質仍然需要能夠提供一種系統和方法，所述系統和方法能夠在高溫下直接監視多成分氣體系統的氣體排放，諸如可能會在燃氣系統的操作中遇到。這種化學傳感器還需要檢測電路和分析設備，以便提供一種能夠處理化學傳感器輸出並且提供用來確定被監視多成分氣體系統的成分和組分的有用信息的系統和方法。
解決此需要可能會允許使用化學傳感器來測量諸如汽車廢氣之類的燃燒排放，並且確定那些排放是否滿足職能機構和法律的要求。另外，驚奇地發現此發明的系統和方法可用於分析諸如汽車排氣之類的高溫氣體，其可以被用來與分析低溫氣體具有相同效果。

發明內容
本發明通過提供一種計算機實現的系統和方法來滿足這些需要，所述系統和方法通過使用新穎的化學傳感器和化學傳感器陣列、檢測電路和分析設備來感測並分析在多成分氣體系統中的某些氣體，包括NOx、碳氫化合物、一氧化碳和氧。
本發明的附加特徵和優點將在隨後的描述中進行闡述，並且部分地可從說明書中學習，或者可以通過實施本發明來學習。通過在所附權利要求及其等效物中特別指出的元素和結合將認識並獲得本發明的優點。應當理解，以上一般描述以及以下詳細描述僅是示例性的和解釋性的，而並非是限制所要求的本發明。


併入並構成此說明書一部分的附示了本發明的幾個實施例，並且連同說明書一起用來解釋本發明的優點和原理在附圖中圖1是用於示出本發明的系統的示意圖，所述系統包括化學傳感器陣列、檢測電路和分析設備；圖2描繪了在圖1中所示出的系統的傳感器陣列概念；圖3是利用絕緣覆蓋層覆蓋的交錯電極的圖案(pattern)的示意圖，形成了在圖1中所示出的系統的化學傳感器陣列的十六個空白阱(well)；圖4A-4C描繪了在準備陣列晶片中所使用的電極圖案、絕緣圖案和傳感器物質圖案以用於在圖1所示出的系統的化學傳感器陣列中進行測量。
圖5是用於示出線性電阻比率測量方法的電路示意圖；圖6是用於示出使用計時技術來生成未知電阻的對數測量的測量方法的電路示意圖；圖7和8是用於示出根據Rm的動態範圍被規格化到T的、在圖6中所示出的電路的計時特性的圖表，其中圖7提供了用於測量的總時間(t)並且圖8提供了用於測量的時間差(Δt)；圖9是對於在圖6中所示出的電路來說用於根據T測量的精度(用計數)來示出解析度(用百分比)的圖表；圖10是依照本發明並且用於在圖1中所示出的系統的檢測電路的模擬對數測量的電路示意圖；圖11是依照本發明並且用於在圖1中所示出的系統的檢測電路的計時線性電阻測量的電路示意圖；圖12是依照本發明並且用於在圖1中所示出的系統的檢測電路的計時對數測量的電路示意圖；圖13是依照本發明並且用於在圖1中所示出的系統的多路復用傳感器配置的電路示意圖；圖14是根據並向在圖11中所示出的電路增加附加能力的依照本發明的擴展電路示意圖；圖15是用於示出供在圖1中所示出的系統的分析設備使用的計算實體的示意圖；圖16是用於示出在本發明的離線環境中的算法開發過程的流程圖；圖17A是用於示出在汽油直接噴射(GDI)引擎中廢氣濃度的循環性質的圖表；圖17B是用於圖示對GDI引擎中的傳感器響應執行自適應偏移和跨度校正方法的圖表；圖17C是示出用於開發在自適應偏移和跨度校正方法中所使用的因子回歸模型以及執行本發明中的校正方法的離線過程的流程圖；圖18是用於示出能夠供本發明使用的典型的神經網絡模型執行方案的圖表；圖19是用於示出本發明的離線算法選擇過程的流程圖；圖20是用於示出在線執行本發明的算法的流程圖；圖21是用於示出單個感測元件(頂部)和感測元件陣列(底部)的算法執行方案的大大簡化的示意圖；圖22是用於對於測試數據組來說示出未校正的傳感元件響應和相應的NOx濃度的比較的圖表；
圖23是用於示出對於測試集數據來說傳感器預測的對比傳感器測量的NOx濃度的圖表以及使用根據未校正的傳感元件響應所開發的NOx校準模型的線性回歸擬合；圖23B是用於示出對於測試集數據來說的置零傳感器響應對比數據點數目的圖表；圖24是用於示出與基準置零校準數據相比較為校準數據所確定的理想自適應偏移和跨度校正因子的圖表；圖25是示出對傳感元件校準數據使用線性回歸所構建的預測NOx回歸模型擬合的圖表，其中使用理想的自適應偏移和跨度校正因子來校正；圖26提供了用於示出對於該例子中的感測元件來說的偏移和跨度校正因子的因子回歸模型擬合的圖表；圖27是示出在使用根據圖26中所示出的校正因子模型(底部)所估算的校正因子來進行自適應校正之前(頂部)以及在自適應校正之後(底部)，測試集數據中的傳感元件響應的比較的圖表；圖28A是用於示出向使用校正的校準數據所構建的預測NOx校準模型應用未校正測試集數據的結果的圖表；圖28B是用於示出向使用校正的校準數據所構建的預測NOx校準模型應用校正的測試集數據的結果的圖表；圖29是用於示出在離線環境中品質因子(quality factor)模型的開發過程以及在在線環境中其應用的流程圖；圖30是用於示出使用品質因子來拒絕來自傳感設備的危險氣體濃度預測的流程圖；圖30A是用於示出品質因子和絕對NOx錯誤的圖表；圖31是用於示出使用品質因子來對來自傳感設備的預測濃度計算容差極限的流程圖；圖32是用於示出使用品質因子來根據一種以上算法計算合成的預測氣體濃度的流程圖；圖33是示出使用品質因子來對傳感設備本身和/或用於預測氣體濃度的算法觸發校正動作的流程圖；圖34是示出使用品質因子來使實時算法選擇便於進行的流程圖；
圖35是示出起作用實時算法的總方案的流程圖；圖36是示出使用溫度和電阻之間預定的非時變關係的溫度校正技術的流程圖；圖37是示出使用溫度和電阻之間自適應計算的時變關係的溫度校正技術的流程圖；和圖38A-38E是示出從單個傳感元件向其應用殘留比率(RR)品質因子和基值以便診斷十二個傳感元件的陣列中哪一個出現故障的分析的一系列圖表，其中圖38A是在兩次引擎內測試期間的殘留比率(RR)的圖表，圖38B是在時間1495在第一次引擎內測試期間對殘留的作用的直方圖，圖38C是在時間2736在第二次引擎內測試期間對殘留的作用的直方圖，圖38D是在時間5941在第二次引擎內測試期間對殘留的作用的直方圖，並且圖38E是在兩次引擎內測試期間三個傳感元件的電阻的圖表。
圖39是示出算法的濃度計算模塊的流程圖。
具體實施例方式
現在將詳細地參考本發明的實施例，在附圖中圖示了其例子。只要可能，遍及附圖使用相同的附圖標記來指代相同或相似的部分。
本發明大致涉及一種用於在高溫條件的環境下直接感測多成分氣體系統中氣體的系統和方法，如總體上由圖1中的附圖標記1000示出。所述系統還可用於在從大約環境溫度到1000℃的溫度範圍內同時並直接測量多成分氣體系統中至少一種氣體的濃度。「直接感測」意思是陣列存在於氣流中並且響應是氣體濃度本身的函數，並且所述氣體不必為了檢測而在氣流中被物理上相分離。直接感測還可能涉及在本領域中已知的如間接感測、軟感測或推理感測。
所述系統和方法可以用來檢測並測量汽車排放物中處於較低和較高溫度的燃燒氣體的濃度，諸如氧、一氧化碳、氮氧化物、諸如丁烷之類的碳氫化合物、CO2、H2S、二氧化硫、滷素和氨。在此應用中，可以在汽車排放系統中所發現的高溫下使用該系統，典型情況下在從大約450℃到大約1000℃的範圍內。另外還有可以應用此系統的各種其它燃燒過程，包括柴油機和家庭供暖。這些應用利用一般在強腐蝕性環境中檢測處於ppm到百分比水平的諸如氮氧化物、一氧化碳、碳氫化合物和氧之類的氣體。此系統和方法還可用於檢測其它氣體系統中氣體，諸如在製造過程、廢水和環境監視中所發現的那些。
這裡所描述的系統利用感測物質陣列來檢測氣體系統的成分。「陣列」意思是在空間上分離的至少兩種不同的物質。所使用的物質是化學-電-活性物質。如這裡所用，「化學-電-活性物質(chemo-electro-active material)」是對確定氣體具有電響應的物質。一些金屬氧化物半導電物質、其混合物或金屬氧化物半導體與其它無機化合物的混合物是化學-電-活性的並且在本發明的系統和方法中是特別有用的。這裡所使用的各種化學-電-活性物質在存在不同氣體的情況下呈現出不同的改變度。結果，可以使用適當選擇的化學-電-活性陣列來確定在氣流中存在確定的氣體。這些化學-電-活性物質可以用在從環境溫度到大約1000℃的溫度下。優選地是，這些物質的主要成分的摩爾百分數不同。
使用化學-電-活性物質來測量氣體濃度可以是基於響應於在它們表面所吸附的氣體分子濃度而導致的所述物質的AC電阻抗的改變的，或者可以是例如基於電容、電壓、電流、電阻或溫度差的。通過使用這些物質陣列，可以使用各自響應的模式來在從大約環境溫度到大約1000℃的溫度範圍內同時並直接測量多成分氣體系統中至少一種氣體的濃度。
如圖1所示，系統1000提供了包括襯底100和一種或多種化學-電-活性物質102的化學傳感器或化學傳感器陣列，所述化學-電-活性物質102被選擇來檢測在多成分氣流10中一種或多種氣體的存在和/或濃度。所述系統1000進一步包括檢測電路200，用於響應於在物質104表面所吸附的氣體分子濃度來檢測其AC電阻抗的改變。系統1000進一步包括分析設備300，用於測量或分析所檢測的氣體202，使得識別所述氣體的存在並且測量並輸出301它們的濃度。分析設備300可以包括能夠執行化學統計學、神經網絡或其它模式識別和/或預測技術的儀器或器材。在某些實施例中，分析設備300可以被併入到AC電阻抗確定電路200中。系統1000可以進一步包括用於襯底100以及化學-電-活性物質102陣列、檢測電路200和分析設備300的外殼，不過分析設備300可以與所述外殼相分離。化學傳感器100、檢測電路200和分析設備300下面都要來詳細描述。
A.化學傳感器在美國專利申請序號10/117,472和09/977,791中公開了本發明的化學傳感器陣列100，上面已經引用並且在此將其內容引用以供參考。陣列100可以位於氣體混合物10內，並且尤其位於氣體混合物10的來源內，如果想要的話。作為選擇，陣列100可以存在於燃燒室中，其中把氣體混合物10從其在另一位置的來源導向所述燃燒室。當把氣體導向其中存有陣列的燃燒室時，可以通過架設管道或任何其它適當的輸氣器材來把氣體混合物插入所述燃燒室中以及從中移除。
當氣體感測物質接觸多成分氣體混合物時可以獲得響應，並且所述響應是所述氣體混合物中一種或多種分析物氣體本身的濃度的函數。傳感器物質基本上同時接觸每種分析物氣體，並且分析物氣體不必為了將要實施的混合物和/或其一種或多種成分的分析而必須與多成分氣體混合物在物理上相分離。本發明例如可以用來檢測和/或測量汽車排放物中處於可變溫度的燃燒氣體的濃度，諸如氧、一氧化碳、氮氧化物、諸如丁烷之類的碳氫化合物、CO2、H2S、二氧化硫、滷素、氫、水蒸汽和氨。
因此該系統和方法在汽車排放系統中所發現的高溫下是有用的，典型情況下在從大約400℃到大約1000℃的範圍內。另外還有可以應用本發明的各種其它燃燒過程，包括柴油機和家庭供暖。這些應用要求一般在強腐蝕性環境中檢測處於ppm到百分比水平的諸如氮氧化物、氨、一氧化碳、碳氫化合物和氧之類的氣體。所述設備和方法還可用於在諸如在製造過程、廢水和環境監視中所發現的其它氣體系統中或在其中氣味檢測很重要和/或處於較低溫度的系統中(諸如在醫學、農業或飲食工業中)檢測氣體。
所述系統和方法利用感測物質陣列來分析氣體混合物和/或其成分，例如以便檢測在所述系統中一種或多種個別分析物氣體成分的存在和/或計算其濃度。「陣列」意思是在空間上分離的至少兩種不同的物質，例如在圖1和2中所示。所述陣列例如可以包含3、4、5、6、8、10、12種氣體感測物質或按要求其它較多或較少數目。最好是為要分析的混合物中每種分析物氣體或分析物氣體類提供至少一種傳感器物質。可能希望提供一種以上傳感器物質，其對混合物中的個彆氣體成分和/或特定的子組作出響應。例如，可以使用一組至少2、3、4、5、6、7、8、9、10、11或12個傳感器來檢測在混合物中一種或多種個別成分氣體和/或一種或多種子組的存在和/或計算其濃度。為此目的可以使用不同的傳感器分組，其可以或可以不具有共有的部件。是分析物的氣體子組作為子組可以或可以不包含本身是分析物的個彆氣體作為成員。優選地是，每種氣體感測物質的主要成分的摩爾百分數與其它氣體感測物質不同。
所使用的感測物質是化學-電-活性物質。「化學-電-活性物質」是對混合物中的至少一種個彆氣體具有電響應的物質。一些金屬氧化物半導電物質、其混合物或金屬氧化物半導體與其它無機化合物的混合物是化學-電-活性的並且在本發明中是特別有用的。這裡所使用的各種化學-電-活性物質中的每個優選當接觸混合物和/或分析物氣體時呈現出與其它化學-電-活性物質中的每個不同種類和/或範圍的電可檢測響應。結果，可以使用適當選擇的化學-電-活性物質陣列來分析多成分氣體混合物，諸如通過與分析物氣體相交互，感測分析物氣體，或確定混合物中一種或多種分析物氣體的存在和/或其濃度，而不管其中是否存在並不關心的幹擾氣體。
所述系統和方法在檢測預計將存在於氣流中的那些氣體時是有用的。例如在燃燒過程中，預計將存在的氣體包括氧、氮氧化物(諸如NO、NO2、N2O或N2O4)、一氧化碳、碳氫化合物(諸如CnH2n+2，並且同樣可以是飽和或不飽和的，或者可以用雜原子來選擇性地替代；及其環和芳香族類似物)、氨或硫化氫、二氧化硫、CO2或甲醇。其它所關心的氣體可以包括酒精蒸氣、溶劑蒸氣、氫、水蒸汽以及根據飽和和不飽和碳氫化合物、醚、酮、醛、羰、生物分子和微生物所導出的那些。是所關心分析物的多成分氣體混合物的成分可以是諸如一氧化碳之類的個彆氣體；可以是在混合物中所包含的一些而不是全部氣體的子組，諸如氮氧化物(NOx)；或者可以是一種或多種個彆氣體和一種或多種子組的組合。當氣體的子組是分析物時，化學-電-活性物質會對子組的成員的多成分氣體混合物內的集體濃度一起作出響應。
使用這些傳感器物質來獲得與氣體混合物的組成內容相關的信息(諸如氣體濃度的量度)可以是基於當使所述物質接觸包含一種或多種分析物氣體的混合物時所述物質的至少一個但優選是每一個電特性(諸如AC電阻抗)中的變化的。還可以按照在傳感器物質的其它電屬性中的變化程度來執行氣體混合物的分析，所述電屬性諸如電容、電壓、電流或AC或DC電阻。例如如果其它加熱或冷卻源是恆定的，那麼可以通過測量在恆定電壓情況下溫度的變化來確定DC電阻的變化。傳感器物質的這些說明性屬性之一的變化是氣體混合物內分析物氣體的分壓力的函數，其隨後確定分析物氣體分子變得吸附在傳感器物質表面上的濃度，因而影響了該物質的電響應特性。通過使用化學-電-活性物質陣列，當該物質接觸包含一種或多種分析物氣體的混合物時所呈現的各自響應的模式可以用來同時且直接地檢測多成分氣體系統中至少一種氣體的存在和/或測量其濃度。隨後可以使用本發明來確定氣體系統的組成。所述原理在圖1和2中示意地圖示，並且下面舉例說明。
為了圖示，考慮使傳感器物質接觸包含分析物氣體的混合物的以下理論例子。在獲得響應的情況下，事件被描繪為肯定的(+)，並且在沒有獲得響應的情況下，事件被描繪為否定的(-)。物質1對氣體1和氣體2作出響應，但對氣體3沒有響應。物質2對氣體1和氣體3作出響應，但是對氣體2沒有響應，並且物質3對氣體2和氣體3作出響應，但是對氣體1沒有響應。

因此，如果由物質1、2和3構成的陣列對於未知氣體給出以下響應，

那麼未知氣體可能會被標識為氣體2。每種傳感器物質的響應可能會是分析物氣體的混合物內的分壓力並因而是分析物氣體的濃度或者分析物氣體的子組的集體濃度的函數；並且所述響應可以被量化或記錄為可處理的值，諸如數值。在這種情況下，可以使用一種或多種響應值來產生關於一種或多種分析物氣體的混合物內的濃度的定量信息。
化學-電-活性物質可以具有任何類型，不過是諸如ZnO、TiO2、WO3和SnO2之類的半導電金屬氧化物是尤為有用的。這些特定的物質由於它們的化學和熱穩定性而是有益的。化學-電-活性物質可以是兩種或多種半導體材料的混合物，或者半導體材料與無機物的混合物或者其組合。所關心的半導體材料可以被澱積在適當的固體襯底上，所述固體襯底是諸如但不局限於氧化鋁或二氧化矽之類的絕緣體並且在多成分氣體混合物的條件下是穩定的。於是所述陣列採取在襯底上澱積的傳感器物質的形式。其它適當的傳感器物質包括塊狀或薄膜類型的單晶或多晶半導體、非晶半導體材料以及並非由金屬氧化物組成的半導體材料。
在本發明中被用作傳感器物質的化學-電-活性物質例如可以是化學式M1ox、M1aM2bOx或M1aM2bM3cOx的金屬氧化物或其混合物，其中M1、M2和M3是當在500℃以上有氧氣的情況下燃燒時形成穩定氧化物的金屬；M1從周期組2-15和鑭系組中選擇；M2和M3從周期組1-15和鑭系組中獨立選擇，但是M2和M3在M1aM2bM3cOx中並不是相同的；a、b和c均獨立地處於在大約0.0005到大約1的範圍內；並且x是充分的數目以使所存在的氧平衡化合物中其它元素的電荷。
包含一種以上金屬的金屬氧化物不必是化合物或固態溶液，而是可以是離散金屬氧化物的混合物。它們可以呈現合成梯度，並且可以是結晶或非晶的。適當的金屬氧化物是那些(1)當在大約400℃以上溫度時具有大約1到大約106ohm-cm的電阻率，優選為大約1到大約105ohm-cm，並且更為優選的是大約10到大約104ohm-cm；(2)對所關心的至少一種氣體表示化學/電響應；並且(3)是穩定的並且具有機械完整性，能夠粘附到襯底上並且不會在操作溫度下降級。金屬氧化物還可以包含存在於前體物質中少量或微量的水合作用和元素。
在某些優選實施例中，金屬氧化物物質可以包括那些M1從由Ce、Co、Cu、Fe、Ga、Nb、Ni、Pr、Ru、Sn、Ti、Tm、W、Yb、Zn和Zr構成的組中選擇；和/或M2和M3均從由Al、Ba、Bi、Ca、Cd、Ce、Co、Cr、Cu、Fe、Ga、Ge、In、K、La、Mg、Mn、Mo、Na、Nb、Ni、Pb、Pr、Rb、Ru、Sb、Sc、Si、Sn、Sr、Ta、Ti、Tm、V、W、Y、Yb、Zn和Zr構成的組中獨立地選擇，但是M2和M3在M1aM2bM3cOx中並不是相同的。
在某些其它優選實施例中，金屬氧化物物質可以包括那些M1Ox是CeaOx、CoOx、CuOx、FeOx、GaOx、NbOx、NiOx、PrOx、RuOx、SnOx、TaaOx、TiOx、TmOx、WOx、YbOx、ZnOx、ZrOx、具有Ag添加物的SnOx、具有Ag添加物的ZnOx、具有Pt添加物的TiOx、具有玻璃料添加物的ZnOx、具有玻璃料添加物的NiOx、具有玻璃料添加物的SnOx或具有玻璃料添加物的WOx；和/或M1aM2bM3Ox是AlaCrbOx，AlaFebOx，AlaMgbOx，AlaNibOx，AlaTibOx，ALaVbOx，BaaCubOx，BaaSnbOx，BaaZnbOx，BiaRubOx，BiaSnbOx，BiaZnbOx，CaaSnbOx，CaaZnbOx，CdaSnbOx，CdaZnbOx，CeaFebOx，CeaNbbOx，CeaTibOx，CeaVbOx，CoaCubOx，CoaGebOx，CoaLabOx，CoaMgbOx，CoaNbbOx，CoaPbbOx，CoaSnbOx，CoaVbOx，CoaWbOx，CoaZnbOx，CraCubOx，CraLabOx，CraMnbOx，CraNibOx，CraSibOx，CraTibOx，CraYbOx，CraZnbOx，CuaFebOx，CuaGebOx，CuaLabOx，CuaNabOx，CuaNibOx，CuaPbbOx，CuaSnbOx，CuaSrbOx，CuaTibOx，CuaZnbOx，CuaZrbOx，FeaGabOx，FeaLabOx，FeaMobOx，FeaNbbOx，FeaNibOx，FeaSnbOx，FeaTibOx，FeaWbOx，FeaZnbOx，FeaZrbOx，GaaLabOx，GaaSnbOx，GeaNbbOx，GeaTibOx，InaSnbOx，KaNbbOx，MnaNbbOx，MnaSnbOx，MnaTibOx，MnaYbOx，MnaZnbOx，MoaPbbOx，MoaRbbOx，MoaSnbOx，MoaTibOx，MoaZnbOx，NbaNibOx，NbaNibOx，NbaSrbOx，NbaTibOx，NbaWbOx，NbaZrbOx，NiaSibOx，NiaSnbOx，NiaYbOx，NiaZnbOx，NiaZrbOx，PbaSnbOx，PbaZnbOx，RbaWbOx，RuaSnbOx，RuaWbOx，RuaZnbOx，SbaSnbOx，SbaZnbOx，ScaZrbOx，SiaSnbOx，SiaTibOx，SiaWbOx，SiaZnbOx，SnaTabOx，SnaTibOx，SnaWbOx，SnaZnbOx，SnaZrbOx，SraTibOx，TaaTibOx，TaaZnbOx，TaaZrbOx，TiaVbOx，TiaWbOx，TiaZnbOx，TiaZrbOx，VaZnbOx，VaZrbOx，WaZnbOx，WaZrbOx，YaZrbOx，ZnaZrbOx，具有玻璃料添加物的AlaNibOx、具有玻璃料添加物的CraTibOx、具有玻璃料添加物的FeaLabOx、具有玻璃料添加物的FeaNibOx、具有玻璃料添加物的FeaTibOx、具有玻璃料添加物的NbaTibOx、具有玻璃料添加物的NbaWbOx、具有玻璃料添加物的NiaZnbOx、具有玻璃料添加物的NiaZrbOx、具有玻璃料添加物的SbaSnbOx、具有玻璃料添加物的TaaTibOx或具有玻璃料添加物的TiaZnbOx；和/或M1aM2bM3cOx是AlaMgbZncOx，AlaSibVcOx，BaaCubTicOx，CaaCebZrcOx，CoaNibTicOx，CoaNibZrcOx，CoaPbbSncOx，CoaPbbZncOx，CraSrbTicOx，CuaFebMncOx，CuaLabSrcOx，FeaNbbTicOx，FeaPbbZncOx，FeaSrbTicOx，FeaTabTicOx，FeaWbZrcOx，GaaTibZncOx，LaaMnbNacOx，LaaMnbSrcOx，MnaSrbTicOx，MoaPbbZncOx，NbaSrbTicOx，NbaSrbWcOx，NbaTibZncOx，NiaSrbTicOx，SnaWbZncOx，SraTibVcOx，SraTibZncOx或TiaWbZrcOx在某些其它優選實施例中，金屬氧化物物質可以包括處於第一和第二化學-電-活性物質陣列中的那些，其中所述化學-電-活性物質從由以下物質構成的組中的對進行選擇(i)第一物質是M1Ox，並且第二物質是M1aM2bOx；(ii)第一物質是M1Ox，並且第二物質是M1aM2bM3cOx；(iii)第一物質是M1aM2bOx，並且第二物質是M1aM2bM3cOx；(iv)第一物質是第一M1Ox，並且第二物質是第二M1Ox；(v)第一物質是第一M1aM2bOx，並且第二物質是第二M1aM2bOx；和(vi)第一物質是第一M1aM2bM3cOx，並且第二物質是第二M1aM2bM3cCOx；其中M1從由Ce、Co、Cu、Fe、Ga、Nb、Ni、Pr、Ru、Sn、Ti、Tm、W、Yb、Zn和Zr構成的組中選擇；M2和M3均從由Al、Ba、Bi、Ca、Cd、Ce、Co、Cr、Cu、Fe、Ga、Ge、In、K、La、Mg、Mn、Mo、Na、Nb、Ni、Pb、Pr、Rb、Ru、Sb、Sc、Si、Sn、Sr、Ta、Ti、Tm、V、W、Y、Yb、Zn和Zr構成的組中獨立選擇，但是M2和M3在M1aM2bM3cOx中並不是相同的；a、b和c均獨立為大約0.0005到大約1；並且x是充分的數目以使所存在的氧平衡化合物中其它元素的電荷。
傳感器物質可以選擇性地包含一種或多種添加物以便促進附著到襯底，或者其改變了所述傳感器物質的電導、電阻或選擇性。用於促進附著的添加物的例子是玻璃料，其是細磨的玻璃或細磨的無機礦物，所述無機礦物在加熱時被變換為玻璃或搪瓷。說明性玻璃料包括可從DuPont iTechnologies處獲得的被指代為F2834、F3876、F2967、KH770、KH710和KH375的那些。可以使用這些玻璃料總計多達用於組成傳感器物質的30個體積百分比。用於改變電導、電阻或選擇性的添加物的例子包括Ag、Au或Pt以及玻璃料。
如果想要的話，傳感器物質還可以包含例如刺激所關心氣體氧化或促進特定分析物氣體的選擇性的添加物；或者包含把n半導體轉換為p半導體或反過來的一種或多種攙雜物。可以使用這些添加物總計多達用於組成傳感器物質的30個重量百分數。所使用的任何玻璃料或其它添加物不必在製造時遍及傳感器物質均勻或均質地分布，而是可以按要求位於其特定表面上或其附近。如果想要的話，每種化學-電-活性物質可以用多孔的絕緣覆蓋層來覆蓋。適當的覆蓋層是來自DuPont iTechologies的QM44。
用於把化學-電-活性物質澱積到襯底的任何方法是適當的。一種用於澱積的技術是在絲網印刷電極的氧化鋁襯底上施加半導體材料。可以通過把半導體材料手工塗到襯底上、把物質微吸(nanopipetting)到阱中、薄膜沉積或厚膜印刷技術來把半導體材料澱積到電極上。大部分技術後面是最終焙燒以便燒結半導體材料。
在圖3和4A-4C中圖示了用於絲網印刷具有電極和化學-電-活性物質的襯底的技術。圖3描繪了使用利用絕緣材料覆蓋的交錯電極，形成空白阱的方法，其中可以把化學-電-活性物質澱積到所述阱中。圖4A-4C描繪了用於6物質陣列的電極網屏圖案，其在襯底的兩面印刷以便提供12物質陣列晶片。電極中的兩個是並行的因此它只保持6種獨特的物質。從在圖4A-4C中所示出的陣列頂部遞減計數，頂部兩種物質只可以被它們已經共享接觸的拆分電極同時訪問。在其下面是絕緣材料的網屏圖案，所述絕緣材料被網屏印刷到襯底兩面的電極上以便防止物質接觸氣體混合物而被弄髒，諸如可能導致短路的粉塵澱積(圖4B)。在其下面是用於實際傳感器物質的網屏圖案(圖4C)。其被印刷在電極上面的絕緣材料的坑中。當在陣列中使用一種以上物質時，一次一個印刷個別物質。
當使陣列接觸氣體混合物時為每種化學-電-活性物質確定電響應，並且用於確定所述響應的裝置包括用於互連傳感器物質的導線。所述導線隨後被連接到電輸入和輸出電路(檢測電路200)，包括數據獲取和操縱設備(分析設備300)，適合用於測量和記錄由傳感器物質以電信號形式展示的響應。諸如與電阻相關的量度之類的響應值可以由信號大小來表明。對於混合物中的每種分析物成分，可以由傳感器陣列產生一個或多個信號，而不管所述分析物是一種或多種個彆氣體和/或一種或多種氣體子組。
為與其它化學-電-活性物質中的每種相獨立地確定每種個別化學-電-活性物質的電響應。這可以通過順序地利用電流訪問每種化學-電-活性物質，使用多路復用器來例如在時域或頻域中提供在一種物質和另一種物質之間相區分的信號來實現。從而優選沒有化學-電-活性物質在串聯電路中與任何其它這種物質相結合。儘管如此，用來把電流傳遞到化學-電-活性物質的一個電極可能設計成與一種以上物質相接觸。電極可以與陣列中的所有化學-電-活性物質、少於所有的化學-電-活性物質相接觸。例如，如果陣列具有12種化學-電-活性物質，那麼電極可以與所述化學-電-活性物質中的一組2、3、4、5或6(或者選擇性地，在每個實例中有更多)中的每個成員相接觸。所述電極優選被設計來允許電流順序地傳遞到這種化學-電-活性物質組中的每個成員。
諸如印製電路之類的導線可以用來把電壓源連接到傳感器物質，並且當跨過所述傳感器物質施加電壓時，通過所述物質產生相應的電流。儘管所述電壓可以是AC或DC，然而所述電壓的幅度典型情況下是保持恆定的。所產生的電流與所施加電壓和傳感器物質的電阻成正比。可以確定所述物質採用電流、電壓或電阻形式的響應，並且用於這樣做的裝置包括商業模擬電路組件，諸如精密電阻、濾波電容器和運算放大器(諸如OPA4340)。因為電壓、電流和電阻都是其它兩個電屬性的已知函數，所以一個屬性的已知量可以容易地被轉換為另一個屬性的已知量。
例如可以結合電響應的數位化來確定電阻。用於使電響應數位化的裝置包括如本領域中已知的模擬到數字(A/D)轉換器，並且例如可以包括涉及比較器操作的電子組件和電路(例如，下述檢測電路200)。如上所述作為跨過傳感器物質施加電壓的結果而導出的採用電壓信號形式的電響應可以被用作比較器部件(諸如LM339)的輸入。比較器的其它輸入可以由線性斜坡電壓來驅動，所述線性斜坡電壓通過使用根據運算放大器(諸如LT1014)和外部電晶體(諸如PN2007a)配置的恆流源為電容器充電來生成。所述斜坡可以由微計算機(諸如T89C51CC01)來控制並監視。第二比較器部件也可以由斜坡電壓來驅動，但是可以與精確的參考電壓相比較。微計算機捕獲從斜坡的開始到比較器的激活之間的時間長度以便根據所計數的時間來產生信號。
然後傳感器物質的電阻由微計算機(例如，下述的分析設備300)根據物質的電壓輸出所導出的時間信號與對應於已知查找電壓並且最終是對應於作為所述查找電壓函數的電阻的時間信號之間的比率來計算，或被量化為值。諸如T89C51CC01之類的微處理器晶片可以用於此功能。微處理器晶片還可以充當用於通過把如上所確定的電阻與所述電阻先前確定的值相比較來確定傳感器物質電阻的變化的裝置。
例如可以通過利用諸如阻抗計、電容計或電感計之類的電路組件來確定諸如電阻抗或電容之類的電屬性。
用於使化學-電-活性物質陣列的溫度數位化的裝置例如可以包括如上所述的組件，用於把用於表示溫度測量設備的物理屬性、狀態或情況的信號轉換為基於所計數時間的信號。
在一個實施例中，當依照上述方式產生諸如電阻之類的電響應時完成多成分氣體混合物的分析。因為由傳感器物質當接觸氣體混合物時所呈現的電阻量度是一種或多種成分氣體的混合物內分壓力的函數，所以所測量的電阻提供了關於氣體混合物組成的有用信息。所述信息例如可以表明在混合物內存在或不存在特定的氣體或氣體子組。然而在其它實施例中，可能優選依照為獲得關於混合物內一種或多種特定成分氣體或氣體子組的相對濃度的信息所必須的方式來處理或進一步處理電響應，或者計算所述混合物內一種或多種成分氣體或子組的實際濃度。
用於獲得關於混合物內一種或多種個別成分氣體和/或一種或多種氣體子組的相對濃度的信息或者用於檢測所述混合物內一種或多種個別成分氣體和/或子組的存在或計算它們的實際濃度的裝置可以包括分析設備300(下面詳細地論述)，其包括PLS(Projectionto Latent Structures投影到潛在結構)模型或另一線性建模方法；後向傳播神經網絡模型或另一非線性建模方法；或者二者的組合，以及信號預處理和輸出後處理。信號預處理包括但不局限於這種操作，如主成分分析、簡單的線性變換和標度、對數和自然對數變換、原始信號值(例如，電阻)的差分和對數值的差分。分析設備300包含一種模型，其參數先前已經被確定，而且根據經驗建模在預處理的輸入信號和與所關心種類的氣體濃度相關的信息之間的關係。輸出後處理包括但不局限於上面所列出的用於預處理的所有操作，以及它們的反向操作。
使用方程式來構造所述模型，在所述方程式中根據個別傳感器物質對預計作為要分析的混合物中成分存在的特定個彆氣體或子組的精確測量的電響應的預定值特性來導出常量、係數或其它因子。可以依照把溫度考慮為與傳感器物質當接觸氣體混合物時所呈現的電響應相獨立且相分離的值的任何方式來構造所述方程式。陣列中的每種個別傳感器物質在其對混合物中的至少一個成分氣體或子組的響應方面不同於其它傳感器中的每個，並且每個傳感器的這些不同響應被確定並用於構造在模型中所使用的方程式。
在混合物中所包含的分析物氣體(一種或多種)可以是單個氣體、氣體的共同子組或與諸如氮之類的惰性氣體混合的一種或多種氣體或子組，其中化學-電-活性物質將接觸所述混合物。所關心的特定氣體是供體和接受體氣體。這些是向半導體材料捐贈電子的氣體，諸如一氧化碳、H2S和碳氫化合物，或者從所述半導體材料接受電子的氣體，諸如O2、氮氧化物(通常被描繪為NOx)和滷素。當接觸供體氣體時，n型半導體材料電阻會降低，增加電流，並且因此它會呈現由於V2/R加熱而導致的溫度增加。當接觸接受體氣體時，n型半導體材料電阻會增加，降低電流，由此會呈現出由於V2/R加熱而導致的溫度降低。在每個實例中p型半導體材料出現相反情況。
傳感器物質在陣列中所製造的幾何形狀(包括如其厚度這種特性)，選擇化合物或合成物用為傳感器以及跨過所述陣列施加的電壓可能根據所要求的敏感性而改變。傳感器物質優選在電路中並行連接，其中跨過傳感器物質施加大約1到大約20伏優選大約1到關於12伏的電壓。當執行多成分氣體混合物的分析時，陣列中的每種化學-電-活性傳感器物質當接觸包含一種或多種分析物氣體的混合物時最好呈現出與所述陣列中的每種其它化學-電-活性物質不同的電響應特性。
應當注意，可以測量的電響應特性類型包括AC電阻抗或電阻、電容、電壓、電流或DC電阻。優選使用電阻作為傳感器物質的電響應特性，所述電響應特性被測量以便執行對氣體混合物和/或其中成分的分析。例如，適當的傳感器物質可以是當在大約400℃以上的溫度時電阻率至少大約為1ohm-cm，並且優選為至少大約10ohm-cm，並且尚不超過大約106ohm-cm，優選不超過大約105ohm-cm，並且更為優選地是不超過大約104ohm-cm。這種傳感器物質還可以被表徵為當接觸氣體混合物時優選在大約400℃或以上的溫度下，與沒有接觸時的電阻相比，呈現出至少大約百分之0.1的電阻變化，優選為至少大約百分之1的電阻變化。
不考慮為了分析混合物和/或其中所關心的氣體成分而測量的響應特性類型，最好利用在延長時段期間內其響應特性量化值是穩定的傳感器物質。當傳感器物質接觸包含分析物的混合物時，作為其所包含的特定氣體混合物的組成的函數的分析物濃度、傳感器物質的響應值優選在恆定溫度下長時間接觸混合物期間保持恆定或只是輕微改變。例如，響應值如果改變的話，只會改變不超過大約百分之二十，優選不超過百分之十，更為優選地是不超過百分之五，並且最為優選地是在至少大約1分鐘期間內不超過大約百分之一，或者優選在諸如至少大約1小時之類的小時周期，優選至少大約10小時，更為優選地是至少大約100小時，並且最為優選地是至少大約1000小時。上述傳感器物質類型的優點之一是它們由響應的這種穩定性來表徵。
在氣體混合物在大約400℃以上的應用中，傳感器物質和陣列的溫度基本上只由或優選僅僅由氣體混合物的溫度來確定，其中包含氣體分析員。典型情況下這是改變的溫度。當高溫氣體正被分析時，可能希望向加熱器提供陣列以便把傳感器物質迅速地帶到最低溫度。然而一旦分析已經開始，那麼加熱器(如果使用的話)通常就被關掉，並且不提供用於把傳感器物質維持在預選溫度的方法。因而傳感器物質的溫度上升或下降到與周圍環境溫度相同的程度。周圍環境並且因而傳感器和陣列的溫度典型情況下基本上只由所述陣列接觸的氣體混合物的溫度來確定(或源於該溫度)。
在氣體混合物在大約400℃以下的應用中，可能優選把傳感器物質和陣列維持在大約400℃或以上的預選溫度。此預選的溫度可以基本上是恆定的，或優選是恆定的。預選的溫度還可以是大約500℃或以上，大約600℃或以上，或大約700℃或以上。這可以利用與陣列結合的加熱器依照如本領域中已知的方式來方便地進行。氣體混合物的溫度還可以在大約300℃以下、在大約200℃以下或在大約100℃以下。
所述陣列中的溫度變化可以由傳感器物質的電響應特性(例如電阻)的量化值變化來表明。在所關心氣體的混合物中恆定的分壓力，傳感器物質的電響應特性值可能隨陣列溫度變化以及進而所述物質的溫度變化而改變。可以為了確定或測量溫度變化程度以及進而值的變化程度，來測量電響應特性值中的此變化。不要求但是優選使此溫度量度與氣體混合物的組成內容相關的信息無關。這可以通過不使用傳感器並且選擇性地通過在並行電路而不是串聯電路中把溫度測量設備與傳感器物質連接來進行，其中所述傳感器為了確定溫度的附加目的而提供組成信息。用於測量溫度的裝置包括與傳感器陣列結合的熱電偶、熱敏電阻或高溫計。如果溫度確定設備是熱敏電阻，所述熱敏電阻典型情況下是並不對分析物氣體敏感的物質，所述熱敏電阻優選由與製作任何氣體傳感器的物質不同的物質製成。不考慮確定溫度或溫度變化的方法，溫度值或溫度的量化變化是所希望的輸入，優選採用數位化形式，據此可以執行對氣體混合物和/或其中成分的分析。
在本發明的系統和方法中，與各種現有技術技術不同，不必為了執行分析而分離混合物的成分氣體，諸如藉助薄膜或電解電池。當藉助於本發明執行分析時還不需要使用參考氣體，諸如為了把響應或分析結果帶回到基線值的目的。除預先測試外，在確定標準化響應值就被分配給把每種個別傳感器物質的每種個別分析物氣體接觸期間，所述傳感器物質只接觸其中包含分析物氣體和/或子組的混合物。傳感器物質並不接觸任何其它氣體來獲得響應值以便與根據接觸包含分析物的混合物所獲得的那些響應值相比較。因此，只根據當化學-電-活性物質接觸包含分析物的混合物時所獲得的電響應來執行對混合物的分析。傳感器物質接觸除在混合物內所包含的分析物本身之外的任何氣體都不會推斷出關於分析物氣體和/或子組的任何信息。
因此本發明提供了用於直接感測在多成分氣體系統中一種或多種氣體的存在和/或濃度的系統和方法，包括至少兩種化學-電-活性物質陣列，被選擇來檢測多成分氣體流中的氣體。多成分氣體系統實質上可以處於任何溫度，所述溫度不太低也不太高以免傳感器物質被降級或感測設備發生故障。在一個實施例中，氣體系統可以處於諸如室溫之類的低溫(大約25℃)或在大約0℃到小於大約100℃的其它範圍內，而在另一實施例中，氣體混合物可以處於諸如在大約400℃到大約1000℃的高溫範圍內。
本發明適用於可以處於較高溫度氣體的氣體混合物，例如在諸如汽車、柴油機或家用加熱系統的廢氣或排放之類的燃氣流中所發現的氣體。然而本發明還適用於從其它源所導出的氣體混合物，諸如在製造過程、廢水和環境監視中；或在其中氣味檢測很重要和/或處於較低溫度下的系統中，諸如在醫學、農業或飲食工業中。例如可以使用化學-電-活性物質陣列來補充或校準氣相色譜儀的結果。因此氣體混合物可以具有大約100℃或更高、大約200℃或更高、大約300℃或更高、大約400℃或更高、大約500℃或更高、大約600℃或更高、大約700℃或更高、或大約800℃或更高的溫度，但是還具有小於大約1000℃、小於大約900℃、小於大約800℃、小於大約700℃、小於大約600℃、小於大約500℃、小於大約400℃、小於大約300℃、小於大約200℃或者小於大約100℃的溫度。
本發明還提供了一種用於直接感測多成分氣體系統中一種或多種氣體的存在和/或濃度的化學傳感器，包括襯底，至少兩種化學-電-活性物質的陣列，被選擇來檢測多成分氣體流中的一種或多種預定氣體，和用於檢測當接觸氣體系統時所存在的每種化學-電-活性物質的電屬性變化的裝置。
通過選擇用於製成傳感器的適當物質組成來獲得具有所需要敏感性而且可操作來產生上述分析量度類型和結果的傳感器。上面描述了用於此目的的各種適當的物質組成。陣列中的傳感器數目典型情況下大於或等於在混合物中要分析的個彆氣體成分的數目。
將分析的氣體混合物可以由過程發出，或者可以是將發送到設備的化學反應的產物。在這種實例中，本發明可以進一步包括用於利用陣列的電響應以及選擇性地利用溫度測量來控制所述過程或設備的裝置。
用於利用傳感器物質的電響應並且選擇性地利用溫度測量來控制過程或設備的裝置包括決策例程，例如用於控制在內燃機中所出現的燃燒化學反應或者控制引擎本身或與其相關聯的組件或器材。
燃燒是其中在引擎汽缸中出現烴類燃料氧化的化學反應的過程。引擎是向其發送該化學反應結果的設備，所述結果是由燃燒反應為在汽缸中移動活塞所必須的工作而產生的力。發出氣體的多成分混合物的過程的另一例子是在燃料電池中出現的化學反應，並且向其發送化學反應產物的設備的例子其它是鍋爐，諸如在熔爐或發電中所使用，或者是煙囪中的淨氣器，向其發送廢氣以便減輕汙染處理。
在用於控制燃燒過程或引擎本身操作的引擎的情況下，微計算機(諸如來自加利福尼亞的San Jose的Atmel公司的T89C51CC01)可以執行關於燃燒過程的各個參數或關於引擎的操作特性的大量決策例程。微計算機採集關於引擎廢氣的組成內容的信息，並且通過獲得化學-電-活性物質陣列的響應來做這些並且選擇性地獲得溫度測量，其中所述化學-電-活性物質陣列已經接觸所述廢氣流。該信息被暫時存儲在隨機存取存儲器中，然後微計算機向所述信息應用一個或多個決策例程。
決策例程(例如，分析設備300)可以利用一種或多種算法和/或數學操作來操縱所獲取的信息以便採用值的形式產生決定，所述值等效於所想要的狀態或情況，所述狀態或情況應當由所述過程的特定參數或所述設備的操作特性來支配。根據決策例程的結果，指令由微計算機給出或控制，所述微計算機使得調整設備操作特性或過程參數的狀態或情況。在由燃燒化學反應來體現的過程的情況下，所述過程可以通過調節反應參數諸如向其饋送的相對反應物量來控制。例如可以增加或減少到汽缸的燃料或空氣流量。在引擎本身是向其發送燃燒反應結果的設備的情況下，可以通過調節引擎的操作特性(諸如扭矩或引擎轉速)來實現控制。
由本發明的系統和方法控制的內燃機及相關聯的組件和器材可以用於許多不同的目的，例如包括在用於運輸或消遣的各種類型的交通工具中，諸如汽車、卡車、公共汽車、機車、飛機、宇宙飛船、船、噴氣發動機滑雪橇、全地形汽車或履帶式雪上汽車；或者在用於建築、農業、維修或工業經營中的器材，諸如泵、電梯、升降機、起重機、發電機、拖拉機，或用於拆除、運土、挖掘、鑽探、採礦或地面保持的器材。
在美國專利申請序號10/117,472和09/977,791中是闡明的例子這裡不再重複，但是這裡通過引用加以結合。
B.檢測電路如上所述，依照本發明可以提供化學傳感器，所述化學傳感器由當接觸某些氣體時其AC阻抗會改變的物質組成。據此，現在將描述依照本發明用於測量這種AC電阻抗的幾個示例性的檢測電路200。例如在美國專利號4,554,639中發現了一些電路原理，其為受讓人是擁有並且在此將其內容引用以供參考。
傳感器陣列100是基於電阻元件響應於已知汙染物的變化的。主要由於傳感器陣列100的環境中的溫度變化所導致的電阻變化使汙染的測量變得複雜。假定傳感器電阻元件是溫度T和濃度C的函數，使得R(T，C)具有R(T)K(C)的形式。重要的傳感元件特性包括(1)將測量的阻抗值的動態範圍；(2)所預計的對所測量汙染的敏感性；(3)時間響應；和(4)噪聲特性。
結合電阻元件特性，用於規定測量方法的系統需求包括(1)測量準確度；(2)測量解析度；(3)更新速率；和(4)計算複雜度。精度和解析度與動態範圍和敏感性相互作用。能夠把電阻測量到0.1％準確度不能確保可以把濃度也測量到相同的精度。如果電阻中的滿標變化只是標稱電阻的10％，那麼濃度讀數隻被精確到滿標值的1％。
時間響應也影響更新速率。香農採樣定理聲明採樣率必須大於限帶信號的最高頻率分量的二倍。由於沒有物理信號是被限帶的，所以此情況只可以被近似。傳感器對特定激發的響應取決於激發的頻率特性和所述傳感器的頻率響應。如果傳感器是具有fn＝1/(2πTc)Hz的3dB帶寬的一階，其中Tc是時間常數。採樣頻率的選擇確定了由採樣過程所引入的最大誤差。在此例子中，由於採樣不考慮激發的特性，所以10*fn的採樣率可能會保證小於1％的誤差。如果激發緩慢地變化，那麼較小的採樣時間是適當的。對於大部分應用來說，傳感器響應實質上相對於氣體組成的變化頻率來說是瞬時的。在這種情況下，可以通過只考慮激發來確定採樣率。選擇採樣率使得來自採樣的誤差在信號的噪聲電平之下。過濾信號可以更進一步地降低此噪聲。
解析度是與準確度不同的概念。模擬到數字轉換器(「ADC」)可以具有12比特的解析度(1 in 4096)並且仍然只具有隻有0.1％的準確度。即便ADC是準確的並且線性到±1/2比特，取決於滿刻度變化，12比特仍然可能會導致測量值低得多的準確度。
每個傳感器還具有不同的校準常數，其必須可由微控制器來使用。如果傳感器和電子設備必須是分離的，那麼可能會希望使所述常數與傳感器相關聯。用於恆定存儲器的理想設備是串行EEPROM。對於正常的汽車溫度範圍(-40℃到125℃)來說，這些設備是廉價的，但是迄今為止，尚未發現可以抵抗在傳感器本身中所預計的高溫環境。利用獨立的傳感器和電子設備部件，可以把存儲器晶片集成到兩個部件之間的連接器中。
由於電阻將被驅動，所以AC使測量變得複雜。簡單的方法是把電阻測量為相對於參考電阻的比率，如圖5所示。該技術要求兩個讀數，第一是VDRTVE信號為低並且第二是VDRIVE信號為高。在這兩種情況中，測量限制Vr1和Vr2以及除法器點Vm。這些兩個測量給出以下結果V1=RmRm+Rr,]]>和V2=RrRm+Rr]]>因而，Rm=RrV1V2.]]>電導Gm是此方程式的簡單求反。
測量極限的目的在於對於在測量技術中所期望的電壓降來說使讀數能夠被校正。由於對參考電阻Rr進行測量，所以所述參考電阻Rr必須是穩定且準確的。為此，它可能會是測量電路的一部分而並不在傳感器本身中。
此方法的優點在於在測量電路中不需要絕對參考。此外，由所使用的最小比特數來確定解析度和準確度。對於具有n比特解析度的ADC和m比特的估算解析度來說，精確的動態範圍D(n，m)由D(n，m)＝2n-m-1給出，並且電阻比估算的解析度E(m)由E(m)＝2m給出。
在此例子中電阻的計算要求對於驅動電平極限的偏移來說校正讀數，繼而讀數執行劃分。Rm/Rr的比率必須是如此以致所期望的Rm的變化範圍不會超過動態範圍極限。此方法可適於通過為每個傳感器電阻添加緩衝放大器和局部參考電阻來同時讀取多個傳感器電阻。對於六個傳感器的系統來說，八信道的ADC可能會適於同時測量所有傳感器。為了測量更多，傳感器可能會要求把輸入多路復用到ADC。可以在100Hz的驅動頻率的每個周期內在所有12個信道上進行讀數。
上述方法中的變化使用計時技術來生成未知電阻的對數測量。此方法可適於把接口指向微控制器並且不要求ADC，如圖6所示。微控制器經由VDRTVE控制場效應電晶體(「FET」)Q1到Q4，以便交替通過Rm和Rr的電流方向。FET、Q5、Q6、Q8和Q9撤消FET、Q1到Q4的影響以便維持對計時電路的單向參考。在設置電流的狀態之後，微控制器使Q7能夠向上導片(upper rail)為電容器C充電。如由Rt1和Rt2所建立的計時比較器的參考使得能夠測量時間常數T、R和C。當Q7被關閉並且測量Vt和Vm為高的時間時，開始計時器。在VDRTVE的下一相位上，重複該過程。
第一時間測量t1對應於電壓V1，使得V1=Ve-t1=VRmRm+Rr.]]>第二時間測量t2對應於V2，或者V2=Ve-t2=VRmRm+Rr.]]>簡化並求解Rm的自然對數，給出ln(Rm)=t1-t2+ln(Rr).]]>注意，在周期的兩等分測量時間τ，因此計時分量R和C值的小變化是不重要的。測量實際上是基於計時電阻Rt1和Rt2的比率以及局部參考電阻Rr的穩定性和準確度的。
圖7和8展示了根據Rm、Dr的動態範圍被規格化到T的計時特性。圖7根據方程式t(Dr)ln(Dr+1)]]>給出了測量的總時間t。圖8根據方程式t(Dr)=ln(Dr)]]>給出了時間差Δt。
測量Rm的對數的優點在於測量的準確度是讀取的百分比而不是滿刻度的百分比。圖9根據r測量的精度(用計數)示出了解析度(用百分比)，如由Res(Dr,N)=100(10log(Dr)N-1)]]>給出。對於動態範圍3、10、100、103和104給出了五條曲線。
為增加準確度和更寬的動態範圍所付出的代價是測量時間。影響測量時間的主要因素是微控制器的最大計數速率。幾個微控制器包括被打算用於高速計時功能的PCA(可編程計數器陣列)。微控制器能夠以晶體頻率的1/4速率來計數。對於實際的16MHz晶體來說，因而時間解析度是250ns。根據圖9，對於動態範圍100以及解析度0.1％來說，所要求的τ值近似地為1.25ms。根據圖6，測量所要求的最大時間是2.4乘τ，或3ms。
可以用來實現此方法並滿足汽車溫度環境(125℃)的最簡單微控制器是可從加利福尼亞的Santa Clara的Intel公司處獲得的8xFx51系列微控制器。此微控制器具有5信道的PCA，這可能會使得能夠同時測量四個傳感器電阻器。為了測量更多，電阻器要求多個採樣周期。此微控制器沒有內置的CAN接口。也可從Intel公司獲得的8xC196微控制器打算用於高達125℃的汽車應用，具有使用此技術來同時測量多達9個電阻器的能力。將測量的每個未知電阻器要求比較器和局部參考電阻。
在圖10中示出了依照本發明的檢測電路200的一個測量電路。在此電路中，Rm表示將確定其AC電阻抗的物質。所述物質接收優選為100Hz的驅動頻率。
如本領域中已知，二極體中的電流和電壓關係遵循方程式，Vd=kTqln(II0)+V0(I0,T),]]>其中Vd是所述二極體兩端的電壓，I是通過所述二極體的電流，k是波耳茲曼的常數，T是絕對溫度，q是電子電荷，I0是參考電流，並且V0(I0，T)是取決於I0和T的電壓。
在正常室溫下，因子為10的電流變化導致二極體電壓Vd中60mV的變化。測量值和偏移電壓V0的溫度靈敏度使電壓的測量變得複雜。然而，假定為集成電路固有的匹配二極體，可以通過使用與在本發明中已知的電流類似的電路來消除這些未知的集成電路。
在圖10的電路中，只在VDRIVE為高並且通過FET Q2提取電流時進行測量。在VDRIVE的反相位上，當FET Q1為有效時，提取平衡電流。在把VDRIVE設置為高之後，激活FET Q3以便把電容器C充電到上參考電壓Vrh，如由電阻器Rrh所確定。然後關閉Q3並且C通過恆流源I線性地放電。使用其可編程計數器陣列(PCA的)，微控制器測量計時電壓Vt經過電壓Vm和Vrl的時間tm和tr。因而Vm是Vm=tr-tmtr(Vrh-Vrl)+Vrl.]]>根據二極體方程式，電壓Vm、Vrh和Vrl由下式給出Vm=kTqln(VRmIo)+Vo(Io,T),]]>Vrh=kTqln(VRrhIo)+Vo(Io,T),and]]>Vrl=kTqln(VRrlIo)+Vo(Io,T).]]>代替電壓，並且ln(Rm)的解給出ln(Rm)=lm(Rrh)+tmtrln(RrlRrh).]]>因為所有未知數會使輸出規格化(normalize out)，所以ln(Rm)的測量只是電阻器Rrl和Rrh值的函數。如果將測量一個以上Rm，那麼必須為每個附加Rm增加附加的運算放大器(「opamp」)和二極體對。比較器的輸出可以被多路復用到微控制器計時器輸入中。
測量的解析度由動態範圍Dr、參考時間tr和微控制器的計數器解析度來確定。假定Rrl/Rrh的比率確定了動態範圍和在零和tr之間的tm，在圖9中所示出的解析度數據直接應用此方法。據此，對於100動態範圍、0.1％解析度以及16MHz微控制器時鐘頻率來說，所述微控制器測量所要求的時間是1.25ms。
在圖11中示出了圖10的方法的並且依照本發明的另一變化。同樣，Rm表示將確定其AC電阻抗的物質，並且所述物質接收優選為100Hz的驅動頻率。在此電路中，使用運算放大器來對接到Rm。選擇反饋電阻器Rrl以便對應於在未知Rm中所期望的最小電阻值。此電路只在VDRTVE為高時進行測量。當VDRTVE為低時，通過Rm提取相等但是相反的電流。當Q2開啟時，把計時電容器C充電到由兩個等值電阻器所確定的參考電壓Vrh。如果Rm無窮大，那麼所測量的電壓Vm等於V0或+V/2。同樣，測量Vt經過Vm和V0的時間。因而Rm值為Rm=Rrl1-tmtr.]]>按照電導Gm表達結果給出了Gm=Grl(1-tmtr).]]>由於其是Rm的直接測量，所以解析度嚴格地是動態範圍和時間解析度的函數。通過為Rrl挑選唯一的參考電阻值以便與每個未知電阻器相配，可以獨立地建立每個電阻器測量路徑的動態範圍和解析度。
如圖12所示並且依照本發明，圖11的電路的變化導致電導的電阻的直接計時對數測量。圖11的電流源被替換為電阻器，並且添加電阻器Rt1和Rt2以便建立參考電壓Vr。假定Vr被設置為等於一個時間常數τ，用於ln(Rm)和ln(Gm)的方程式是ln(Rm)=ln(Rrl)+tmt]]>和ln(Gm)=ln(Grl)-tmt.]]>此電路與圖10的電路相比的優點在於它可以在不要求匹配的二極體的情況下被配置。因而它可以用現成的組件來實現。
可能需要測量多至12個電阻器。沒有可用的微控制器可以使用計時技術來同時測量許多電阻器。然而，依照本發明可以結合多路復用器使用ADC來測量12個電阻器。使用計時方法，多路復用可以依照各種方式來進行。傳感器接口電路可以被複製並且輸出在微控制器的輸入處多路復用。在傳感器接口電路的輸入處設置多路復用電路也是可以的但並非是優選的。
在使用運算放大器來對接到傳感器電阻器的電路配置中，諸如圖10-12的那些電路配置，可以使用本發明的獨特多路復用技術。假定如圖13所示連接的12個電阻器傳感器，只需要向傳感器提供7根導線而不是13根導線。焊盤P4-P7驅動測量接口電路。焊盤P1-P3由獨立的三態輸出電路驅動。通過分組具有類似敏感性的傳感器電阻器，仍然可以利用設計動態範圍和測量解析度。
驅動多路復用要求對於每條驅動路徑重複圖10-12的電晶體Q1和Q2。所有驅動電晶體的柵極必須被獨立地驅動以便一次只允許一個被開啟。每個電阻器的測量要求三個驅動波形周期。當在100Hz驅動Rm時，每秒33個測量是實際的並且允許每次讀取近似2.5ms，或者允許利用16MHz晶體來進行近10,000次的計數。
在圖14中示出了依照本發明的擴展電路並且基於並向在圖11中所示出的電路添加了附加能力。在圖14中所示出的電路允許12Rm的模擬測量。使用在圖10和11的電路中所使用的計時技術的這種同時測量12個Rm使用目前可用的微控制器是不可能的。然而，圖14的電路包括克服此限制的多路復用接口。在圖13中詳細地示出了此多路復用接口電路。
為了目的或圖示，圖14示出了使用具有五個可編程計數器陣列的87C52微控制器(可從Intel公司處獲得)。然而對那些本領域技術人員來說可以使用其它微控制器是顯而易見的。圖14另外示出了EIA-232(也稱為RS-232)接口。可以通過接線到微控制器的總線中來代替或EIA-232接口或除其之外使用CAN接口，如一般在汽車應用中使用。
所展示的所有測量技術依賴於局部參考電阻。對於任何電路來說不需要絕對參考。自補償為所有方法所固有。在基於計時的電路中，通過校準計時電路以及每個測量來使計時組件值隨溫度的變化規格化。因而，為準確度所必須的唯一組件是局部參考電阻。
C.分析設備在美國專利申請序號10/117,472和09/977,791中所闡明的設備和方法經由檢測電路來產生信息，所述信息需要被計算機處理以便計算多成分氣體系統的濃度或組成。本發明的分析系統和方法提供了用於計算所述系統的混合物中一種或多種分析物氣體的濃度或組分的機制。
1.分析設備的硬體分析設備300優選包括常規的計算實體或一系列連接的常規計算實體(例如，諸如上述T89C51CC01之類的微計算機)。如圖15所示，每個計算實體可以包括用於互連處理器404、只讀存儲器(ROM)406、主存儲器408、存儲設備410、輸入設備412、輸出設備414和通信接口416的總線402。總線402是網絡拓撲或電路布置，其中所有設備被直接附著到線路並且所有信號穿過每個設備。每個設備具有唯一身份並且可以認出打算發送到它的那些信號。處理器404包括邏輯電路，所述邏輯電路對用於驅動計算機的基本指令作出響應並且處理所述基本指令。ROM 406包括用於存儲由處理器404所使用的指令和日期的靜態存儲器。
計算機存儲器依照電磁形式保持數據以供計算機處理器訪問。可以是RAM或另一種類型動態存儲器的主存儲器408構成了計算機的主存儲設備。計算機的輔助存儲設備可以包括存儲設備410，諸如硬碟、紙帶、軟盤、壓縮驅動器、RAID系統、全息照相存儲器、光存儲器、CD-ROM、磁帶及其它外部設備及其相應的驅動器。
輸入設備412可以包括鍵盤、滑鼠、指示設備、聲音設備(例如麥克風等)、生物測定設備或用於向計算機提供輸入的任何其它設備。輸出設備414可以包括顯示器、印表機、聲音設備(例如揚聲器等)或用於從計算機提供輸出的其它設備。通信接口416可以包括網絡連接、數據機或用於與其它計算機系統或設備通信的其它設備。
如下面將描述，按照本發明的分析設備300可以計算多成分氣體系統的濃度或組分。設備300響應於處理器404執行在諸如主存儲器408之類的計算機可讀介質中所包含的指令序列來執行此任務。計算機可讀介質可以包括一個或多個存儲設備和/或載波。
執行在主存儲器408中所包含的指令序列使處理器404執行稍後將描述的過程。作為選擇，可以代替或結合軟體指令來使用硬連線電路來實現按照本發明的過程。因而，本發明不局限於硬體電路和軟體的任何具體組合。
2.由分析設備處理分析設備300經由檢測電路200從化學傳感器陣列100接收輸入(例如，電阻)202，並且根據所接收的輸入來計算多成分氣體系統的組分(例如，NOx)的濃度。在任何給定時間點，傳感器陣列100提供了必須被轉換為多成分氣體系統中的氣體濃度的一組輸出電阻。
a.算法開發(離線環境)圖16示出了可以用來根據傳感器電阻產生能夠預測分析物(氣體)濃度的校準模型的方法或過程。要求此過程來獲得參數，所述參數在稍後可以用來實時且在線地進行預測。
(1)算法開發數據源(a)傳感器校準數據「傳感器校準數據」平行四邊形A2對應於先前論述的傳感器輸入電阻202，其中在一個或多個校準實驗期間已經收集了所述傳感器輸入電阻202。
(b)輔助校準數據「輔助校準數據」平行四邊形A3表示可以從位於交通工具上的燃燒系統、引擎控制部件(ECU)或其它數據源的其它部分在線獲得的輸入。這些是在較早提及的相同校準實驗期間所收集的匹配數據(下面稱為「傳感器校準數據」)。這種輸入可以包括但不局限於燃料與空氣比、引擎的每分鐘轉速、引擎扭矩、引擎功率、引擎進入空氣溫度和廢氣溫度。它們可以採用電阻、電壓或電流的形式。然而，它們必須在傳感器實時操作時可連續不斷地使用。
(c)分析器校準數據「分析器校準數據」平行四邊形A1表示從能夠測量廢氣濃度的一個或多個設備所獲得的輸入，其中用戶想要傳感器測量所述廢氣的濃度。這些是在較早提及的相同校準實驗期間所收集的匹配數據(下面稱為「傳感器校準數據」)。所述輸入一般只可用於離線的算法開發環境中。
通常在離線的算法開發期間從事以下操作。對於給定應用來說，不必進行所有這些操作，或者可以依照下面所列出的序列來進行這些操作。
(2)算法開發過程(a)同步來自「輔助校準數據」和「分析器校準數據」平行四邊形的處理流程中的「同步」框A4和A5表示用於按照公共時間基礎把從這兩個數據流所獲得的測量與來自所述傳感器的測量相對準。「分析器校準數據」常常要求同步以便尤其解決由樣本到達分析器要花費的時間長度所引入的時間延遲、所述分析器要求測量所述樣本的時間長度以及所述分析器輸出到達數據記錄設備要花費的時間長度。典型情況下，樣本到達分析器要花費的時間長度是時間延遲的主要因素。「輔助校準數據」常常要求同步以便尤其解決與其它感測設備的測量延遲時間相關聯的時間長度、與每個其它設備在燃燒和排氣系統中相對於傳感器陣列100的位置相關聯的時間長度以及在ECU中計算輸出所要求的時間長度。
如果對於輔助校準數據A3來說要求同步，那麼記錄用於這種同步A6的參數和指令，使得它們可以在傳感器的實時操作期間被適當地實現。
(b)數據預處理然後可以預處理來自分析器和輔助數據源的同步輸入和傳感器輸入(框A7，A8和A10)以便使每個輸入的幅度和範圍與其它輸入相容。常常要求此步驟向模型構建過程提供每個個別輸入源的適當相對權，或者從輸入源數據中刪除不想要的或無關的影響。
信號預處理包括一個或多個以下數學操作(1)把信號中心定到平均值；(2)按比例縮放所述信號；(3)把所述信號規格化或按比例縮放到單位差異；(4)藉助數字裝置過濾所述信號以便刪除例如中值濾波之類的丟棄讀數；或(5)例如通過使信號經歷計算所述讀數的一階(或另一更高階)導數來來變換信號。預處理信號的其它裝置涉及通過一個或多個以下數學操作來變換所述讀數(1)計算信號的對數或它的逆——指數；(2)計算信號的三角函數或逆三角函數；(3)計算信號的雙曲線函數或逆雙曲線函數；或(4)把信號進行n次冪，其中n是實數。可以分別對信號或依照規定的序列來實施這些操作中的任何一些。
從預處理操作所輸出的數據可以包含未被預處理的數據與按照各個單個操作或操作序列預處理的數據的任何組合。
一旦確定最優的預處理，那麼必須記錄數字參數和預處理指令，使得它們可以在傳感器的實時操作期間被適當地執行。這些參數和指令可以被存儲在嵌入到傳感設備的處理器中。圖16中名稱為「用於輔助數據的預處理指令和參數」(A9)和「用於傳感器信息的預處理指令和參數」(A11)的平行四邊形表示這些存儲的用於兩個數據流的參數和指令。
(c)漂移校正如這裡所用，術語「漂移(drift)」指的是傳感器焊盤響應的一個或多個特性(即，基線偏移和跨度)中的時化(時間上的變化)，其與預測氣體分析物濃度不相干。這種時間變化在時間上不必是連續的/單調的，而是可以在時間上是不連續的。
來自傳感器、分析器及其它可用源的預處理輸入可以包括所不想要的來自測量中的滯後或漂移的影響。滯後和漂移通常在化學傳感器中觀察，並且它們可以存在於其它數據源的輸入中。必須減少傳感器和輔助數據輸入中的這種影響以便傳感器能夠長時間地維持有效性能，並且必須減少分析器數據中的任何這種影響以便為傳感設備開發有效的算法。因此，所有三個數據源常常需要漂移和/或滯後校正過程A12、A13和A18。
(i)漂移校正-背景技術漂移是測量儀器的計量特性的暫時變化。氣體感測物質中的這種變化一般與用於預測氣體成分濃度無關，並且常常防礙開發可以長時間有效地執行的算法的能力。當傳感器屬性由於組件老化而隨時間改變時，在該傳感器中可能會出現漂移。
已經對用於傳感器數據的漂移校正方法進行了顯著的工作。大部分這些工作只適用於定性的感測應用，其中只要求對樣本進行定性評定或分類。此外，應用於定量應用的大部分先前工作依賴於定期測量參考氣體。已經建議了不要求參考氣體的其它方法，但是它們要求廣泛的在線數據處理或者感測物質的漂移行為的準確的長期模型。然而，此事先工作未能給出由本發明所提出的滯後和漂移的解決方案，其中需要定量分析，參考氣體在實際上不具備可能性，開發準確的長期漂移模型的可能性也不太可能，並且板載信號處理電子設備的計算能力是有限的。
(ii)漂移校正-本發明本發明利用具體到應用的漂移校正方法，所述方法特別為本發明的化學傳感器的應用而設計。這種方法可以使用來自傳感設備的輸入數據以及可從引擎獲得的任何其它在線數據。在實時操作期間，這些輸入可以是當前輸入、在當前時間之前所接收的輸入或這些輸入的組合。它們還可以是這種當前和歷史數據的時間導數。漂移校正方法在時間上可以是固定的，或者根據來自傳感器或輔助數據的較近輸入而是自適應的(時變的)。此外，可以根據應用的性質以可變頻率來執行該方法。它可以涉及感測元件響應的簡單偏移調整、所述響應的跨度調整或者這兩個。可以分別向傳感器陣列中的每個感測元件應用獨立的漂移校正方法，或者可以向所有感測元件應用一個漂移校正方法。這種漂移校正可以使用特定的引擎內採樣協議，所述協議用於產生足夠可再現的參考氣體狀態。一個用於產生可再現參考狀態的方法包括增加傳感器陣列的溫度，測量在所述傳感器陣列周圍環境中的lambda(即，空氣與燃料比)，並且把電阻按比例縮放到在該lambda和溫度已知的參考電阻。另一校正方法可以利用專門設計的參考感測物質，所述感測物質主要對導致漂移的因素作出響應，但是最低限度地對氣體成分濃度的變化作出響應。漂移校正方法可以是如圖16所示的算法構建過程中的獨立步驟，或者它可以與該過程中的其它步驟集成，諸如模型產生或數據預處理步驟。
為給定應用選擇適當的漂移校正方法取決於幾個考慮。特別地是，選擇取決於了解在本發明的化學傳感器中物質的滯後和漂移。這涉及表徵構成化學傳感器的物質中漂移的「功能」，理解導致滯後和漂移的表面化學現象，發現確定氣體對構成所述化學傳感器的物質中滯後和漂移的影響，並且優化所述物質組成和微觀結構以便使滯後和漂移影響最小化。例如在一個應用中，通過實驗可能發現漂移兼有與時間相關的連續單調分量，以及取決於感測環境和引擎條件中具體變量的不連續(「結構化」)分量。
選擇還取決於物質和微觀結構開發。這是基於對構成化學傳感器的物質的先前工作和目標實驗的，包括優化物質塊狀化學性質、塊狀微觀結構和表面功能。例如，可以不僅根據在這種目標實驗期間感測物質對所關心氣體分析物的敏感性而且根據它們的漂移特性或它們漂移特性的可預測性，使用傳感器和可在引擎中傳感器的正常操作期間訪問的輔助數據來選擇具體的感測物質。
選擇進一步取決於通過引擎內參考協議來產生參考樣本狀態的能力。可以使用參考氣體來監視由傳感器物質的長期變化(例如，粘附，腐蝕等)所導致的漂移影響。這要求一定程度地理解本發明的化學傳感器中基於物質的漂移源。例如在一些應用中，參考樣本狀態可能由感測元件表面的熱、電或磁激勵而定期產生。對於其中氣體組分濃度出現周期循環的應用中，還可以在每個周期內的固定時間期間使用廢氣樣本作為參考狀態。
漂移校正方法還可以要求開發參考物質。這涉及監視可能導致傳感器滯後和漂移的短時標氣體組成事件，這要求理解化學傳感器中滯後和漂移的環境源。優選地是，構成化學傳感器的物質可能會對分析物氣體具有最小響應，但是對導致滯後和漂移的因素具有最大響應。例如如果已知漂移取決於廢氣的確定環境條件，那麼可以開發具體的感測物質，所述感測物質主要對在這些條件中的變化作出響應，並且最低限度地對分析物氣體濃度中的變化作出響應。這種物質可能會在正常操作期間使得能夠減少傳感器響應中的漂移影響。
(iii)漂移校正-例子下面將描述具體到應用的漂移校正方法的例子。所述例子被開發以用於在GDI(汽油直接噴射)汽車引擎上的感測應用中。GDI引擎的正常操作涉及通過間歇地下拉空氣/燃料比率以便在引擎進氣混合物中生成非常充裕的燃燒燃料，來周期性地重新產生/清理NOx存儲催化劑。這在廢氣的氣體成分濃度中導致循環的圖案，如圖17A中所圖示。
例子-自適應漂移校正背景和設置此漂移校正方法應用偏移(基線響應)和跨度(敏感性)校正，所述校正具體到陣列中的每個感測元件。在GDI引擎的每個循環期間的指定時間點(在此被稱為「更新時間」)定期地更新偏移和跨度校正因子值。給定GDI循環的更新時間一般發生在引擎從充裕再生(rich regeneration)狀態轉變到貧乏操作狀態之後不久。在圖17B中圖示了此漂移校正方法的執行以便幫助其解釋。可以通過分析從特定實驗或從在操作GDI引擎中測試傳感器所獲得的數據來確定最優的更新時間，其中所述特定實驗目標在於確定此最優時間。用於確定每個循環的更新時間的時間延遲對陣列中的所有感測元件來說是固定的，或者也可以對於每個感測元件來說是不同的。此外，它可以隨時間固定的，或者它可以隨時間推移而改變。在固定時間延遲的情況下，可以使用從特定實驗或引擎測試中所獲得的傳感器數據、分析器數據和輔助數據來計算此最優的延遲時間。在時變(或自適應)時間延遲的情況下，還會使用實時的傳感器或輔助數據來調節此時間延遲。
在每個循環的更新時間期間，通過應用具體到傳感器元件的模型(在此被稱為「校正因子模型」)來計算將被應用於傳感器響應的新偏移和跨度校正因子值，所述具體到傳感器元件的模型使用實時和/或歷史預處理的傳感器數據A15和漂移校正的輔助數據A17作為輸入。在下一段中描述這些校正因子模型的開發。
圖17C中流程圖的左側示出了在自適應偏移和跨度校正中所使用的因子回歸模型的一個這種開發過程。可以使用從傳感器上的特定校準實驗所獲得數據來開發這些預測模型，其中不僅傳感器和引擎數據是可用的，而且來自分析器的數據也是可用的，所述分析器獨立地測量所關心的分析物氣體的濃度。第一，使用逐個循環響應置零過程D1A來進一步處理預處理的傳感器數據A15，從而生成基線置零的傳感器數據A15B。此響應置零過程被如下描述從傳感元件的所有隨後響應中減去每個傳感元件在更新時間的響應直到下一GDI引擎循環的更新時間。然後，使用校正的分析器數據A16和基線置零的傳感器數據A15B來對於每個循環為每個感測元件確定理想的偏移和跨度因子。此過程D1可以依照幾種方式進行，下面論述其中兩個。
可以對於每個引擎循環為每個傳感元件進行基線置零的傳感元件響應到已知分析物濃度的一系列局部線性回歸。
gj＝bi，j*si，j+ai，j(1)其中gj包含在循環j期間的分析物氣體濃度，並且si，j包含在循環j期間傳感元件i的基線置零響應。這產生一組回歸斜率(bi，j)和偏移(ai，j)，每個用於每個傳感器元件/循環組合。對於每個局部線性回歸來說，局部回歸線的偏移和斜率分別是該感測元件/循環組合的理想偏移和跨度調整因子。結果，獲得一系列NC x NE組理想的偏移和跨度調整因子D2，其中NC是校準數據中的循環數目，並且NE是傳感器陣列中的感測元件數目。如這裡所用，GDI循環被定義為在充裕到貧乏引擎轉變之間的時間間隔。上述局部線性回歸可以使用在循環期間所獲得的所有數據點或者在循環期間所獲得數據點的任何子集。
還可以使用迭代/遞歸優化過程來確定理想的偏移和跨度因子，其中對於每個傳感器元件/周期組合測試用於這些因子的不同值組，繼而根據從傳感器數據所獲得的對分析物氣體濃度的傳感器響應的回歸模型的擬合誤差來進行評估並調節，其中使用這些因子來校正所述誤差。由前一段中所描述方法(方程式1)估算的理想校正因子可以被用為此遞歸方法的初始值。
一旦對於一組測試數據計算局部偏移和跨度校正因子D2，那麼就可以開發用於估算這些校正因子的一組預測模型(在此被稱為「校正因子模型」)(過程D3)。用於這些校正因子模型的輸入可以包括但不局限於在更新時間所收集的預處理的傳感器數據A15、基線置零的傳感器數據A15B和漂移校正的輔助數據A17和/或在所述更新時間之前所收集的這種數據。可以使用各種工具來開發這些校正因子模型，所述工具諸如線性回歸、多重線性回歸、投影到潛在結構(PLS)(或其它線性建模方法)和神經網絡(或其它非線性建模方法)，在稍後部分將會描述。一旦計算用於自適應偏移(D4)和跨度(D5)校正因子的NCxNE預測模型組，就必須存儲它們的參數和執行指令D9，使得它們可以在實時操作傳感設備期間應用。
如上所述的自適應漂移校正方法的一個顯而易見的候選方式為繞過基線置零的步驟(D1A)。對於此候選方式來說，只有預處理的傳感器數據A15可以用於估算理想的自適應校正因子(過程D1)以及產生校正因子模型(過程D3)。
執行圖17C中流程圖的右側示出了用於GDI引擎中實時的自適應漂移校正方法的一個可能的執行方案，並且在圖17B中圖示了此校正對從GDI引擎所獲得的傳感器數據的影響。在此具體情況中，首先對傳感器數據進行基線置零D6A，並且基線置零的傳感器數據D6C被用為漂移校正過程C3的輸入。另外，更新時間被定義為用於每個感測元件的每個循環內的固定時間，剛好是在重新產生存儲催化劑之後的td(參見圖17B)。然而如前所述，可以繞過基線置零步驟D6A。此外，更新時間不必隨時間推移是常數，對於傳感器陣列中的每個感測元件來說也一樣。
在任何給定時間，依照下列方程式來計算漂移校正的傳感器響應si，j，corr＝(si，j-ai，j)/bi，j(2)其中si，j是在循環j期間的指定時間感測元件i的未校正響應，ai，j是在循環j期間用於感測元件i的目前有效的偏移校正因子，並且bi，j是在循環j期間用於感測元件i的目前有效的跨度校正因子。在每個循環內的每個指定更新時間，此方法首先更新將在響應置零過程D6A中使用的響應置零。然後，它更新用於傳感器陣列中的每個感測元件的偏移校正因子(ai，j)和跨度校正因子(bi，j)。此校正因子更新過程D6涉及向當前的在線數據應用校正因子模型D9(在先前部分中論述了其開發)。在開發漂移校正方法期間(在先前部分中論述)特別定義了被應用於校正因子模型的在線數據，並且這些數據可以包括但不局限於在更新時間是收集的預處理的傳感器數據C1，corr、基線置零的傳感器數據D6C和漂移校正的輔助數據C2，corr和/或在更新時間之前不久收集的這種數據。此校正因子更新過程D6生成更新的校正因子D7，所述校正因子D7然後被用來更新漂移校正參數A19。
在更新時間期間所更新的漂移校正參數A19和響應置零D6D被應用於所有隨後的傳感元件響應直到下一循環的更新時間，當將使用上述過程來再次更新這些值時。
例子在此簡化的例子中，自適應漂移校正方法被應用於傳感器陣列中的單個感測元件，使得它可以用來有效地預測GDI引擎廢氣中的NOx濃度。使用一個數據組來構建校準模型並且使用獨立的數據組來測試所述模型。圖22對於測試集數據來比較未校正的傳感器數據和NOx濃度。
注意，傳感元件對NOx濃度中的短期改變很好地作出響應，但是在實驗過程中其基線響應遭受漂移和周期變化。如果使用來自校準數據組的未校正傳感器數據來構建用於NOx的線性回歸校準模型，繼而把此模型應用於測試集數據，那麼獲得在圖23中所示出的結果。顯然傳感器偏移和跨度中的適應性改變和長期漂移導致非常差的預測性能。
在此例子中，將使用基線置零的傳感器數據來執行校正方法。此外，更新時間會被定義為剛好在每個GDI循環的充裕到貧乏轉變之後10秒。圖23B示出了傳感元件的數據，其中已經使用這些更新時間來把所述傳感元件數據基線置零。
由於在此例子中只有一個感測元件被使用，所以總共需要構建兩個校正因子模型一個用於該感測元件的偏移因子並且一個用於其跨度因子。構建這些模型的第一步驟是在校準數據組中為每個循環確定理想的偏移和跨度因子。在此例子中，這通過使用從校準實驗所獲得的校正的分析器數據A16和基線置零的傳感器數據A15B在循環期間對所測量NOx濃度的傳感器響應執行一系列局部線性回歸(每一個用於每個循環)來進行。與基線置零的傳感器數據相比較，在圖24中示出了為校準數據所產生的理想偏移和跨度因子。對於此例子而言，局部線性回歸併未利用每個循環的所有數據點，而只是從更新時間開始(在開始充裕到貧乏轉變之後10秒)到貧乏到充裕轉變時數據點的有限集。
在此，可以使用上面所確定的理想校正因子來校正校準數據，並且然後可以使用此校正的數據來構建預測的NOx校準。由於在此例子中，只使用一個感測元件，所以使用單變量的線性回歸來構建此NOx校準模型。在圖25中示出了所產生的NOx校準模型。注意，使用理想校正因子的自適應校正產生了比利用未校正數據所構建的模型(圖23)具有好得多擬合的預測NOx模型。
一旦獲得理想的校正因子，那麼人們就可以對偏移和跨度校正因子構建預測的校正因子模型。用於這種模型的預測變量可以包括在引擎正常操作期間可用於傳感器的任何測量，並且可以包括(1)來自所述設備中的任何傳感元件的數據；(2)傳感器晶片溫度數據，或由傳感設備所獲取的其它數據；和(3)來自引擎中其它傳感器的數據(lambda、RPM、扭矩、溫度、風速等)。此外，這些預測變量可以包括在更新時間以及在所述更新時間之後不久時所獲取的任何上述測量。
在此例子中，使用來自傳感器和引擎的一組預測變量，使用部分最小二乘方(PLS)回歸來開發兩個校正因子模型。在這種情況下，被認為是這些模型輸入的傳感器數據限於基線置零的傳感器數據，不過對於所有應用來說不必總是這種情況。在圖2 6中示出了所產生的校正因子模型。這些結果清楚地示出了可以使用在引擎中易於獲得的信息來合理地估算對於給定循環的此感測元件的自適應偏移和跨度校正係數。
一旦因子回歸模型已經被開發出來，它們就可以在適當的更新時間被應用於實時的傳感器和引擎數據C1，corr和C2，corr，以便更新此數據中用於每個循環的校正因子D7。在此例子中，通過向一組匹配敏感器和引擎數據應用此方法來模擬實時漂移校正，其中所述匹配敏感器和引擎數據並未用來構建因子回歸模型(在此被稱為測試集數據)。在圖27中示出了在自適應漂移校正前後的此測試集中的傳感器數據。如果向使用未校正的校準數據所構建的NOx校準模型應用未校正的傳感器數據(上面的圖23)，那麼獲得圖28A中的結果。然而如果向使用校正的校準數據所構建的NOx校準模型應用漂移校正的傳感器數據(上面圖25)，那麼獲得圖28B中的結果。注意，自適應漂移校正方法導致大大改進的NOx預測性能。
(d)過濾(正交化)然後可以向另一處理方法、過濾或更具體地說是正交化A20提供漂移校正的數據(圖16)。被稱作正交信號校正(OSC)的技術及其變式包括能夠消除(或數字過濾)傳感器數據中影響的一類技術，所述影響與計算所關心分析物氣體的濃度無關。為了應用此類方法，假定在信號輸入中無關影響的起源在傳感器使用壽命期間保持恆定。當傳感器和相關聯的測量系統正在線操作以便預測具體分析物的濃度或存在時，必須存儲從應用任何這種方法所出現的參數A21以供稍後使用。
來自分析器(A16)、傳感器陣列(A22)和輔助數據源(A17)的校正數據形式包括所校正的數據，其在下一處理階段模型產生A23被用為輸入。
(e)模型產生(離線環境)然後使用所校正的輸入數據來創建一個或多個預測模型。每個模型可以是單變量回歸模型、多變量回歸模型、投影到潛在結構模型(PLS或部分最小二乘方)或另一線性建模方法、後向傳播神經網絡模型或另一非線性建模方法或上述組合。這些類型建模方法中的每個當被應用到相同的校正輸入數據時可以產生多個模型。。這些模型中的每個會具體到用於開發它們的輸入數據，並且從而具體到在傳感器陣列100中所使用的具體物質，以及具體到引擎廢氣系統類型，在所述引擎廢氣系統中置有傳感器以便產生用於校準的輸入數據(即，傳感器環境)。
(i)線性回歸此模型構建方法使用根據單個選擇輸入(例如，傳感器陣列中的單個感測元件或輔助數據中的單個變量)校正的數據，並且依照下列方程式在此數據和所關心分析物的一組匹配已知濃度(例如，分析器測量的NOx濃度)之間執行線性回歸y＝bx+c(1)其中x包含來自單個輸入的數據，並且y包含相應的氣體分析物濃度數據。給定x和y，使用最小二乘法來估算模型係數b和c。對於單變量回歸來說，這些參數(b和c)構成圖16的平行四邊形A24中的模型參數。
(ii)多重線性回歸(MLR)此模型構建方法使用根據一個以上輸入(例如，傳感器陣列中的兩個或多個感測元件或至少一個感測元件和來自輔助數據的至少一個輸入)校正的數據。然後建模方法依照下列方程式在這些數據輸入和所關心氣體分析物(例如，NOx)的已知濃度之間執行多重線性回歸y＝b1x1+b2x2+......+bnxn+c(2)其中x1、x2...xn是來自多個輸入1、2...n的數據，並且y包含相應的氣體分析物濃度。給定x1、x2...xn和y，使用多重最小二乘法來計算MLR模型係數b1、b2...bn和c。對於多重線性回歸來說，這些模型係數構成了圖16的平行四邊形A24中的模型參數。
(iii)投射到潛在結構此模型構建方法要求使用根據一個以上輸入(例如，傳感器陣列中的兩個或多個感測元件或至少一個感測元件和來自輔助數據的至少一個輸入)校正的數據。然而不同於上述MLR方法，PLS方法執行兩個不同的操作(1)把原始的n個輸入變量壓縮到幾個潛在變量中，所述潛在變量彼此完全獨立(由此解決在原始的n個輸入行為中的任何冗餘)並且解釋了在原始的n個變量中所包含的大部分信息；和(2)把這些潛在變量多重線性回歸到所關心的氣體分析物濃度。PLS模型的最後形式與MLR模型的相同(方程式2)，即y＝b1，PLSx1+b2，PLSx2+bn，PLSxn+cPLS(3)然而，模型係數b1，PLS、b2，PLS…bn，PLS和cPIS依照不同的方式來確定，並且從而可以與使用MLR所確定的那些完全不同。對於PLS模型來說，係數b1，PLS、b2，PLS…bn，PLS和cPLS構成了圖16的平行四邊形A24中的模型參數。
(iv)神經網絡模型神經網絡模型構建方法要求使用根據一個以上輸入(例如，傳感器陣列中的兩個或多個感測元件或至少一個感測元件和來自輔助數據的至少一個輸入)校正的數據。不同於上述建模方法，所述方法產生可以通過簡單的線性數學運算(方程式1-3)來執行的模型，神經網絡模型典型情況下通過一系列一個以上的線性或非線性運算來執行。
在圖18中示出了典型的神經網絡模型執行方案。所校正的輸入數據被包含在圖18左側上的原始輸入向量I中，並且所關心的氣體分析物濃度被包含在圖18最右側上的原始輸出向量O中。向量θ表示縮放的輸入向量，並且向量Θ表示縮放的輸出向量。在圖中心的向量H被稱作「隱藏」或「中間」向量。用於把縮放的輸入轉化到隱藏向量中的係數包含在矩陣w1中，並且用於把隱藏向量值轉化為縮放輸出的係數包含在矩陣w2中。下面將描述在神經網絡模型執行中的具體步驟。
步驟1對於每個變量來說，對校正的輸入向量I執行線性縮放操作使得所縮放的輸入向量θ具有在0.1和0.9之間的值。對於線性縮放來說，使用每個輸入變量的數據最小和最大值來根據輸入向量I計算所縮放的輸入向量θi=00.8*(Ii-Ii,min)(Ii,max-Ii,*min)+0.1---(4)]]>對於i＝0，1，2，…，N1，其中N1是輸入的數目，Ii，min和Ii，max分別是輸入變量i的原始輸入的最小和最大值，並且用於偏差的調整項θ0等於1。列向量θ由N1+1個元素(行)組成。
步驟2然後把所縮放輸入向量的每個值θ乘以加權矩陣w1。加權矩陣w1計算每個獨立輸入對網絡隱藏(中間)層的每個節點的作用Hj=[1+e-(i=0N1(w1j,i*i))]-1---(5)]]>對於j＝0，1，2，…N2來說，其中N2是隱蔽層中的節點數目，並且用於偏差的調整項w1，0等於1。加權矩陣w1大小為N2+1行乘以N1+1列，並且列向量H由N2+1個元素(行)組成。在縮放的輸入和隱蔽層之間的變換(方程式5)是非線性變換。
步驟3然後把中間向量的每個值H乘以加權矩陣w2。使用矩陣w2來計算隱蔽層中的每個個別節點對網絡縮放的輸出向量的每個元素Θ的作用k=[1+e-(j=0N2(w2k,j*Hj))]-1---(6)]]>對於k＝1，…N3來說，其中N3是輸出的數目並且用於偏差的調整項等於1。加權矩陣w2大小為N3行乘以N2+1列，並且列向量Θ由N3個元素(行)組成。所必須計算濃度的氣體種類數目確定了輸出部件的數目N3。例如，在其中只要求一個氣體分析物濃度輸出(例如，NOx)的應用中，只有一個輸出部件(N3＝1)。對於其中要求三個氣體分析物濃度輸出(例如，NOx、氧和總碳氫化合物)的應用中，存在三個輸出部件(N3＝3)。在隱蔽層節點和所縮放的輸出之間的變換(方程式6)是非線性變換。
步驟4為了根據縮放的輸出向量Θ來計算原始的輸出向量O，使用數據最小和最大值來計算線性變換Ok=Ok,min+(k-0.1)*(Ok,max-Ok,min)0.8---(7)]]>其中Ok，min和Ok，max分別是用於輸出變量k的原始輸出的最小和最大值。原始輸出向量O的內容與所關心的氣體相關並且採用這樣的形式，當在下述的後處理步驟中向O應用適當的反向操作時該形式會得到濃度。
對於具有一個隱藏向量的神經網絡模型來說，其對許多神經網絡應用來說都是典型的，模型參數是最大和最小原始輸入值(向量Imin和Imax)最大和最小原始輸出值(向量Omin和Omax)以及加權矩陣w1和w2。儘管根據原始輸入和輸出數據很容易地計算Imin、Imax、Omin和Omax，然而計算加權矩陣w1和w2要更為複雜。本發明可以利用諸如後向傳播和「嚴格」後向傳播之類的常規方法來根據原始輸入和原始輸出數據來計算加權矩陣。對於具有一個隱藏向量的神經網絡模型來說，參數Imin、Imax、Omin、Omax、w1和w2構成了圖16的平行四邊形A24中的模型參數。
對於算法開發來說，在圖16和20中所圖示的以及上述步驟序列只是數據處理序列的一個例子，並且可以依照不同的序列來執行所述步驟。例如，可以開發這樣的算法，其中在漂移校正(A12，A13，A18)執行過濾/正交化(A20)，或者可以在同步(A5)之前預處理輔助數據(A8)。
b.離線環境中的算法選擇算法選擇可以在線(即，實時的，當傳感器正在引擎中操作時)或離線進行。在此部分中，展示了離線環境中的算法選擇。
如這裡所用，術語「算法」被定義為用於數據預處理、輔助數據同步、漂移校正、數據過濾和模型執行的一組參數和數據處理指令(參見圖16中的平行四邊形A25)。對於給定引擎廢氣應用中的給定傳感設備，來說，可以準備幾種不同的算法，每個算法可以依照不同的年月日次序來使用不同的預處理、同步、漂移校正、過濾和模型執行元素組。
由先前描述的方法(如在部分C.2.a中所描述)所產生A25的算法被發送到算法選擇過程。圖19示出了在算法選擇過程中所包含的子步驟。首先，每個算法候選項(A25，1，A25，2，…A25，N)被應用於先前收集的傳感器和輔助數據組(B3和B4)，它們還具有一分析器數據B2的匹配組(其包含已知的氣體分析物濃度)。此先前收集的數據組通常被稱為測試數據(B1)。下面概括了並且在圖20中示出了與把算法應用於一組新的輸入數據(過程C)相關的詳細步驟。測試數據最好不包括用於產生任何算法候選項(A25，1、A25，2、…、A25，N)的任何數據。把每個算法候選項(A25，1、A25，2、…A25，N)應用到測試數據(B1)為每個算法候選項產生一組預測的氣體分析物濃度(B5)。
一旦為每個算法候選項B5獲得預測的氣體分析物濃度組，就把它們與已知的氣體分析物濃度B2以及來自算法A25的其它信息相組合，以便產生幾個不同的品質值B7，所述品質值B7構成了用於評估每個算法候選項所期望的有效性的準則。為此下面將描述三個通常使用的品質值B7，不過這些並不表示窮舉列出。
(1)均方根誤差(RMSE)用於比較不同算法的有效性的通用準則是均方根誤差或RMSE。依照下面方程式來計算此統計數值RMSE=iN(Yknown-Ypredicted)N-1---(8)]]>其中N是測試數據中的觀察(或樣本)的數目，Yknown是已知的氣體分析物濃度(來自分析器數據)，並且Ypredicted是算法所預測的氣體分析物濃度。高RMSE意味著該算法所預測的氣體分析物濃度有很大誤差，而低RMSE意味著該算法所預測的氣體分析物濃度有較小誤差。
當測試數據與用於產生算法的數據相同時，RMSE統計數值通常被稱作RMSEC或校準的均方根誤差。因為在這種情況下使用相同的數據來構建並測試模型，所以RMSEC統計數值是算法有效性的樂觀估計。
當根據用於產生算法的數據獨立地獲得測試數據時(例如，在不同的時間、在不同的引擎上或在不同的位置中收集)，RMSE統計數值通常被稱作RMSEP，或預測的均方根誤差。因為在這種情況下使用不同的數據來構建並測試模型，所以RMSEP通常被認為是算法性能的更實際的評價。
(2)算法複雜度算法候選項的第二準則是算法的整個複雜度。如果所有其它準則等同，那麼與更複雜的算法相比更想要不那麼複雜的算法，這是因為不那麼複雜的算法更易於執行、易於維護並且在正常操作期間對傳感器和輔助數據中未預見的幹擾不那麼敏感。此準則是更為定性的並且基於算法中數據處理操作的數目、回歸模型中所使用的輸入數目、PLS模型(或另一線性模型)中本徵向量的數目或者神經網絡模型(或另一非線性模型)中隱藏向量的數目的。例如，如果都使用PLS回歸模型的兩個算法當被應用於相同的測試數據組時生成相同的RMSE統計數值，並且它們都使用不同數目的本徵矢量，那麼具有最少數目的本徵矢量的模型可能會不那麼複雜，從而更可能會被選擇。
(3)模型回歸係數的幅度當比較不同的多重線性回歸(MLR)和PLS模型時，模型係數b1、b2...bn的幅度反映了在正常操作期間該模型對未預見的幹擾或來自用於產生算法的條件的任何其它偏差的敏感性。因此，希望用於這種模型的這些係數的幅度儘可能得低。可以用來表達係數幅度的一個統計數值是所述係數的平方和(SSC)SSC=b12+b22+...bn2---(9)]]>如果所有其它準則是等同的，那麼具有最低SSC的模型被認為是最有利的。
一旦為每個算法候選項計算品質值B7，就把它們彼此相比較(B8)以便能夠對每個算法候選項進行整體品質評價。根據這些品質評價，可以從N個候選項(A25，1，A25，2，...A25，N)中選擇單個算法，所述算法變為用於預測分析物氣體濃度的所選算法(A25，s)。作為選擇，本發明可以提供足夠的計算能力使得可以實時評估一個以上的預測模型，並且可以使用各自的算法候選項的品質值B7來計算分析物氣體濃度的加權評估。
c.算法執行(在線環境)然後向算法執行步驟c提供所選算法。當傳感器被安裝在引擎廢氣系統中，此步驟表示算法實時地操作。圖20示出了在算法執行過程C中所包含的子步驟。如從圖20中可以看出，此步驟簡單地是一系列執行步驟，所述步驟先前在所選算法A25，s的開發期間在該算法中所定義，被應用於在特定的時間實例時從引擎所獲得的傳感器(C1)和輔助數據(C2)的匹配組。用於這些執行步驟中的每個的參數和指令必須與在所選算法中所定義的那些(A6，A9，A11，A14，A19，A21，A24)相同，並且在算法執行期間的步驟序列必須匹配所選算法A25，s的步驟序列。
算法執行過程(C)的數據輸入是在線傳感器數據(C1)和在線輔助數據(C2)。這些數據除了它們是在引擎中的傳感設備實際操作期間實時收集的之外，類似於用於開發算法的那些數據(A2和A3)。傳感器數據C1是在任何給定時間點從陣列中的感測元件所收集的數據。輔助數據C2是從燃燒系統的其它部分所獲得的數據，諸如位於交通工具的引擎控制部件(ECU)或其它數據源。這種數據可以包括但不局限於燃料與空氣比、引擎的每分鐘轉速、引擎扭矩、引擎功率、引擎進入空氣溫度和廢氣溫度。
首先，輔助數據(如果它在算法中正被使用)依照在該算法中所存儲的參數和指令(A6)必須被同步A5，依照在該算法中所存儲的參數和指令(A9)必須被預處理A8，並且依照在該算法中所存儲的參數和指令(A14)必須被漂移校正。傳感器數據依照在該算法中所存儲的參數和指令(A11)也必須被預處理。此預處理可以包括溫度補償，如下所論述。然後，依照在該算法中所存儲的參數和指令(A19)把預處理的傳感器數據C1，corr與漂移校正的輔助數據C2，corr組合以便對傳感器數據執行漂移校正C3。這種漂移補償可以是上述的自適應漂移校正方法。然後如果必要的話，傳感器數據依照在該算法中所存儲的參數和指令(A21)被過濾/正交化。最後，使用所校正的傳感器和輔助數據C5作為輸入來執行(C6)校準模型A24以便產生氣體分析物濃度C7。然後可以利用氣體分析物濃度信息C7來調節在用於產生要分析的多成分氣體系統的系統中的參數。
傳感器焊盤上的溫度變化可能與電阻波動有關。如果這些波動很大，那麼它們可能破壞算法的預測能力，如果所述算法是基於來自狹窄溫度範圍的電阻數據的話。補償由於溫度而導致的電阻變化可能會根據此類模型生成更好的預測。這可以依照多種方式來完成。在一個方法中，回顧過去特定的時間長度，並且使用過去的溫度變化來預測電阻。從而，尋求以下形式的模型R-R=k(T-T)]]>其中 和 是在過去長度時間的數據範圍內的平均電阻和溫度。使用最小二乘方技術，然後可以找到k。項k 定義了電阻由於溫度的變化。可以通過從 中減去k 來獲得校正的R。如果 並非是產生數據的傳感器的預置溫度，那麼會出現問題。數據的基線被破壞並且一個問題被替換為了另一個問題。可以通過向電阻加回 來恢復所述基線，其中Ts是傳感器焊盤所想要的溫度或調整點。這在最小破壞基線的情況下校正了溫度波動。
可以修改該技術使得利用指數遺忘時間(exponentialforgetting time)來自適應地找到k值。為此，需要略微地修改模型以便給出R(t)＝αT(t)+β，R是電阻並且T是時間t的溫度。
如果 是在時間t的轉置向量[αβ]T的估算，並且先前估算是 (t-1)，那麼可以按照下式來評估新的估算 其中(t)＝[T(t)1]。
增益因子K(t)是K(t)=P(t)(t)＝P(t-1)(t)(λI-T(t)P(t-1(t)))-1，其中P(t)是溫度的變化協方差，I是單位矩陣，lambda是遺忘因子，並且P(t)＝(I-K(t)T(t))P(t-1)/λ。還有可以應用的此主題的其它變化，諸如用於略微簡化所涉及計算的投射算法。
可以使用向量 來估算溫度對電阻的作用。然後可以如前所述來修改並非處於正確平均值的校正。
可以在線使用此技術以提供用於為由溫度所導致的變化而校正電阻測量的機制。如果傳感設備的溫度在當獲取用於開發算法的校準數據時所使用的溫度範圍之外，那麼這是非常關鍵的。因為晶片上的控制器並不維持穩定的溫度，當環境溫度在設備設置溫度之下時或當環境溫度在設備設置溫度之上時，這可能會發生。
d.用於化學傳感器陣列的實時品質診斷本發明向傳感器陣列設備提供了實時的信號品質評價診斷統計數值，所述傳感器陣列設備當傳感器在並未校準的採樣空間內操作時可能會提供警報，並且因此可能會易於產生不準確的分析物氣體濃度的估算。在圖21中圖示了用於具有單個感測元件的傳感器和傳感器陣列設備的信號處理方案的大大簡化例子。
n個感測元件的傳感器陣列生成n個輸入。然後藉助一系列數學運算(所選的傳感器算法)對這些輸入操作以便產生定量的傳感器輸出(諸如NOx濃度或NH3濃度)(參見圖21中的底部例子)。
(1)背景技術對於其中使用單個感測元件來產生響應的傳感器來說(圖2 1的頂部)，此單個感測元件對於所關心的樣本組分(例如，NOx)來說必須是恰好選擇的。這產生非常簡單的校準過程和非常簡單的算法輸出＝常量*輸入+偏移(1)利用這種簡單算法，易於確定傳感器是否在其未被校準的情況下操作(以下稱為「界外值情況(outlier condition)」)簡單地確定在當前時間的傳感器輸入或輸出是否在校準期間所產生的傳感器輸出的範圍之內。較好的例子是基於單電極的pH傳感器，其被證明為從pH4到pH10是準確的。如果所報告的pH在此範圍之外，那麼傳感器讀數是可疑的。甚至不必知道傳感器輸入(pH電極電流或電勢測量)是否在用於校準的輸入範圍之內，這是因為如果傳感器輸出在範圍之內，那麼直接的輸入/輸出關係意味著傳感器輸入也在範圍之內。
如果使用傳感器輸入陣列來產生輸出那麼情況就大為不同。如果沒有個別感測元件對單個樣本組分具有互斥的敏感性(並且存在交叉敏感性)，那麼這種情況變得更為必要。在這種情況下，必須進行更為精細的校準過程以便產生更複雜的算法。此有兩個直接後果(1)所述算法在局外情況期間更可能產生錯誤輸出，從而使檢測這種局外情況更為關鍵；和(2)在傳感器操作期間檢測這種局外情況不能只是通過監視傳感器輸出的「越界」值來進行，並且甚至不能通過監視圖21中J個傳感器輸入中的每個的「越界」情況來進行。作為替代，必須構建用於描述在傳感器校準情況期間所獲得的傳感器輸入值的數學模型，並且在傳感器操作期間實時應用此模型以便確定是否存在這種潛在誤導的局外情況。
(2)傳感器品質因子的概觀一旦收集了傳感設備的校準數據A2，那麼就例如使用主分量分析(PCA)來開發在校準期間所獲得的傳感器陣列元件響應的品質因子模型。然後可以使來自此品質因子模型的參數駐留在板載傳感器電子器件上，並且當它們被實時收集時可以在數學上被應用到傳感器陣列輸入。然後使用來自預測的定性模型的隨後模型輸出來計算品質因子，所述品質因子表明在那時的傳感器輸入組是否適於安全地應用定量算法。在PCA的情況下，最可用於計算品質因子的模型輸出被稱作餘量和平衡。然後品質因子計算的結果可以觸發幾個可能的動作，諸如避免向定量算法發送當前輸入數據來產生輸出，在使用傳感器的控制系統上的警報，或者收集並存儲將稍後用於傳感器重新校準的傳感器及其它數據。
(3)傳感器品質因子的數學細節圖29圖示了品質因子模型的開發以及其實時執行。使用在校準實驗期間所收集的傳感器陣列數據來開發品質因子模型，在所述校準實驗中陣列接觸一組樣本情況，預計所述樣本情況表示在正常操作期間所述陣列將遭受的情況。典型情況下，校準實驗是與獲得用於為分析物氣體構造定量的預測模型的數據相同的那個。可以在稱作S的矩陣中布置在這種實驗A22期間所收集的數據S=s1,1s1,2s1,Js2,1s2,2s2,JMMMMsI,1sI,2sI,J---(2)]]>其中si，j是傳感元件j在樣本情況i的響應。在算法開發過程的範圍內(圖16)，S典型情況下包含校正的傳感器和輔助/引擎數據A22，但是可以包含各種預先校正形式的校準數據(A15，A17或A20)。
然後可以使用幾種不同的建模工具來構建傳感器陣列響應模型E1。通常使用線性建模方法，但是也可以應用非線性方法。一個線性建模工具是主分量分析(PCA)，其中響應數據S被分解為用於描述數據中大部分變化的一組NC主分量(PC)S＝T·P+E (3)其中T是包含每個PC的每個樣本情況的「強度」的(i乘NC個)元素的分數矩陣，P是包含PC相對於原始的j個感測元件測量控制的「定義」的(NC乘j個)元素的加載矩陣，並且E是剩餘矩陣，包含未被PCA模型解釋的S中的信息。在PCA的情況下，分數和加載矩陣T和P構成品質因子模型E2。
一旦開發了品質因子模型，它就可以被實時應用(F1)到任何隨後的傳感器數據陣列以便生成各個模型輸出F2。在使用PCA開發的品質因子模型的情況下，存在可以通過向傳感器數據陣列應用模型而生成的幾個可能輸出。這裡將只描述這些輸出中的兩個，樣本殘留和樣本平衡。
如果由向量sp(＝{sp，1sp，2……sp，j})表示從傳感器陣列響應的新樣本所獲得的一組新的傳感器陣列數據，那麼應用PCA品質因子模型涉及通過把PCA模型加載(P)與新的數據向量(sp)進行矩陣相乘來計算這組新數據的PCA分數(tp)tp＝P·sp′ (4)在此，可以計算新的傳感器陣列響應的模型估算(sP，est)sP，est＝tp·P(5)新樣本的殘留(RES)是在真正傳感器陣列響應向量和模型估算的傳感器陣列響應向量的元素之間差的平方和RES＝(sp-sP，est)*(sp-sP，est)′ (6)此統計數值描述了PCA品質因子模型解釋新的樣本向量sp中數據的範圍。
新樣本的平衡(LEV)簡單地是新樣本的分數向量的幅度(tp)，其中分數向量中的每個NC元素藉助由主分量所解釋的信息量來加權LEV＝(1/i)+tp′·(T′·T)-1·tp(7)其中I是用於開發模型的樣本數。此統計數值描述了一旦新樣本被應用於PCA模型，它在PCA模型的空間內是多麼極端。
一旦獲得新樣本的模型輸出F2(例如，殘留和平衡)，就有許多方式來把它們組合以便提供單個品質因子F4。例如，這些統計數值中的每個可以除以用於校準數據組的這些統計數值的參考值RESref和LEVref以便獲得殘留比率(RR)和平衡比率(LR)RR＝RES/[trace((S-T·P)·(S-T·P)′)/i]＝RES/RESref(8)LR＝LEV/(1+NC/i)＝LEV/LEVref(9)RR或LR值遠大於一表明新樣本數據向量的圖案沒有緊密地匹配在校準實驗期間所觀察的數據圖案。因此，新數據如果被應用於使用校準數據所開發的定量氣體濃度預測算法那麼可能會產生錯誤結果。參考值可以是在模型校準期間所獲得的平均殘留和平衡。
RESref＝RESavg(10)LEVref＝LEVavg(11)或者與本領域已知的參數的具體置信極限(例如，95％的置信極限)相關的其它統計確定的值REFref＝RES95％(12)LEVref＝LEV95％(13)可以根據應用以及怎樣使用RR和LR來依照許多不同的方式把它們組合到單個品質因子中。例如，品質因子可以簡單地是RR和LR的和、RR和LR的加權和或者RR和LR的和減去RR和LR的小數部分的積。
對於傳感設備應用來說，其中在數據處理硬體上可能沒有大量可用資源來存儲模型信息並且使得能夠處理大數據陣列，關鍵在於把品質因子模型E2壓縮為使用最少量的數據存儲空間並且導致最少的在線數據處理步驟的形式。在使用PCA構建的品質因子模型的情況下，完整的模型包含總共(i·NC)+(j·NC)個參數，來自(i乘NC)分數矩陣T和(NC乘j)加載矩陣P。儘管要求完整的加載矩陣P使得能夠在線應用模型(方程式4)，然而如上所述完整的分數矩陣T不需要用於在線應用。分數矩陣可以被壓縮到平方和分數向量t2中，其包含了每個NC主分量的分數的平方和t2＝(T′·T)的對角元素 (10)模型分數的此約化表示使得仍然能夠經由方程式7的修改形式來在線計算樣本平衡LEV＝(1/i)+tp′·(diag(t2))-1·tp(11)向量t2隻包含NC參數，其中T矩陣包含NC·i個參數。在其中校準數據組可以有1000個觀測(i＝1000)並且主分量的數目是4的典型情況下，必須存儲的參數數目從4000跌落為4。
另外一旦開發模型，那麼用於計算RR(方程式8)的校準數據的參考樣本殘留(RESref)不會改變。因此，它可以被計算並且與其它壓縮的模型參數一起被存儲在設備數據處理硬體上，並且如在方程式8中那樣應用。此方案大大降低了為了計算每個新樣本陣列的RR所需要的在線數據處理的複雜度。
(4)關於品質因子的變式還可以使用上述品質因子的變化。例如，可以使用除PCA之外的響應建模方法來產生品質因子模型，這種線性差別分析(LDA)。可以構建加權的品質因子模型，其中傳感器陣列輸入均按照它們用於定量氣體濃度預測算法的回歸係數的幅度或依照早先知道它們在定量算法中的重要性來加權。可以使用對模型輸出F2的不同數學運算來計算品質因子。可以對於單個傳感設備使用幾種品質因子模型，其中每一個被設計成用於監視不同類型的局外情況。
(5)品質因子的使用(a)拒絕危險的預測可以使用品質因子來評定來自定量算法A25的氣體濃度輸出C7是否是可疑的，這是因為當前的在線傳感器陣列響應並不在用於定量算法開發的校準數據中所觀察的傳感器陣列響應範圍內。圖30圖示了品質因子的此項使用。在此情況中，重要的是用於構建品質因子模型的校準數據A22與用於構建定量算法的數據相同。如果在線獲得的品質因子F4表明局外情況，那麼可以向數據處理器發送指令以免執行定量算法並報告氣體濃度。可以使用幾種準則來確定用於揭示局外情況的品質因子值的範圍。例如，在PCA品質因子模型的情況下，可以確定關於使用校準數據所獲得的RR或LR的95％置信極限，並且對於產生在此限制之外的RR或LR的任何在線數據設置警報。
在圖30A中圖示了利用用於檢測危險預測的品質因子的例子。在此情況中，使用八個不同的感測元件來開發用於預測NOx濃度的定量算法。使用PCA建模方法並且使用從八個感測元件所獲得的精確相同的數據來構建品質因子模型。圖30A顯示了兩條曲線一條示出了在定量模型所預測的NOx濃度和已知濃度之間的絕對差，並且一條示出了在該時段期間的品質因子值。在這種情況下，品質因子被定義為每個數據點所獲得的殘留比率(RR)和平衡比率(LR)的和。注意，品質因子在與NOx預測誤差增加的正好相同的時間增加。在真正應用中，人們知道實際的NOx預測誤差並沒有好處。結果，此例子表明品質因子可以在實時的引擎應用期間向危險的定量預測提供十分有用的警報。在此具體例子中，可以定義品質因子中的閾值，使得具有在此閾值以上的品質因子的所有數據點都會導致產生警報，而不是產生NOx濃度輸出。
(b)對預測的濃度計算容差極限因為品質因子提供了傳感器響應處於局外情況範圍的連續測量，並且此範圍影響了來自定量模型的氣體濃度輸出C7中的誤差，所以可以使用品質因子來對氣體濃度輸出計算容差極限。圖31圖示了品質因子的此項使用。在這種情況下，重要的是用於構建品質因子模型的校準數據A22與用於構建定量算法的數據相同。可以使用品質因子以及來自定量算法A25的數據、用於構建算法A22的校準數據或者其它早先知識以便計算容差極限。例如如果用於構建算法的分析器校準數據中的噪聲是已知的，那麼容差極限可以被計算為此噪聲值乘以品質因子的標度值。
(c)根據幾種算法來計算合成的預測濃度如果開發了幾種不同的定量算法A25，那麼可以使用對應於這些算法中的每個的品質因子以及它們定量的氣體濃度預測以便提供合成的氣體濃度預測值。圖32圖示了品質因子的此項使用。對於此應用來說，重要的是對於每個定量算法來說，用於構建品質因子模型的校準數據A22與用於構建所述算法的數據相同。在此應用中，合成的氣體濃度C7，comp可以是根據不同的定量算法所獲得濃度的加權平均，其中每個算法的權重與該算法的相應品質因子成正比。如果品質因子隨定量算法的改進預測增加，那麼所述權重可以與品質因子成正比。如果品質因子隨定量算法的改進預測降低，那麼所述權重可以與品質因子成反比。
(d)觸發校正動作可以開發專門的品質因子模型，該模型對傳感設備和算法的具體故障模式情況很敏感。結果，在實時操作期間可以使用品質因子來檢測這種故障模式。圖33圖示了品質因子的此項使用。在此應用中，用於構建品質因子模型的校準數據A22不必與用於構建定量算法的數據相同，只是開發該模型以使它對具體情況很敏感。當品質因子位於確定的預定範圍內時，在預定的延遲時間之後觸發校正動作。此校正動作可以涉及傳感設備本身上的物理過程、正在所述設備上使用的算法改變或這兩者。
在傳感器響應的逐漸漂移使數量預測性能隨時間推移而穩步降級的情況下，品質因子的此項使用是特別有用的。這種降級可能源於幾個源，諸如隨時間推移傳感器的老化或傳感器表面的逐漸汙染。在此情況下，存在可以由品質因子觸發的校正動作的幾個例子。在一個例子中，可以使用品質因子來觸發傳感設備上的參考過程，其中暫時增加陣列的溫度，測量lambda信號，並且調節用於傳感器數據的標度(預處理)參數。在另一例子中，可以使用品質因子來確定用於更新在逐個循環漂移校正方法或其它漂移校正方法中所使用的漂移校正因子的最優時間。
還可以開發具體的品質因子模型以便檢測傳感設備中的其它故障模式，諸如傳感器加熱器的故障、電導線的故障或一個或多個感測元件的故障。在這些情況下，可以使用品質因子來觸發傳感器上的警報，修改現有的算法，或者選擇並不依賴出現故障的感測元件的新算法。在一個具體例子中(圖33A和33B)，使用品質因子來檢測傳感器陣列中12個感測元件之一的故障。在時間點735，傳感元件之一的故障對應於所預測的NOx濃度中的較大偏差(圖33A)。在此例子中所使用的品質因子模型是PCA模型或未被進行基線偏置或漂移校正的傳感元件響應，並且品質因子被定義為殘留比率(RR)和平衡比率(LR)的和。結果，品質因子對任何感測元件的響應中較大的絕對變化很敏感，並且它採用較大增加的形式清楚地檢測出感測元件的故障(參見圖33B)。
(e)使實時算法選擇便於進行如果開發幾種不同的定量算法A25，可以使用對應於這些算法中的每個的實時品質因子來選擇最適當的定量算法。圖34圖示了品質因子的此項使用。對於此應用來說，重要的是對於每個定量算法來說，用於構建品質因子模型的校準數據A22與用於構建所述算法的數據相同。在實時操作期間，使用不同的品質因子模型和當前的在線數據C5來產生對應於不同定量算法A25的不同品質因子F4。然後，比較這些品質因子以便選擇最適當的算法來應用於當前的數據C5。例如，在實時操作期間可以每次選擇其相應的品質因子表明最不嚴格的局外情況的算法。
圖34A和34B圖示了可以怎樣使用具體到算法的品質因子來進行實時算法選擇。在此例子中，開發了兩種不同的算法，並且每種算法具有相關聯的品質因子模型，所述品質因子模型使用完全相同的校準數據來構建。儘管兩種算法具有類似的校準模型擬合，然而清楚地是當在線應用時一個算法可以比另一個更好地執行(圖34A)。在圖34B中示出了對應於這兩種算法中每個的品質因子，其中在所有情況下所述品質因子被定義為殘留比率(RR)和平衡比率(LR)的和。顯然算法1的品質因子始終小於算法2的品質因子，建議算法1為最適於用於當前數據的算法。這藉助圖34A中的NOx預測結果來確認。
對那些本領域內技術人員來說清楚的是在不脫離本發明的範圍或精神的情況下，可以對使用本發明的化學傳感器和化學傳感器陣列來感測並分析多成分氣體系統中確定氣體的計算機實現的系統和方法及此系統和方法的構造進行各種修改和變化，所述氣體包括NOx、碳氫化合物、一氧化碳和氧。先前已經提供了其例子。
考慮到說明並實施這裡所公開的本發明，本發明的其它實施例對那些本領域技術人員來說也是顯而易見的。旨在說明書及例子只被認為是示例性的，本發明真正的範圍和精神由以下權利要求來表明。
權利要求
1.一種用於把金屬氧化物傳感器陣列的響應轉換為在所述傳感器陣列周圍所提供的多成分氣體的組分和濃度的方法，所述方法包括提供自診斷模塊來計算與相應預測模型相關聯的品質因子並且確定所述傳感器陣列的響應是否在優選範圍之內；提供自校正模塊來補償響應隨時間推移的變化使得可以獲得在優選限制內的品質因子，或者停止所述響應並報告錯誤；並且提供濃度計算模塊以便計算來自每個預測模型的氣體濃度輸出、相應的容差極限以及通過藉助相應的品質因子來加權來自所述預測模型的輸出並且確定加權的容差極限所確定的氣體濃度輸出，使得具有最低容差極限的氣體濃度輸出可以作為多成分氣體的實際組分和濃度被報告。
2.如權利要求1所述的方法，其中所述自診斷模塊對傳感器響應、傳感器溫度值或任何輔助傳感器數據的任何值之一執行線性變換或非線性變換之一。
3.如權利要求2所述的方法，其中所述自診斷模塊對所述傳感器陣列執行實時的品質因子計算。
4.如權利要求3所述的方法，其中所述實時的品質因子計算利用在校準實驗期間所獲得的輔助數據、所變換的傳感器響應或傳感器溫度值之一的主分量分析模型。
5.如權利要求4所述的方法，其中通過把模型分數矩陣減小到平方和分數向量來壓縮所述主分量分析模型，從而減小必須存儲的模型參數數目。
6.如權利要求3所述的方法，其中實時的品質因子計算評估在校準實驗期間所獲得的輔助數據、傳感器響應或傳感器溫度值之一以便確定所述傳感器陣列是否在預定限制內操作。
7.如權利要求3所述的方法，其中所述實時的品質因子計算確定在校準實驗期間所獲得的輔助數據、所述傳感器響應或傳感器溫度值之一的圖案。
8.如權利要求3所述的方法，其中所述實時的品質因子計算確定在校準實驗期間所獲得的輔助數據、所述傳感器響應或傳感器溫度值之一的協方差。
9.如權利要求3所述的方法，其中所述實時的品質因子計算確定對於任何預測模型來說所述傳感器陣列並不在優選的範圍內操作而且必須使用自校正模塊。
10.如權利要求3所述的方法，其中所述實時的品質因子計算確定對於一個或多個預測模型來說所述傳感器陣列在優選的範圍內操作而且來自所有預測模型的輸出被轉送到濃度計算模塊。
11.如權利要求1所述的方法，其中所述自校正模塊向所述傳感器陣列實時地提供自引用過程。
12.如權利要求11所述的方法，其中所述自引用過程包括增加所述傳感器陣列的溫度，測量在所述傳感器陣列周圍的lambda，並且把傳感器響應縮放到在預定參考狀態的響應。
13.如權利要求1所述的方法，其中所述自校正模塊向所述傳感器陣列實時地提供溫度校正過程。
14.如權利要求13所述的方法，其中所述溫度校正過程包括使用在溫度和電阻之間的固定關係來消除在所述傳感器響應中由於溫度所導致的變化。
15.如權利要求13所述的方法，其中所述溫度校正過程包括使用遞歸算法來消除在所述傳感器響應中由於溫度所導致的變化以便提供在溫度和電阻之間的時變關係。
16.如權利要求1所述的方法，其中所述自校正模塊向所述傳感器陣列實時地提供漂移校正過程。
17.如權利要求16所述的方法，其中所述漂移校正過程包括在偏移和跨度方面調節所述傳感器響應，並且使用實時的傳感器響應、傳感器溫度和可用的輔助引擎數據來在任何給定時間確定偏移和跨度校正因子。
18.如權利要求1所述的方法，其中所述自校正模塊確定自校正模塊無法補償所述傳感器響應中的變化，使所述傳感器陣列在一預定時間內停止處理數據，向所述傳感器陣列報告錯誤，並且在預定時間之後再次開始處理數據。
19.如權利要求1所述的方法，其中所述自校正模塊確定自校正模塊無法補償所述傳感器響應中的變化，使所述傳感器陣列在一預定時間內停止處理數據，向所述傳感器陣列報告錯誤，並且如果連續錯誤的數目大於預定數目那麼不會再次開始處理數據。
20.如權利要求1所述的方法，其中所述濃度計算模塊為每個預測模型計算氣體濃度輸出和容差極限。
21.如權利要求20所述的方法，其中使用投射到潛在結構(PLS)模型或另一線性模型中的至少一個來計算每個預測模型的氣體濃度輸出和容差極限。
22.如權利要求20所述的方法，其中使用神經網絡模型或另一非線性模型中的至少一個來計算每個預測模型的氣體濃度輸出和容差極限。
23.如權利要求20所述的方法，其中使用投射到潛在結構(PLS)模型、神經網絡模型或其它線性和非線性模型中的至少一個來計算每個預測模型的氣體濃度輸出和容差極限。
24.如權利要求3所述的方法，其中所述濃度計算模塊計算氣體濃度輸出和由實時的品質因子計算所加權的容差極限。
25.如權利要求1所述的方法，其中所述濃度計算模塊使用所述容差極限來確定最準確的氣體濃度輸出。
26.一種用於把金屬氧化物傳感器陣列的響應轉換為在所述傳感器陣列周圍所提供的多成分氣體的組分和濃度的方法，所述方法包括提供自診斷模塊來計算與相應預測模型相關聯的品質因子並且確定所述傳感器陣列的響應是否在優選範圍之內；並且提供濃度計算模塊以便計算來自每個預測模型的氣體濃度輸出、相應的容差極限以及通過藉助相應的品質因子來加權來自所述預測模型的輸出並且確定加權的容差極限所確定的氣體濃度輸出，使得具有最低容差極限的氣體濃度輸出可以作為多成分氣體的實際組分和濃度被報告。
27.如權利要求26所述的方法，進一步包括提供自校正模塊來補償響應隨時間推移的變化使得可以獲得在優選限制內的品質因子，或者停止所述響應並報告錯誤的步驟。
28.如權利要求27所述的方法，其中所述自校正模塊向所述傳感器陣列實時地提供自引用過程。
29.如權利要求28所述的方法，其中所述自引用過程包括增加所述傳感器陣列的溫度，測量在所述傳感器陣列周圍的lambda，並且把傳感器響應縮放到在預定參考狀態的響應。
30.如權利要求27所述的方法，其中所述自校正模塊向所述傳感器陣列實時地提供溫度校正過程。
31.如權利要求30所述的方法，其中所述溫度校正過程包括使用在溫度和電阻之間的固定關係來消除在所述傳感器響應中由於溫度所導致的變化。
32.如權利要求30所述的方法，其中所述溫度校正過程包括使用遞歸算法來消除在所述傳感器響應中由於溫度所導致的變化以便提供在溫度和電阻之間的時變關係。
33.如權利要求27所述的方法，其中所述自校正模塊向所述傳感器陣列實時地提供漂移校正過程。
34.如權利要求33所述的方法，其中所述漂移校正過程包括在偏移和跨度方面調節所述傳感器響應，並且使用實時的傳感器響應、傳感器溫度和可用的輔助引擎數據來在任何給定時間確定偏移和跨度校正因子。
35.如權利要求27所述的方法，其中所述自校正模塊確定自校正模塊無法補償所述傳感器響應中的變化，使所述傳感器陣列在一預定時間內停止處理數據，向所述傳感器陣列報告錯誤，並且在預定時間之後再次開始處理數據。
36.如權利要求27所述的方法，其中所述自校正模塊確定自校正模塊無法補償所述傳感器響應中的變化，使所述傳感器陣列在一預定時間內停止處理數據，向所述傳感器陣列報告錯誤，並且如果連續錯誤的數目大於預定數目那麼不會再次開始處理數據。
全文摘要
一種計算機實現的系統和方法，用於把金屬氧化物傳感器陣列的電阻轉換為在傳感器陣列周圍所提供的多成分氣體的組分和濃度。所述方法包括預處理傳感器陣列的電阻；根據所預處理的電阻來選擇用於計算多成分氣體的組分和濃度；並且後處理由所選擇模型所產生的多成分氣體的組分和濃度以便提供所述多成分氣體的實際組分和濃度。
文檔編號G01N33/00GK101073007SQ200580042034
公開日2007年11月14日 申請日期2005年10月6日 優先權日2004年10月7日
發明者A·沃爾什, K·達爾, C·E·米勒, P·A·莫裡斯, M·J·皮奧沃索 申請人:納幕爾杜邦公司