[发明专利]具有气敏材料制备步骤的半导体气敏元件的测试方法

权利要求书

1.一种具有SnO₂气敏材料制备步骤的可控湿度的半导体气敏元件的测试方法，其特征在于，具有：

SnO₂气敏材料制备的步骤，气敏元件制作的步骤，半导体气体传感器测试系统组建与测试的步骤，及对半导体气体传感器测试系统及半导体气敏元件性能分析的步骤；

其中：

SnO₂气敏材料制备的步骤为：以SnCl₄·5H₂O为原料，以稀氨水为沉淀剂，SnCl₄·5H₂O原料溶于去离子水中，加入柠檬酸，进行搅拌，使之完全溶解，然后加热至沸腾，并使之发生反应；将配制好的稀氨水，缓慢滴加到SnCl₄水溶液中，并不断搅拌，待沉淀完全，用温水洗涤，离心清洗多次，以去除其中的Cl－，再将沉淀物在60～100℃下烘干，研碎后在马弗炉内于700℃左右灼烧2～4h,得到SnO₂气敏材料；

气敏元件制作的步骤中，敏感元件的管芯具有一个毛细陶瓷管，加热丝穿入陶瓷管中，在管外涂制金属电极作为测量元件电阻的信号电极，在金属电极外涂制气敏材料SnO₂，并烧制而成；制作步骤为：将两端涂有金属电极的陶瓷管衬底依次用甲苯、酒精和去离子水超声清洗，在红外灯下烘干后将研磨好的浆料涂在陶瓷管表面，在红外灯下烘干，然后在管式电阻炉中烧结，最后将具有合适电阻值的加热丝穿入烧好的管芯中，并将电极引线和加热丝引线焊接在元件的管座上，制作成气敏元件，使用气敏元件制作气体传感器；

所述气体传感器测试系统组建与测试的步骤中具有对气室的湿度进行控制的步骤，该步骤中使用了一种湿度控制系统，包括主控制器、湿度检测传感器、除湿机、超声波加湿器和蜂鸣器，其中，湿度检测传感器、除湿机和超声波加湿器安装于气室内，主控制器分别与湿度检测传感器、除湿机、超声波加湿器、蜂鸣器连接；

所述半导体气体传感器测试系统组建与测试的步骤中，半导体气体传感器测试系统用于对不同气体在给定浓度下进行动态配气及使传感器阵列在气体通入时对气敏元件表面电导率的变化进行实时监测；

所述半导体气体传感器测试系统包括：自动进行样品气体浓度配比的进样装置、气体传感器加热与测温装置、用于与进样装置协调动作，并在不同的气样环境下自动采集4～6路气体传感器测量信号的信号测量与数据采集电路、对采集的测量信号进行数据处理的数据处理电路；和对进气过程和室温变化所引起的温度变化进行补偿的温度补偿电路；

气体传感器阵列安装在气室中，气体传感器所测得的气体浓度变化是气室中气体的变化，气室为内腔形状圆滑且近似方形的干燥的有机玻璃腔；

所述气体传感器加热与测温装置对气敏元件进行加热，并实时测量气体传感器的工作温度；当传感器的工作温度因环境温度或气流影响发生变化时，温度补偿电路实时进行温度补偿控制，使传感器的工作温度保持不变；所述信号测量与数据采集电路用于对信号调节和A/D采样，信号调节为用于将气体传感器对测试气样的响应转变为电信号，A/D采样通过数据处理电路将模拟信号转变为数字信号，并将采集到的4～6路传感器信号经过归一化处理，转变为ＢＰ神经网络所需要的标准信号；

标准气样输出被分成二路或多路，各自由一个质量流量控制器控制，并接入测试装置，载气和待测气体分别在质量流量控制器的控制下进入干燥罐充分混合，配成目标测试气样并进入测试装置中的测试腔中，气体传感器测试系统在计算机的控制下对所设定的目标浓度气体进行配气，将一种或多种标准浓度的目标气样和标准的载气按照比例进行配比，并在质量流量控制器控制下通入混合通道内进行充分混合，当混合后的测试气样通入测试腔时，对气室内气体传感器阵列的4～6路响应信号进行采集，并将获得的气体传感器阵列对样品气体的响应信息传送到计算机上进行数据处理和数据分析，使测试气体进气、响应信号采集和数据处理顺序进行；当温度监测系统发现半导体气敏元件工作温度发生变化时，温度补偿电路实时进行元件工作温度补偿，调节电阻丝的加热电压，使元件的工作温度保持不变；

湿度检测传感器实时检测气室内湿度信号，且将该信号传输至主控制器，主控制器基于气室内恒定的湿度设定值，或一个设定的湿度范围，该湿度信号与控制器的设定值相比较，控制器输出分程控制信号；当气室内的湿度低于10%RH,而加湿器已开到最大，系统不能继续加湿时，或气室内的湿度高于60%RH，而除湿机开至最大时，主控制器将控制蜂鸣器鸣响，并调用主控制器中断，停止对除湿机和超声波加湿器的信号输出，且湿度超过60%RH时，系统自动断电并停止测试；

所述气体传感器测试系统的软件部分包括气路控制模块、电压采样模块、温度补偿模块、数据处理模块和显示功能模块，其中：

气路控制模块对控制参数设置，所述参数包括通气前时间、通气时间、停气后时间、数据采样时间间隔、混合气体种类、各种气体浓度和载气控制电压，气路控制模块对参数设置以控制多路气样输出量实现配气，配气过程中，气体流量和元件的工作温度在整个测试过程中保持不变；

电压采样模块对电压采样开始、采样中断与采样结束进行相应控制；

数据处理模块进行数据采集、数据保存、图像保存、图像打印、历史数据提取处理；

数据采集模块完成在采样时间间隔内的数据跟踪采集，对提供的实验数据在对本次实验结束后自动保存为两种格式的六个文件，分别为4～6路传感器的电压、电阻、响应灵敏度数字量及动态变化曲线，同时对保存的图像即时打印和对历史数据按时间提取；数据采集过程中，根据不同需求在显示模块中实时显示4～6路传感器的标准电压、电阻及响应灵敏度随时间的动态变化曲线；

所述对气体传感器测试系统及气敏元件性能分析的步骤，包括对气体传感器测试系统的各种误差分析，对测量电阻的灵敏度、电阻温度特性、灵敏度-温度特性、灵敏度-浓度特性进行分析以及掺杂对元件性能影响的分析；

将传感器采用的4～6路标准信号进行数据的归一化处理，并将数据处理成ＢＰ神经网络获得所需要的标准数据源，进行BP神经网络气体分析的步骤如下：

定量分析：

选择单一甲醛气体作为检测样品，进行定量检测，由4～6个传感器组成传感器阵列对甲醛气体、氨气、苯混合气体定量识别，神经网络的输入神经元个数为6，输出神经元个数为1，动态改变隐含层个数并求取其相对应的训练误差，以确定最佳隐含层神经元数；

使用newff函数创建一个两层网络，将网络的隐含层神经元数设定为S(i)，其范围是3-13个，将网络的训练函数设为Trainbr,设网络的权值和阈值是特殊分布的随机变量，用统计学方法估算出网络权值和阈值，将输入向量P作为训练过的神经网络的输入，利用train函数对网络进行训练， 将30组不同浓度的甲醛气体作为输入进行定量检测，得到定量检测的输出结果和相应实验误差；

定性分析：

由4～6个传感器组成的传感器阵列对甲醛、氨气、苯三种气体特征量进行定性识别，网络的输入神经元个数为6，输出神经元个数为3，通过误差对比来确定最佳的隐含层数，动态改变隐含层数；

使用newff函数创建一个三层网络，将网络隐含层神经元个数设定为一个动态变量S(i),其范围是3-13，通过10次训练，得到训练误差最小的一组神经元个数即为最佳神经元个数，设网络的权值和阈值是特殊分布的随机变量，用统计学方法估算出网络权值和阈值；训练直至实验误差满足要求停止；将奇数组作为训练过的神经网络输入；

所述的湿度控制系统，还包括上位机，上位机具有人机交互界面，并用于人机交互操作，实时显示湿度设定值和湿度测量值，所述主控制器为PLC，且使用PLC的PID调节模块对气室内的湿度进行闭环控制；

使用STEP 7软件对湿度控制的方法为：

进行创建项目和硬件组态：首先，进入STEP 7软件界面，然后点击菜单，创建新项目，右键左侧菜单上的项目名，点击插入S7-300站点，之后双击打开插入的S7-300站点，双击右侧窗口的硬件，在弹出的硬件窗口进行硬件组态；

组态：

在右侧框找到机架，双击设置好机架后，再点击插槽2，在右侧框内找到对应型号的CPU，双击即可插入插槽2；然后双击CPU，在弹出的窗口里设置对应的子网MPI，模拟量输入模块应插在4号插槽，与插入CPU操作相同；

将全部硬件插入对应插槽后，点击上方菜单栏的“保存并编译”的快捷键即完成硬件组态，回到STEP 7主界面进行下一步编程；

硬件组态好后的主界面出现OB1组织块，在空白处添加所需要的其他组织块和逻辑块，点击上方菜单栏的插入，在弹出的下拉菜单中点击S7模块，选择所需要添加的模块；

各部分控制所需要使用的编程方法是：手自动切换、手动除湿的启停、手动加湿的启停、手动运行输出，通过中间继电器模拟常开常闭触点的开合，以达到控制和自锁的目的，当湿度低于20%RH和高于40%RH时报警，输出线圈置1，使蜂鸣器鸣笛，并中断主程序，停止所有送入外部固态继电器的脉冲，即除湿机、超声波加湿器除湿或加湿；

使用PID调节模块对湿度进行闭环调节，其为FB58“TCONT_CP”，用于控制连续的或者有脉冲信号的湿度处理过程；调用此模块会生成背景数据块DB58，双击点击主界面的DB58背景数据块，点击查看参数，在弹出的界面观测数据；

FB58模块设置参数的方法如下：

（1）PV_IN为被控变量的设定值；

（2）SP_INT为被控变量的实际值，需要输入湿度测量值；

（3）QPULSE为输出脉冲，与外部固态继电器相连；

内部变量设置方法为：

（1）除湿调用的模块GAIN设置为负数，GAIN设置为-4.0，在加湿部分GAIN 值为正，GAIN初始值为2；

（2）PULSE_ON为脉冲发生器开启，当这个值由FALSE改为TURE时，激活脉冲发生器；

（3）TI积分动作复位时间，初始值为4.0S；

（4）TD微分动作复位时间，初始值为1.0S；

（5）TUN_ON自调节打开，这里将初始值FALSE改为TURE；

（6）TUN_ST启动自调节，这里将初始值FALSE改为TURE。