[发明专利]电子鼻气敏-色谱信息融合和风味物质现场检测分析方法

权利要求书

1.一种气敏-色谱多信息融合的电子鼻仪器随时现场检测分析方法，其特征是，电子鼻仪器包括气敏传感器阵列模块I，毛细管气相色谱柱模块II，气体自动顶空进样模块III，计算机控制与分析模块IV，自动顶空进样升降装置V，大容量顶空挥发气发生装置VI，以及第一辅助气源VII-1与第二辅助气源VII-2，实现调味品、香料香精、食品、石蜡这些呈味物质的随时现场检测与智能分析；

所述的气敏传感器阵列模块I包括：气敏传感器阵列I-1、气敏传感器阵列环形工作腔I-2、隔热层I-3、隔板I-4、风扇I-5和电阻加热元件I-6；所述气敏传感器阵列模块I位于电子鼻仪器右中部；

所述的毛细管气相色谱柱模块II包括：毛细管气相色谱柱II-1、检测器II-2、放大器II-3、记录仪II-4、隔热层II-5、风扇II-6、电阻加热丝II-7和进样口II-8；所述毛细管气相色谱柱模块II位于电子鼻仪器右上部；

所述的气体自动顶空进样模块III包括：第一微型真空泵III-1、第一流量计III-2、第一节流阀III-3、第一二位二通电磁阀III-4、第二二位二通电磁阀III-5、二位三通电磁阀III-6、第二微型真空泵III-7、第三二位二通电磁阀III-8、第四二位二通电磁阀III-9、侧孔进样针III-10、第一减压阀III-11、第一净化器III-12、第二节流阀III-13、第二减压阀III-14、第二净化器III-15、第三节流阀III-16、第一流量计III-17、第三节流阀III-18和第四节流阀III-19；所述气体自动顶空进样模块III位于电子鼻仪器右下方；

所述的计算机控制与分析模块IV主要组成单元包括：A/D数据采集卡IV-1、驱动与控制电路板IV-2、计算机主板IV-3、4路精密直流稳压电源IV-4、WIFI板卡IV-5、显示器IV-6；所述计算机控制与分析模块IV位于电子鼻仪器左侧；

所述的自动顶空进样升降装置V主要组成单元包括：支撑圆盘V-1、步进电机V-2、螺杆机构V-3、齿轮传动机构V-4；所述自动顶空进样升降装置V位于电子鼻仪器右下方；大容量顶空挥发气发生装置VI主要组成单元包括：隔热层VI-1、电阻加热丝VI-2、导热套VI-3、温度传感器VI-4、被测样品VI-5、250ml玻璃样品瓶VI-6、硅橡胶密封片VI-7、杯盖VI-8；一台电子鼻仪器配置4个大容量顶空挥发气发生装置VI；

大容量顶空挥发气发生装置VI的作用是，在测试现场将10-30ml被测样品VI-5在250ml玻璃样品瓶VI-6内以40-80±0.1℃的温度恒温30min，产生220-240ml顶空挥发气；自动顶空进样升降装置V的作用是在3s内使大容量顶空挥发气发生装置VI上升20mm，从而使固定在气敏传感器阵列环形工作腔I-2进气孔下方的侧孔进样针III-10穿过硅橡胶密封片VI-7，接触到250ml玻璃样品瓶VI-6内的顶空挥发气；

电子鼻仪器对一个被测样品VI-5顶空挥发气的气体进样周期为T＝300-600s，默认T＝480s；在气体进样周期T内，毛细管气相色谱柱模块II的被测顶空挥发气进样时间比气敏传感器阵列模块I提前进行；当T＝480s时，毛细管气相色谱柱模块II的顶空挥发气进样时间比气敏传感器阵列模块I默认提前1s；气敏传感器阵列模块I与毛细管气相色谱柱模块II的被测气体进样流量默认比值是1,000:6，进样持续时间默认比值是60:1，累积进样量默认理论比值是1,000:0.1；计算机控制与分析模块IV对气敏传感器阵列模块I与毛细管气相色谱柱模块II的感知信息选择与分析操作同时进行；

在气体进样周期T内，顶空挥发气被2个微型真空泵III-1和III-18分别抽吸到气敏传感器阵列模块I和毛细管气相色谱柱模块II，气敏传感器阵列I-1和毛细管气相色谱柱II-1因此产生敏感响应，电子鼻仪器得到1组气敏传感器响应曲线和1幅气相色谱图，这是电子鼻仪器感知一个被测气体样品而得到的气敏/气相色谱模拟信号；

在气体进样周期T内，计算机控制与分析模块IV从气敏传感器阵列模块I的多条响应曲线中提取48个响应信息分量，从毛细管气相色谱柱模块II的一幅有限时长半分离色谱图上选择21个特征信息分量；电子鼻仪器因此得到一个69维感知向量x(τ)∈R⁶⁹，以下称之为样本，存储在计算机主板IV-3硬盘的对应数据文件里，并通过WIFI路由模块将样本数据发送到云端和指定的固定/移动终端；

电子鼻仪器通过对调味品、香料香精、食品、石蜡这些呈味物质经年累月长期现场随时检测，形成气味大数据X，其中一部分数据建立了气敏/色谱感知响应样本与呈味物质气味类型、强度等级和主要成分浓度的对应关系；

在学习阶段，计算机控制与分析模块IV的机器学习级联模型离线学习气味大数据X以确定其结构和参数，在线学习气敏/气相色谱近期响应以微调机器学习模型参数；在决策阶段，机器学习级联模型依据气敏/气相色谱当前感知向量x(τ)在线确定调味品、香料香精、食品、石蜡类别，量化预测气味强度等级和主要成分浓度值。