3. 多气体传感阵列原理

在单气体检测场景中，一只高选择性传感器往往就能完成任务。但当目标环境同时存在多种气体，且浓度动态变化时，单传感器输出的一个电信号无法唯一确定气体种类与浓度。多气体传感阵列的核心思想，是用一组具有部分选择性差异的敏感单元构成“嗅觉前端”，把原本不可分的混合响应转化为可被模式识别算法处理的高维特征向量。本节围绕阵列设计动机、交叉敏感特性、模式识别基础与电子鼻系统组成展开。

一、阵列设计动机：从“单点测量”到“响应指纹”

单只金属氧化物传感器对多种还原性气体都有响应，其电阻变化只反映“总还原性”，无法区分乙醇与丙酮。阵列设计的基本动机有三点：

• 维度扩展：N 只传感器输出 N 维响应向量，为分类与回归提供可分空间。
• 互补选择性：通过掺杂、工作温度、敏感膜材料差异，让不同单元对同一气体的敏感度不同。
• 冗余容错：个别单元漂移或失效时，其余单元仍可维持一定识别能力。

阵列并非“传感器越多越好”。若所有单元响应高度相关，增加数量只带来冗余而不增加信息量。设计时应追求响应相关性低、目标气体覆盖度高的组合。

二、交叉敏感特性：阵列的信息来源与干扰来源

交叉敏感（cross-sensitivity）指一只传感器对多种气体均产生响应。它既是阵列能工作的基础，也是标定与识别的难点。设第 i 只传感器对第 j 种气体的灵敏度为 S_ij，则混合气体响应可近似表示为：

R_i = f( Σ_j S_ij · C_j + ε_i )

其中：
R_i  第 i 只传感器的响应特征（如 ΔR/R0）
S_ij 第 i 只传感器对第 j 种气体的灵敏度
C_j  第 j 种气体浓度
ε_i  噪声、温湿度漂移等干扰项

当传感器数量 N 大于等于目标气体种类 M 时，理论上可解出各 C_j。但实际中 S_ij 随温度、湿度、老化而变化，且 f 常为非线性，因此需要标定与模式识别共同完成浓度反演。

三、模式识别基础：从响应向量到气体结论

阵列输出经预处理后形成特征向量 x = [x₁, x₂, …, x_N]。模式识别分为分类（判断气体种类/状态）与回归（估计浓度）两类任务。典型流程如下：

1. 预处理：基线校正、归一化、差分、特征提取（稳态值、响应斜率、上升时间）。
2. 特征降维：PCA、LDA 等，用于可视化与去冗余。
3. 建模：KNN、SVM、随机森林、PLS、人工神经网络等。
4. 验证：交叉验证、独立测试集、混淆矩阵与 RMSE 评估。

下面给出一个简化的特征向量与分类标签示例，便于理解数据组织方式：

样本编号   S1(ΔR/R0)  S2(ΔR/R0)  S3(ΔR/R0)  S4(ΔR/R0)  标签
001        0.82       0.31       0.12       0.55       乙醇
002        0.79       0.35       0.10       0.58       乙醇
003        0.21       0.88       0.67       0.19       丙酮
004        0.19       0.85       0.70       0.22       丙酮
005        0.45       0.42       0.91       0.77       甲醛

可见同类样本在特征空间中聚集，不同类样本分离，这正是阵列+模式识别能够识别气体的几何基础。

四、电子鼻系统组成与工作链路

电子鼻是“传感阵列 + 信号调理 + 数据处理 + 模式识别”的完整系统。其典型组成包括：

从信号链角度看，气体浓度先被阵列转换为多路电信号，再经调理与数字化进入特征空间，最后由模型输出气体种类与浓度。标定工程的核心任务，就是保证这条链路上每一环节的可重复性与可追溯性。

五、案例与复盘：三气体混合识别

某项目用 4 只 MOX 传感器识别乙醇、丙酮、甲醛三种气体。初期直接使用原始电阻建模，准确率仅 72%。复盘发现：

• 未做基线归一化，环境温湿度变化被误当作气体响应；
• 传感器 S3 与 S4 响应相关性达 0.93，信息冗余；
• 标定样本集中在高浓度区，低浓度区模型外推能力差。

改进后采用 ΔR/R₀ 归一化、增加温湿度补偿、按浓度分层采样，并用 PCA 降维后输入 SVM，测试集准确率提升至 94%，浓度回归 RMSE 降低约 40%。这说明阵列设计、交叉敏感利用与标定补偿必须协同优化，单靠更换算法难以根本改善。

综上，多气体传感阵列通过交叉敏感形成高维响应指纹，借助模式识别完成气体种类与浓度反演，而电子鼻系统则把气路、阵列、调理、特征、模型与标定串成完整信号链。理解这条链路，是后续标定工程与算法优化的基础。