JPH06130017A - ニューラルネットワークを利用したガスセンサ - Google Patents
ニューラルネットワークを利用したガスセンサInfo
- Publication number
- JPH06130017A JPH06130017A JP30306792A JP30306792A JPH06130017A JP H06130017 A JPH06130017 A JP H06130017A JP 30306792 A JP30306792 A JP 30306792A JP 30306792 A JP30306792 A JP 30306792A JP H06130017 A JPH06130017 A JP H06130017A
- Authority
- JP
- Japan
- Prior art keywords
- gas
- neural network
- sensor
- temperature
- detecting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
(57)【要約】
【目的】 各種ガスの種類及び濃度での時間、温度、抵
抗値のパラメータをニューラルネットワークに学習さ
せ、正確なガス検知を行う。 【構成】 金属酸化物半導体の抵抗値変化を利用してガ
ス検出を行う金属酸化物半導体ガスセンサにおいて、金
属酸化物半導体とヒータよりなるガスセンサ部１と、セ
ンサの抵抗値出力部２と、センサの温度出力部３と、タ
イマ４と、ニューラルネットワーク演算手段５と、教師
信号発生部６と、ヒータ電圧制御部７と、警報回路８か
らなる。ある期間に取り込んだデータ（抵抗値、センサ
温度、時間）をニューラルネットワーク演算手段５に入
力し、あるガスを検知した時は警報回路８に出力する。
抗値のパラメータをニューラルネットワークに学習さ
せ、正確なガス検知を行う。 【構成】 金属酸化物半導体の抵抗値変化を利用してガ
ス検出を行う金属酸化物半導体ガスセンサにおいて、金
属酸化物半導体とヒータよりなるガスセンサ部１と、セ
ンサの抵抗値出力部２と、センサの温度出力部３と、タ
イマ４と、ニューラルネットワーク演算手段５と、教師
信号発生部６と、ヒータ電圧制御部７と、警報回路８か
らなる。ある期間に取り込んだデータ（抵抗値、センサ
温度、時間）をニューラルネットワーク演算手段５に入
力し、あるガスを検知した時は警報回路８に出力する。
Description
【０００１】
【技術分野】本発明は、ニューラルネットワークを利用
したガスセンサに関し、より詳細には、様々なガスの種
類や濃度での時間、濃度抵抗値のパラメータをニューラ
ルネットワークに学習させることにより、より正確な検
出を可能としたガスセンサに関する。
したガスセンサに関し、より詳細には、様々なガスの種
類や濃度での時間、濃度抵抗値のパラメータをニューラ
ルネットワークに学習させることにより、より正確な検
出を可能としたガスセンサに関する。
【０００２】
【従来技術】現在、ＬＰＧ（Liquefied Petroleum Ga
s：液化石油ガス）または都市ガス等のガス検出装置
は、焼結体もしくは薄膜の金属酸化物半導体を加熱して
ガスを感知している。図６は、従来のガスセンサを示す
図で、図中、１１はヒータと金属酸化物半導体薄膜から
なるセンサ部、１２は電圧制御部、１３は電流値検出
部、１４は判定部、１５は警報回路、１６はヒータ電圧
制御部、１７はタイマである。タイマ１７によりヒータ
の電圧をある時間間隔毎にパルス状に制御し、ガスを検
出するのに適当な温度に加熱する。センサ部１１の金属
酸化物半導体薄膜を加熱し、薄膜表面の酸素の吸着によ
るキャリア電子密度の減少から抵抗値が大きくなる。空
気中のガスと酸素が酸化反応して薄膜表面から酸素が離
脱し、キャリア電子密度の減少から抵抗値が小さくな
る。
s：液化石油ガス）または都市ガス等のガス検出装置
は、焼結体もしくは薄膜の金属酸化物半導体を加熱して
ガスを感知している。図６は、従来のガスセンサを示す
図で、図中、１１はヒータと金属酸化物半導体薄膜から
なるセンサ部、１２は電圧制御部、１３は電流値検出
部、１４は判定部、１５は警報回路、１６はヒータ電圧
制御部、１７はタイマである。タイマ１７によりヒータ
の電圧をある時間間隔毎にパルス状に制御し、ガスを検
出するのに適当な温度に加熱する。センサ部１１の金属
酸化物半導体薄膜を加熱し、薄膜表面の酸素の吸着によ
るキャリア電子密度の減少から抵抗値が大きくなる。空
気中のガスと酸素が酸化反応して薄膜表面から酸素が離
脱し、キャリア電子密度の減少から抵抗値が小さくな
る。
【０００３】また、特開平１−３１１２６１号公報に記
載された「ガス検出装置」は、温度変化時のガスセンサ
の出力を時間微分し、その微分のピークの位置と、温度
変化に伴う少なくとも１点でのセンサ出力の値とから、
ガスの種類や濃度を検出するものである。しかしなが
ら、種々のパラメータをニューラルネットワークに学習
させる点については何ら開示されていない。
載された「ガス検出装置」は、温度変化時のガスセンサ
の出力を時間微分し、その微分のピークの位置と、温度
変化に伴う少なくとも１点でのセンサ出力の値とから、
ガスの種類や濃度を検出するものである。しかしなが
ら、種々のパラメータをニューラルネットワークに学習
させる点については何ら開示されていない。
【０００４】このように、従来のガスセンサは、通常３
００℃〜４５０℃の高温で使用した時、金属酸化半導体
の表面に吸着する酸化量の変化により抵抗が増減する。
ヒータにサイクルをかけ、抵抗値の変化量によりガスの
種類を識別し、かつ濃度を計量する。しかし、様々なパ
ラメータから計算してガスの種類に濃度を検出するのは
極めて困難であり、精度が低いという問題点があった。
また、従来のガスセンサは、通常３００℃〜４５０℃の
高温で使用されるために長時間使用すると金属酸化物半
導体の結晶化が進み、結晶粒径が増大し、吸着面積の減
少あるいは化学的活性度の減少を引き起こし、ガス感度
の低下を招くという問題点があり、このためにヒータ加
熱を一定の時間間隔で行ういわゆるパルス駆動が用いら
れていた。
００℃〜４５０℃の高温で使用した時、金属酸化半導体
の表面に吸着する酸化量の変化により抵抗が増減する。
ヒータにサイクルをかけ、抵抗値の変化量によりガスの
種類を識別し、かつ濃度を計量する。しかし、様々なパ
ラメータから計算してガスの種類に濃度を検出するのは
極めて困難であり、精度が低いという問題点があった。
また、従来のガスセンサは、通常３００℃〜４５０℃の
高温で使用されるために長時間使用すると金属酸化物半
導体の結晶化が進み、結晶粒径が増大し、吸着面積の減
少あるいは化学的活性度の減少を引き起こし、ガス感度
の低下を招くという問題点があり、このためにヒータ加
熱を一定の時間間隔で行ういわゆるパルス駆動が用いら
れていた。
【０００５】
【目的】本発明は、上述のごとき実情に鑑みてなされた
もので、各種ガスの種類及び濃度での時間、温度、抵抗
値のパラメータをニューラルネットワークに学習させる
ことでより正確なガス検出を行なうこと、また、ガス検
知した場合のヒータ加熱の時間間隔を短くし、検出して
いない場合の時間間隔を長くすることでガス感度の低下
を防ぎ、かつ低消費化を図ること、また、ガス感度に対
して影響の与える因子、例えば、湿度を補正値としてニ
ューラルネットワークに入力することにより、ガス検出
精度を高めるようにしたニューラルネットワークを利用
したガスセンサを提供することを目的としてなされたも
のである。
もので、各種ガスの種類及び濃度での時間、温度、抵抗
値のパラメータをニューラルネットワークに学習させる
ことでより正確なガス検出を行なうこと、また、ガス検
知した場合のヒータ加熱の時間間隔を短くし、検出して
いない場合の時間間隔を長くすることでガス感度の低下
を防ぎ、かつ低消費化を図ること、また、ガス感度に対
して影響の与える因子、例えば、湿度を補正値としてニ
ューラルネットワークに入力することにより、ガス検出
精度を高めるようにしたニューラルネットワークを利用
したガスセンサを提供することを目的としてなされたも
のである。
【０００６】
【構成】本発明は、上記目的を達成するために、（１）
金属酸化物半導体の抵抗値変化を利用してガス検出を行
うガスセンサにおいて、該金属酸化物半導体とヒータよ
りなるガス検出手段と、ガスを検出するのに適当な温度
に加熱する加熱手段と、前記金属酸化物半導体の温度を
検出する温度検出手段と、前記金属酸化物半導体の抵抗
値を読み取る測定手段と、時間の経過を検出する計時手
段から成り、前記抵抗値と温度及び時間の関係をニュー
ラルネットワークに学習させることにより、ガスの有
無、濃度及び種類を検知すること、、更には、（２）前
記ニューラルネットワークからの出力結果を前記加熱手
段の制御部にフィードバックさせる手段を有すること、
更には、（３）前記ガス検出手段とは全く独立に別の要
因を検知するセンサを有し、該センサからの出力と前記
ガス検出手段である金属酸化物半導体の抵抗値との関係
を学習したニューラルネットワークにより検知するこ
と、更には、（４）前記（３）において、前記ニューラ
ルネットワークからの出力結果を前記加熱手段の制御部
へフィードバックさせる手段を有することを特徴とした
ものである。以下、本発明の実施例に基いて説明する。
金属酸化物半導体の抵抗値変化を利用してガス検出を行
うガスセンサにおいて、該金属酸化物半導体とヒータよ
りなるガス検出手段と、ガスを検出するのに適当な温度
に加熱する加熱手段と、前記金属酸化物半導体の温度を
検出する温度検出手段と、前記金属酸化物半導体の抵抗
値を読み取る測定手段と、時間の経過を検出する計時手
段から成り、前記抵抗値と温度及び時間の関係をニュー
ラルネットワークに学習させることにより、ガスの有
無、濃度及び種類を検知すること、、更には、（２）前
記ニューラルネットワークからの出力結果を前記加熱手
段の制御部にフィードバックさせる手段を有すること、
更には、（３）前記ガス検出手段とは全く独立に別の要
因を検知するセンサを有し、該センサからの出力と前記
ガス検出手段である金属酸化物半導体の抵抗値との関係
を学習したニューラルネットワークにより検知するこ
と、更には、（４）前記（３）において、前記ニューラ
ルネットワークからの出力結果を前記加熱手段の制御部
へフィードバックさせる手段を有することを特徴とした
ものである。以下、本発明の実施例に基いて説明する。
【０００７】図１は、本発明によるニューラルネットワ
ークを利用したガスセンサの一実施例を説明するための
構成図で、図中、１はセンサ部、２は抵抗値出力部、３
は温度出力部、４はタイマ、５はニューラルネットワー
ク演算部、６は教師信号発生部、７はヒータ電圧制御
部、８は警報回路である。金属酸化物半導体の抵抗値変
化を利用してガス検出を行う金属酸化物半導体ガスセン
サにおいて、金属酸化物半導体とヒータよりなるガスセ
ンサ部１と、センサの抵抗値出力部２と、センサの温度
出力部３と、タイマ４と、ニューラルネットワーク演算
手段５と、教師信号発生部６と、ヒータ電圧制御部７
と、警報回路８からなるガス検出装置である。以上の装
置において、ある期間に取り込んだデータ（抵抗値、セ
ンサ温度、時間）をニューラルネットワーク演算手段５
に入力し、あるガスを検知した時は警報回路８に出力す
る。また、ガスを検知の有無でヒータ加熱の時間間隔を
変更する。
ークを利用したガスセンサの一実施例を説明するための
構成図で、図中、１はセンサ部、２は抵抗値出力部、３
は温度出力部、４はタイマ、５はニューラルネットワー
ク演算部、６は教師信号発生部、７はヒータ電圧制御
部、８は警報回路である。金属酸化物半導体の抵抗値変
化を利用してガス検出を行う金属酸化物半導体ガスセン
サにおいて、金属酸化物半導体とヒータよりなるガスセ
ンサ部１と、センサの抵抗値出力部２と、センサの温度
出力部３と、タイマ４と、ニューラルネットワーク演算
手段５と、教師信号発生部６と、ヒータ電圧制御部７
と、警報回路８からなるガス検出装置である。以上の装
置において、ある期間に取り込んだデータ（抵抗値、セ
ンサ温度、時間）をニューラルネットワーク演算手段５
に入力し、あるガスを検知した時は警報回路８に出力す
る。また、ガスを検知の有無でヒータ加熱の時間間隔を
変更する。
【０００８】図２は、図１におけるガスセンサの動作を
説明するためのフローチャートである。まず、ニューラ
ルネットワークに学習させるかどうかを判断し（step
１）、学習させるのであれば、次にデータの取込みと教
師信号の取込みを行う（step２）、次に学習が終了した
かどうかを判断し（step３）、学習か終了していれば処
理は終了し、学習が終了していなければ、前記step２へ
戻る。前記step１において、学習させたいのであれば、
データの取込みを行い（step４）、ガス検出したかどう
かを判断する（step５）。ガス検出をしたならば、警報
回路を作動させ（step６）、ガス検出をしなければ、前
記step１に戻る。
説明するためのフローチャートである。まず、ニューラ
ルネットワークに学習させるかどうかを判断し（step
１）、学習させるのであれば、次にデータの取込みと教
師信号の取込みを行う（step２）、次に学習が終了した
かどうかを判断し（step３）、学習か終了していれば処
理は終了し、学習が終了していなければ、前記step２へ
戻る。前記step１において、学習させたいのであれば、
データの取込みを行い（step４）、ガス検出したかどう
かを判断する（step５）。ガス検出をしたならば、警報
回路を作動させ（step６）、ガス検出をしなければ、前
記step１に戻る。
【０００９】図３は、本発明によるニューラルネットワ
ークを利用したガスセンサの他の実施例を示す図で、図
中、９はデータ出力部、１０は別センサ部で、その他、
図１と同じ作用をする部分は同一の符号を付してある。
図１の実施例の構成に、別のセンサ部１０とデータ出力
部９とを付加したガスセンサである。ある期間にガスセ
ンサから取り込んだデータ（抵抗値、センサ温度、時
間）と別のセンサ部１０から取り込んだデータ（湿度
等）とをニューラルネットワーク演算手段９に入力す
る。また、ガスの検知の有無で、ヒータ加熱の時間間隔
を変更する。
ークを利用したガスセンサの他の実施例を示す図で、図
中、９はデータ出力部、１０は別センサ部で、その他、
図１と同じ作用をする部分は同一の符号を付してある。
図１の実施例の構成に、別のセンサ部１０とデータ出力
部９とを付加したガスセンサである。ある期間にガスセ
ンサから取り込んだデータ（抵抗値、センサ温度、時
間）と別のセンサ部１０から取り込んだデータ（湿度
等）とをニューラルネットワーク演算手段９に入力す
る。また、ガスの検知の有無で、ヒータ加熱の時間間隔
を変更する。
【００１０】以下、具体的な実施例について説明する。実施例１（請求項１） メタンガスとイソブタンガスと一酸化炭素ガスと一酸化
窒素の４種に対応したガスセンサの場合、５秒毎に抵抗
値と温度を取り出してニューラルネットワークに入力す
る。図４は、センサのヒータ温度を一定の時、温度一定
の場合の抵抗値と時間の関係を表す。それぞれグラフの
傾き、形、抵抗値の下限等が違っており、ガス検知のパ
ターンをニューラルネットワークに学習させることによ
って、個々のニューロン間の結合強度という形で表わす
ことができるようになる。このネットワークの出力によ
りそれぞれのガスを識別する。４種の中の１つがある濃
度以上のときには、警報回路に信号を与え警報を作動す
る。図４の例は、ヒータＯＮ時にガスが発生した場合の
抵抗値の時間変化であるが、ガスが存在する場合には、
ヒータのＯＮ，ＯＦＦでの抵抗値の時間的変化を検出す
ることで同様な検知が可能である。
窒素の４種に対応したガスセンサの場合、５秒毎に抵抗
値と温度を取り出してニューラルネットワークに入力す
る。図４は、センサのヒータ温度を一定の時、温度一定
の場合の抵抗値と時間の関係を表す。それぞれグラフの
傾き、形、抵抗値の下限等が違っており、ガス検知のパ
ターンをニューラルネットワークに学習させることによ
って、個々のニューロン間の結合強度という形で表わす
ことができるようになる。このネットワークの出力によ
りそれぞれのガスを識別する。４種の中の１つがある濃
度以上のときには、警報回路に信号を与え警報を作動す
る。図４の例は、ヒータＯＮ時にガスが発生した場合の
抵抗値の時間変化であるが、ガスが存在する場合には、
ヒータのＯＮ，ＯＦＦでの抵抗値の時間的変化を検出す
ることで同様な検知が可能である。
【００１１】実施例２（請求項２） 前記実施例１の動作にニューラルネットワークの出力を
フィードバックし、ヒータ電圧を制御する。４種のガス
のいずれかが検知されない場合は、ヒートサイクルの時
間間隔を変更する。
フィードバックし、ヒータ電圧を制御する。４種のガス
のいずれかが検知されない場合は、ヒートサイクルの時
間間隔を変更する。
【００１２】実施例３（請求項３） 前記実施例１とは別個に湿度センサを備えたセンサの場
合、ガスセンサからのデータと湿度センサからのデータ
を取り出してニューラルネットワークに入力する。図５
は、センサとヒータ温度を一定の時、湿度が異なる場合
の抵抗値と時間の関係を表す。それぞれグラフの傾き、
形、抵抗値の下限等が違っており、ガス検知のパターン
をニューラルネットワークに学習させることによって、
個々のニューロン間の結合強度という形で表わすことが
できるようになる。このネットワークの出力によりそれ
ぞれのガスを識別する。４種の中の１つがある濃度以上
のときには、警報回路に信号を与え警報を作動する。
合、ガスセンサからのデータと湿度センサからのデータ
を取り出してニューラルネットワークに入力する。図５
は、センサとヒータ温度を一定の時、湿度が異なる場合
の抵抗値と時間の関係を表す。それぞれグラフの傾き、
形、抵抗値の下限等が違っており、ガス検知のパターン
をニューラルネットワークに学習させることによって、
個々のニューロン間の結合強度という形で表わすことが
できるようになる。このネットワークの出力によりそれ
ぞれのガスを識別する。４種の中の１つがある濃度以上
のときには、警報回路に信号を与え警報を作動する。
【００１３】実施例４（請求項４） 前記実施例３の動作にニューラルネットワークの出力を
フィードバックしてヒータサイクルを変更する。
フィードバックしてヒータサイクルを変更する。
【００１４】
【効果】以上の説明から明らかなように、本発明による
と、以下のような効果がある。 （１）請求項１に対応する効果：センサに吸着する酸素
量の変化により抵抗が増減する。該抵抗値の変化量によ
りガスの種類を識別し、かつ濃度を計量する。しかし、
様々なパラメータからの計算値からガス種、濃度を検出
するのは極めて困難であり、処理が複雑で精度が低い。
また、個々のセンサによって感度の個体差があり、周辺
回路等で個々の個体差を調整する必要がある。本発明に
より、様々なガス種類及び濃度での時間、温度、抵抗値
のパラメータをニューロが学習することでより正確なガ
ス検出を行なう。 （２）請求項２，４に対応する効果：ガスセンサは通常
３００℃〜４５０℃の高温で使用されるために長時間使
用すると金属酸化物半導体の結晶化が進み、結晶粒径が
増大し、吸着面積の減少或いは化学的活性度の減少を引
き起こし、センサの劣化を招く、ヒータＯＮ時間を最小
限にすることでセンサの劣化を防ぐとともに低消費化が
図れる。 （３）請求項３に対応する効果：ガスセンサに吸着する
酸素量は大気中の湿度や温度により影響を受ける。様々
な環境下にてガスセンサの時間、温度、抵抗値のパラメ
ータにセンサの抵抗値に影響を与える因子をパラメータ
として加えて学習することで、より正確なガス検出を行
なう。
と、以下のような効果がある。 （１）請求項１に対応する効果：センサに吸着する酸素
量の変化により抵抗が増減する。該抵抗値の変化量によ
りガスの種類を識別し、かつ濃度を計量する。しかし、
様々なパラメータからの計算値からガス種、濃度を検出
するのは極めて困難であり、処理が複雑で精度が低い。
また、個々のセンサによって感度の個体差があり、周辺
回路等で個々の個体差を調整する必要がある。本発明に
より、様々なガス種類及び濃度での時間、温度、抵抗値
のパラメータをニューロが学習することでより正確なガ
ス検出を行なう。 （２）請求項２，４に対応する効果：ガスセンサは通常
３００℃〜４５０℃の高温で使用されるために長時間使
用すると金属酸化物半導体の結晶化が進み、結晶粒径が
増大し、吸着面積の減少或いは化学的活性度の減少を引
き起こし、センサの劣化を招く、ヒータＯＮ時間を最小
限にすることでセンサの劣化を防ぐとともに低消費化が
図れる。 （３）請求項３に対応する効果：ガスセンサに吸着する
酸素量は大気中の湿度や温度により影響を受ける。様々
な環境下にてガスセンサの時間、温度、抵抗値のパラメ
ータにセンサの抵抗値に影響を与える因子をパラメータ
として加えて学習することで、より正確なガス検出を行
なう。
【図１】 本発明によるニューラルネットワークを利用
したガスセンサの一実施例を説明するための構成図であ
る。
したガスセンサの一実施例を説明するための構成図であ
る。
【図２】 図１におけるガスセンサの動作を説明するた
めのフローチャートである。
めのフローチャートである。
【図３】 本発明によるニューラルネットワークを利用
したガスセンサの他の実施例を示す図である。
したガスセンサの他の実施例を示す図である。
【図４】 本発明によるガスセンサ（温度一定）の抵抗
値と時間の関係を示す図である。
値と時間の関係を示す図である。
【図５】 本発明によるガスセンサ（湿度が異なる）の
抵抗値と時間の関係を示す図である。
抵抗値と時間の関係を示す図である。
【図６】 従来のガスセンサを示す図である。
１…センサ部、２…抵抗値出力部、３…温度出力部、４
…タイマ、５…ニューラルネットワーク演算部、６…教
師信号発生部、７…ヒータ電圧制御部、８…警報回路。
…タイマ、５…ニューラルネットワーク演算部、６…教
師信号発生部、７…ヒータ電圧制御部、８…警報回路。
フロントページの続き (72)発明者 石田 力 東京都大田区中馬込１丁目３番６号 株式 会社リコー内
Claims (4)
- 【請求項１】 金属酸化物半導体の抵抗値変化を利用し
てガス検出を行うガスセンサにおいて、該金属酸化物半
導体とヒータよりなるガス検出手段と、ガスを検出する
のに適当な温度に加熱する加熱手段と、前記金属酸化物
半導体の温度を検出する温度検出手段と、前記金属酸化
物半導体の抵抗値を読み取る測定手段と、時間の経過を
検出する計時手段から成り、前記抵抗値と温度及び時間
の関係をニューラルネットワークに学習させることによ
り、ガスの有無、濃度及び種類を検知することを特徴と
するニューラルネットワークを利用したガスセンサ。 - 【請求項２】 前記ニューラルネットワークからの出力
結果を前記加熱手段の制御部にフィードバックさせる手
段を有することを特徴とする請求項１記載のニューラル
ネットワークを利用したガスセンサ。 - 【請求項３】 前記ガス検出手段とは全く独立に別の要
因を検知するセンサを有し、該センサからの出力と前記
ガス検出手段である金属酸化物半導体の抵抗値との関係
を学習したニューラルネットワークにより検知すること
を特徴とする請求項１記載のニューラルネットワークを
利用したガスセンサ。 - 【請求項４】 前記ニューラルネットワークからの出力
結果を前記加熱手段の制御部へフィードバックさせる手
段を有することを特徴とする請求項３記載のニューラル
ネットワークを利用したガスセンサ。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP30306792A JPH06130017A (ja) | 1992-10-14 | 1992-10-14 | ニューラルネットワークを利用したガスセンサ |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP30306792A JPH06130017A (ja) | 1992-10-14 | 1992-10-14 | ニューラルネットワークを利用したガスセンサ |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06130017A true JPH06130017A (ja) | 1994-05-13 |
Family
ID=17916505
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP30306792A Pending JPH06130017A (ja) | 1992-10-14 | 1992-10-14 | ニューラルネットワークを利用したガスセンサ |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06130017A (ja) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0756172A1 (en) * | 1995-07-26 | 1997-01-29 | Praxair Technology, Inc. | Neural network compensation for sensors |
| WO2006096804A1 (en) * | 2005-03-07 | 2006-09-14 | Sensormatic Electronics Corporation | Temperature feedback control for solid state gas sensors |
| JP2010223587A (ja) * | 2009-03-19 | 2010-10-07 | Toyota Central R&D Labs Inc | ガス検出装置 |
| JP2019090805A (ja) * | 2017-11-13 | 2019-06-13 | 富士通株式会社 | 環境センサの検出データの処理装置、処理方法、コンピュータ読み取り可能な記憶媒体、及び環境センサシステム |
| JP2020201116A (ja) * | 2019-06-10 | 2020-12-17 | 大阪瓦斯株式会社 | ガス検知装置 |
| CN113358695A (zh) * | 2020-03-04 | 2021-09-07 | 西门子瑞士有限公司 | 人工神经网络的训练方法及装置、凝露传感的装置 |
| WO2022025102A1 (ja) * | 2020-07-28 | 2022-02-03 | 国立大学法人東京大学 | 検知装置、検知方法、学習装置、及び検知装置の製造方法 |
| WO2022114158A1 (ja) * | 2020-11-30 | 2022-06-02 | パナソニックＩｐマネジメント株式会社 | 空気質判定システム、空気質判定方法、及びセンサモジュール |
| CN114636846A (zh) * | 2022-03-16 | 2022-06-17 | 福州昆硕宸信息科技有限公司 | 一种基于神经网络改进的电阻冷端温度补偿算法及其电缆电阻在线检测设备 |
| JP2022091005A (ja) * | 2020-12-08 | 2022-06-20 | 大阪瓦斯株式会社 | ガス検知装置 |
| JP2023542940A (ja) * | 2020-09-23 | 2023-10-12 | ロベルト・ボッシュ・ゲゼルシャフト・ミト・ベシュレンクテル・ハフツング | 少なくとも１つの測定空間において流体媒体の少なくとも１つの特性を測定するためのセンサ |
| KR20260018513A (ko) | 2024-07-31 | 2026-02-09 | 울산과학기술원 | 신경망을 이용한 감지 시스템, 감지 시스템의 데이터 처리 장치 및 데이터 처리 방법 |
-
1992
- 1992-10-14 JP JP30306792A patent/JPH06130017A/ja active Pending
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0756172A1 (en) * | 1995-07-26 | 1997-01-29 | Praxair Technology, Inc. | Neural network compensation for sensors |
| WO2006096804A1 (en) * | 2005-03-07 | 2006-09-14 | Sensormatic Electronics Corporation | Temperature feedback control for solid state gas sensors |
| JP2010223587A (ja) * | 2009-03-19 | 2010-10-07 | Toyota Central R&D Labs Inc | ガス検出装置 |
| JP2019090805A (ja) * | 2017-11-13 | 2019-06-13 | 富士通株式会社 | 環境センサの検出データの処理装置、処理方法、コンピュータ読み取り可能な記憶媒体、及び環境センサシステム |
| JP2020201116A (ja) * | 2019-06-10 | 2020-12-17 | 大阪瓦斯株式会社 | ガス検知装置 |
| CN113358695A (zh) * | 2020-03-04 | 2021-09-07 | 西门子瑞士有限公司 | 人工神经网络的训练方法及装置、凝露传感的装置 |
| WO2022025102A1 (ja) * | 2020-07-28 | 2022-02-03 | 国立大学法人東京大学 | 検知装置、検知方法、学習装置、及び検知装置の製造方法 |
| JPWO2022025102A1 (ja) * | 2020-07-28 | 2022-02-03 | ||
| JP2023542940A (ja) * | 2020-09-23 | 2023-10-12 | ロベルト・ボッシュ・ゲゼルシャフト・ミト・ベシュレンクテル・ハフツング | 少なくとも１つの測定空間において流体媒体の少なくとも１つの特性を測定するためのセンサ |
| WO2022114158A1 (ja) * | 2020-11-30 | 2022-06-02 | パナソニックＩｐマネジメント株式会社 | 空気質判定システム、空気質判定方法、及びセンサモジュール |
| JPWO2022114158A1 (ja) * | 2020-11-30 | 2022-06-02 | ||
| JP2022091005A (ja) * | 2020-12-08 | 2022-06-20 | 大阪瓦斯株式会社 | ガス検知装置 |
| CN114636846A (zh) * | 2022-03-16 | 2022-06-17 | 福州昆硕宸信息科技有限公司 | 一种基于神经网络改进的电阻冷端温度补偿算法及其电缆电阻在线检测设备 |
| KR20260018513A (ko) | 2024-07-31 | 2026-02-09 | 울산과학기술원 | 신경망을 이용한 감지 시스템, 감지 시스템의 데이터 처리 장치 및 데이터 처리 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0342513B1 (en) | Gas detecting method and system | |
| JPH0738844Y2 (ja) | 酸素センサ用ヒータ制御装置 | |
| US5517182A (en) | Method for CO detection and its apparatus | |
| JPH0519100B2 (ja) | ||
| US4012692A (en) | Method and apparatus for determining the concentration of one gaseous component in a mixture of gases | |
| JP7213760B2 (ja) | ガス検知装置 | |
| JPH04501170A (ja) | ラムダセンサの加熱制御方法 | |
| JP2805048B2 (ja) | ガス検出装置 | |
| JP2517228B2 (ja) | ガス検出装置 | |
| JP4091713B2 (ja) | 複合ガスセンサ | |
| JP2840652B2 (ja) | ガス検知装置 | |
| JP2570102Y2 (ja) | ガス濃度検出装置 | |
| JP3196943B2 (ja) | ガス検出装置 | |
| JP2791476B2 (ja) | ガス検出装置 | |
| JP2000329722A (ja) | 炭酸ガス検知装置及び炭酸ガス検知方法 | |
| JPH11304746A (ja) | ガス検出装置 | |
| JPS59143947A (ja) | ガス漏れ警報器 | |
| JP2000283943A (ja) | ガス検出装置 | |
| JP4248126B2 (ja) | ガス検出方法とその装置 | |
| JP4151596B2 (ja) | ガス検出装置 | |
| JPH1078404A (ja) | においセンサ | |
| JPS6122258B2 (ja) | ||
| JPS5928353Y2 (ja) | ガス漏れ警報器 | |
| JPH0972872A (ja) | 接触燃焼式複合ガス検知装置 | |
| JPS6242365Y2 (ja) |