Análisis dinámico de atmósferas con matrices de sensores mediante procesado de señal no-lineal

Abstract

El presente trabajo se enmarca dentro de las tareas centradas en el campo de modelización y procesado de señal, desarrolladas en el Departament d’Electrònica de la Facultad de Física de la Universitat de Barcelona.

En su concepción de nivel más amplio, el trabajo demuestra la posibilidad de trasladar y aplicar con eficiencia las técnicas de procesado y modelización dinámica no lineal al ámbito de los sistemas de medida de gases.

Son relativamente abundantes en la literatura otras aproximaciones más simples a esta temática y en este ámbito. Así, es posible encontrar en la literatura trabajos enfocados hacia la modelización estática-lineal, estática-no lineal y dinámica-lineal. Sin embargo, no existían antes de este trabajo aportaciones bajo el enfoque dinámico y no lineal en la modelización de sistemas de medida gaseosos.

Por otra parte, el trabajo aborda además el problema desde el punto de vista de la multidimensionalidad junto con la restricción del uso de un reducido número de datos; factores éstos que aportan dificultad adicional a la vez que valor añadido a la solución. En lo concreto, el trabajo se centra en el análisis y modelización del comportamiento de un sistema de medida de gases basado en sensores QMB frente a cambios rápidos de dos concentraciones en una mezcla binaria de gases (tolueno y octano) en aire sintético y bajo régimen de altas concentraciones (miles de ppm). Frente a este problema, la calibración estática es incapaz de aportar una solución con un error tolerable. Por primera vez se ha abordado, frente a la solución estática, la modelización dinámica y no lineal de sistemas analizadores de gases, ofreciendo esta aproximación resultados óptimos.

Los experimentos diseñados, orientados hacia la confección de los modelos, fueron fundamentalmente dos:

1) Sistema sometido a concentraciones en forma de escalón

2) Sistema sometido a señales de concentración en forma de ruido blanco con densidad de probabilidad gausiana.

Los modelos generados son también de dos tipos:

1) Modelos directos: desde la entrada hacia la salida

2) Modelos inversos: desde la salida hacia la entrada

Para la resolución del problema se han probado diferentes estimaciones, como estimadores de correlación, estimaciones paramétricas, series de Volterra, series de Wiener, modelos de cajas y redes neuronales.

De entre todos ellos, los modelos basados en series de Wiener y en redes neuronales han demostrado una mayor eficiencia. Se demuestra que estos modelos son capaces de explotar la información del sistema estudiado hasta el límite de la resolución experimental, tanto en la modelización directa como en la inversa.

Aparte de la tarea estrictamente relacionada con la modelización, se ha iniciado con este trabajo la construcción de una estación de test de sensores de gas que en la actualidad y después de diversas aportaciones del grupo de trabajo, es un complejo sistema de medición y test capaz de realizar una gran variedad de pruebas relacionadas con gases, dotando al departamento de una línea de trabajo nueva, potente y bien equipada.

The work demonstrates the possibility of efficiently transferring and applying nonlinear dynamic processing and modeling techniques to the field of gas measurement systems. It is possible to find works focused on static-linear, static-non-linear and dynamic-linear modeling. However, prior to this work there were no contributions under the dynamic and non-linear approach in the modeling of gas measurement systems. On the other hand, the work also addresses the problem from the point of view of the curse of dimensionality: multidimensional problems with scarcity of data.

The work focuses on the analysis and modeling of the behavior of a gas measurement system based on QMB sensors against rapid changes of two concentrations in a binary mixture of gases (toluene and octane) in synthetic air and under regime of high concentrations (thousands of ppm). The static calibration is unable to provide a solution with a tolerable error. The dynamic and nonlinear modeling of gas analyzer systems has been performed with optimal results.

The experiments designed, oriented towards the preparation of the models, were fundamentally two:

1) System with step-like gas concentration inputs

2) System excited with gas input signals whose concentration values follow a white noise with Gaussian probability density.

The generated models are also of two types:

1) Direct models: from the input to the output

2) Inverse models: from the output to the input

Different approaches have been tested, such as correlation estimators, parametric estimates, Volterra series, Wiener series, box models and neural networks. Models based on Wiener series and on neural networks have demonstrated a greater efficiency. It is shown that these models are able to extract the information of the studied system until experimental resolution limit, in both direct and inverse modeling. Apart from the task related to gas sensor modeling, the development of a test station for gas sensors has been addressed. This task has been developed by the research group and it is capable to perform a wide variety of gas experiments, providing the department with a new, powerful and well-equipped line of work.