Signal Processing and Machine Learning for Gas Sensors: Gas Source Localization with a Nano-Drone

Abstract

Chemical source localization (CSL) by autonomous robots has been a topic of research since the early 1990s and still today remains elusive beyond simple scenarios. It has numerous potential applications, such as the localization of toxic emissions, malodors, gas leaks and hazardous substances in general, without risking human lives. An intuitive CSL approach is to mimic the known chemo-orientation behaviour of some flying insects, such as moths and mosquitos, which effectively use odor plumes for mating and foraging. However, terrestrial robots are too slow to perform insect-like movements and the response time and limit of detection (LOD) of current odor sensors for key compounds of biological relevance for plume navigation is orders of magnitude higher than in biological chemoreceptors. Instead of using a slow terrestrial robot equipped with complex instrumentation, in this thesis we address the CSL problem with a nano-drone, i.e. a miniaturized aerial robot, equipped with a simple metal oxide semiconductor (MOX) sensor.

Improving key specifications of MOX sensors for this application is one of the core parts of this thesis. Specifically, we introduce novel signal processing methods for estimating and optimizing the LOD, reducing the power consumption and improving the response time. The LOD is a key figure of merit of an odor sensor but difficult to estimate in non-linear devices (e.g. MOX sensors) or sensory systems with multivariate output (e.g. sensor arrays or temperature-modulated MOX sensors). We propose a univariate LOD optimization method based on linearized calibration models and a multivariate approach based on orthogonal partial least squares (O-PLS). To improve the response time, we use high-frequency features extracted from the MOX signal derivative, known as ’bouts’ and optimize the algorithm for changing wind conditions and real-time operation. A novel setup consisting on a 3D grid of MOX sensors is proposed for 3D feature selection and real-time visualization of the gas distribution. Two map-based CSL strategies, one based on the instantaneous response and the other one based on bouts, are finally evaluated using the nano-drone in experiments performed in a large indoor environment (160 m2) where a chemical source is placed in challenging positions.

The experimental results demonstrate that the proposed platform can be used to quickly (<3 min) build a rough gas distribution map (3D) of the environment and localize the main chemical source within it with small errors. Future research lines in this field may focus on improving the selectivity of MOX sensors and the self-location of nano-drones, to perform fully autonomous exploration of complex environments.

Esta tesis representa un paso adelante en el uso de sensores semiconductores de óxido de estaño (MOX) en diversas aplicaciones, desde cuantificación de bajas concentraciones de monóxido de carbono en presencia de interferencias químicas en un entorno controlado; hasta medidas dinámicas con robots para localización de fuentes químicas en entornos no estructurados. El objetivo principal de la tesis es desarrollar un nano-drone que sea capaz de localizar una fuente química en entornos “indoor” de grandes dimensiones.

Los sensores MOX son la opción preferible para nano-robots debido a su reducido tamaño y bajo peso, pero también presentan importantes limitaciones como la no- linealidad de la respuesta, baja selectividad, bajo ancho de banda y alto consumo. Uno de los objetivos específicos de esta tesis es mitigar estas limitaciones mediante técnicas de procesado de señal.

En primer lugar, desarrollamos métodos estadísticos univariantes y multivariantes para calcular el límite de detección (LOD) en sensores no lineales. Pese a que el LOD es una figura de mérito fundamental, los sensores MOX presentan características incompatibles con las fórmulas para el cálculo del LOD definidas por la International Union of Pure and Applied Chemistry (IUPAC).

El elevado consumo de los sensores MOX reduciría el tiempo de vuelo de un nano- drone considerablemente. Para alcanzar un compromiso entre consumo y estabilidad, en esta tesis se exploran métodos de alimentación de bajo consumo basados en operación bajo demanda y operación “duty-cycling”.

El bajo ancho de banda de los sensores MOX dificulta la localización de fuentes químicas en entornos reales de grandes dimensiones donde las sustancias químicas de interés se propagan turbulentamente. En esta tesis se proponen mejoras del tiempo de respuesta basadas en la fabricación de micro-cámaras de gas y extracción de características dinámicas de la respuesta.

Para el desarrollo de algoritmos de localización de fuentes químicas en entornos tridimensionales (3D), es necesario estudiar la dispersión de gases en 3D. Para ello, en esta tesis desarrollamos por primera vez una red 3D de sensores MOX para analizar patrones de dispersión de gas producidos por una fuga de gas.

Finalmente, los algoritmos desarrollados son evaluados en un nano-drone equipado con un sensor MOX encargado de localizar una fuente química en una sala de grandes dimensiones (160 m2).