脉冲驱动型MEMS气体传感器融合机器学习，实现选择性气体识别
2025-05-10 10:57:22 来源：麦姆斯咨询 评论：0 点击：
广东工业大学李明杰副教授团队提出一种低功耗电子鼻系统，该系统基于双模式微加热器的MOS气体传感器，利用脉冲加热模式（PHM），成功解决了传统MOS气体传感器高功耗和选择性受限的难题。
痕量气体的检测与识别对于保障化工安全和人类健康具有重要意义。基于MEMS技术的金属氧化物半导体（MOS）气体传感器因其制备工艺简单、体积小巧、使用寿命持久、电子兼容性好等特点，在环境监测领域展现出独特优势。MOS气体传感器通过检测目标气体引起的电导率变化实现传感，非常适合构建高度集成的传感系统。然而，这类传感器存在高功耗和选择性差等缺陷，限制了其在便携式电子设备和物联网领域的实际应用。
据麦姆斯咨询报道，近期，广东工业大学李明杰副教授团队提出一种低功耗电子鼻系统，该系统基于双模式微加热器的MOS气体传感器，利用脉冲加热模式（PHM），成功解决了传统MOS气体传感器高功耗和选择性受限的难题。这项研究为开发低功耗、高性能的电子鼻系统以及具有气体识别功能的可穿戴物联网设备开辟了新途径。相关研究成果以“Pulse-driven MEMS gas sensor combined with machine learning for selective gas identification”为题发表在Microsystems & Nanoengineering期刊上。
这项研究提出的MOS气体传感器采用晶圆级工艺制造，在悬浮式MEMS微加热器上集成二氧化锡（SnO₂）纳米片，独特的微型化绝热结构使其可在20毫秒内快速升温，有效解耦了温度、物理吸附和电荷交换对传感材料电导率的影响，从而在单一时域内可交替产生双重气敏特征。这种设计策略摆脱了对复杂多传感器阵列的依赖，基于单一传感器即可精准识别多种气体，并降低了功耗。
图1 本研究提出的MOS气体传感器的集成结构与性能表征
图2 脉冲加热下的气体瞬态响应曲线
图3 气体响应与扩散特性的对比分析
研究团队利用该MOS气体传感器特有的动态双信号响应特性，结合机器学习（ML）算法验证其对多种气体的响应特性。基于脉冲温度传感器的瞬态信号，结合热诱导响应特征耦合与解耦的扩展数据集，通过主成分分析（PCA）和机器学习算法（包括线性判别分析、k近邻算法、支持向量机和随机森林），研究团队构建了高精度气体识别模型。实验数据显示，基于气体扩散动力学和表面反应特征的瞬态响应分析，该模型对氢气（H₂）、一氧化碳（CO）和氨气（NH₃）三种气体的识别准确率达到了100%。
图4 基于机器学习的多模态气体响应分析与识别
这项研究提出的低功耗电子鼻系统采用重复脉冲功率输入驱动单一MOS气体传感器，为传统基于传感器阵列的方法提供了可行替代方案。研究团队表示，未来计划将MOS气体传感器与可编程模拟/数字电路集成，通过嵌入式时序和算法代码驱动实现传感器功能配置（包括脉冲加热电压生成、信号采集、数据处理和识别结果输出等）。通过在处理器中集成机器学习分类算法，这种基于单一传感器的电子鼻系统，未来有望在室内空气质量监测、食品腐败检测等领域展现出广阔应用前景。
论文信息：https://doi.org/10.1038/s41378-025-00934-2
延伸阅读：
上一篇：Glucotrack完全植入式连续血糖监测仪的首次人体试验预示良好前景
下一篇：用于泪液葡萄糖传感的新型智能隐形眼镜