近年来，实验室安全问题引发的事故频繁发生并造成多种严重后果，而实验室是研究人员学习、科研的重要场所。目前高校缺乏成型的实验室环境监控系统，大多数关于室内环境检测系统的研究都只针对居住环境。针对这一问题，本次报告提出一种基于CAN总线的主从分立式实验室环境监测系统，通过传感器采集室内有害气体NO2浓度、温度、湿度等信息，当环境出现异常时报警，以达到减少实验室危险事故发生的目的。
系统在设计上分为硬件系统设计和软件系统设计两个部分。其中，硬件系统以STM32F407单片机为核心，包括主从系统的电源管理电路、气敏传感器阻值转换电路、单片机最小系统电路、温度传感器电路等外围电路。设计并绘制PCB板图，完成实物的焊接。软件系统通过移植FreeRTOS操作系统作为程序设计总框架，使用CAN总线的通信协议完成主系统与从系统的通信。气体所引起的测试系统电阻的变化是影响监测系统精确性的重要因素，提出一种基于GA-BP神经网络算法的电阻测量方法，该算法可以进一步降低线性拟合方式所产生的误差。
研究并实现了基于GA-BP神经网络算法的电阻测量方法，同时完成了基于CAN总线的主从分立式实验室环境监测系统的设计。相比于传统的线性拟合算法，采用GA-BP神经网络算法能够得到更为精确的电阻测量结果，实验结果表明，线性拟合算法的电阻测量误差为0.5%，在不增加系统电路复杂度的前提下，GA-BP神经网络算法的电阻测量误差0.1%。该系统利用本课题组制备的多孔硅气敏传感器薄膜对NO2气体进行了监测，实验结果表明，本系统可以测量1.0ppm-1.5ppm浓度的NO2气体，能够得到误差在10%以下的气体测量结果。
报告中所提出的GA-BP神经网络算法实现的流程可以直接放到MCU上运行，直接在系统上得到高精确度的电阻测量结果，能为采用电桥电路的相关设计提供一定的参考。 |