Real-Time Fault Diagnosis for Tin Oxide Gas Sensors Using Thermal Modulation and an ART-2 Neural Network

We present a new method of on-line fault diagnosis for tin oxide gas sensors using the responses extracted from thermal modulation of the sensor's micro hot plate and an ART-2 NN (adaptive resonance theory 2 neural network) that employs uneven vigilance parameters. We diagnosed faults in tin oxide gas sensors exposed to oil vapor and to high humidity. The diagnosis used the resistance pattern extracted from the tin oxide gas sensor under dynamic operating temperatures and was normalized to enhance the classification ability of the proposed method. The normalized values of the sensor resistance are then used as the input pattern for the ART-2 NN fault classification. The performance was then evaluated using $H_2S$ gas at 1 ppm. This method is proven to be helpful to diagnose faults typically generated by oil vapor or high humidity.

본 논문에서는 산화주석 박막으로 형성된 가스 센서의 온라인 고장진단을 위하여 센서의 마이크로 열판 열산화 방법으로 추출한 데이터와 여러 경계인수를 갖는 ART-2 신경회로망을 이용한 새로운 방법을 제안하였다. 식용유 증기와 고습에 의해서 발생된 산화주석 가스센서의 고장을 진단하였다. 진단방법은 동적 동작온도에서 산화주석 박막 가스센서로부터 추출한 저항패턴들을 사용하였고 제안한 방법의 분류능력을 증대시키기 위한 정규화하였다. 센서 저항의 정규화 된 값들은 고장분류를 위한 ART-2 신경회로망의 입력 값으로 사용되었다. 고장 진단 성능은 1 ppm의 $H_2S$(황화수소)를 사용하여 확인하였다. 제안된 방법은 식용유 증기와 고습에 의해 발생된 고장진단에 유용한 것으로 확인되었다.