“科学家需要专注于科学，不必重新创建或调试数学库或支持代码。MathWorks工具经过验证，因此研究人员可以专注于新算法和新方法。”万博1manbetx
迈克尔·沃格特博士，阿贡国家实验室
全世界每年都有许多呼吸道疾病和死亡是由于接触有毒化学物质造成的。解决办法在于在吸入有害化学物质之前准确识别它们。然而，由于我们的大气中存在数千种化学物质成分，这是一项艰巨的任务。
智能传感器开发人员套件（SSDK），多层化学微传感器，可以识别几乎任何空气束的气态化学品。屡获殊荣的传感器是由Argonne National实验室的研究人员开发的，美国能源实验室由芝加哥大学，使用Matlab和相关工具箱。
“没有我们与MATLAB的综合环境和工具箱，SSDK将无法实现，”Argonne的SSDK仪表开发商Dr.Michael Vogt。
Argonne团队旨在开发出一种先进的气体微传感器，利用了良好的液体化学分析技术。SSDK将包括测量软件，微型传感元件和最小专业硬件。
测量软件需要复杂的数据采集能力。研究人员需要输出特定形状的模拟波形，以激发微传感器上的化学反应，同时采集特定于化学的模拟数据。
研究人员寻求对各种PCM、ISA、USB和外部万博1manbetx并行端口数据采集硬件的支持，以促进实验技术的简单采用。因为他们希望专注于传感器背后的材料科学和化学，所以需要避免为每种硬件模型开发定制软件。
他们还需要使用信号处理和神经网络算法对采集的数据进行过滤和分类，并开发一个图形用户界面，用于控制采集过程和可视化结果。
使用MathWorks工具，研究人员开发了可以访问各种数据采集卡的简单数据采集代码。“数据采集工具箱允许我们执行硬件的一次性配置，”Vogt解释。“少于代码页面，我可以在四个不同的平台上执行我的数据采集 - 每个具有不同硬件的平台。”
SSDK使用伏安法，这是一种先进的化学分析技术，可将化学反应转化为伏安“特征”输出，从而能够检测微量气体化学物质——这是以前不可能做到的。
研究人员使用数据采集工具箱实现了气态伏安，以输出精确形状的模拟波形，每个模拟波形包括100至1,000点的数据，并在微传感器上激发化学反应。使用数据采集工具箱，它们还使用模拟输入通道对所产生的信号进行采样。然后，它们从信号处理工具箱中使用过滤器来删除线路噪声。产生的信号或伏安签名包括鉴定传感器暴露的化学物质的信息。
研究人员使用深入学习工具箱来执行模式识别，并通过将其签名与预先预测图书馆中的签名进行比较来进行模式识别并识别化学品。
“通过深入学习工具箱，我们可以拍摄一个未知的示例签名，将其与签名库进行比较，找到最佳匹配，并计算置信因子，指示匹配的肯定是如何，”Vogt说。
为了生成传感器信号处理算法，Argonne使用了在Matlab中写入的防御资助软件工具的传感器算法生成环境（ChemSage），这有助于传感器研究人员代码和分析实验传感器的复杂信号。
要完成其应用程序，研究人员在MATLAB中开发了一个图形用户界面，使用户能够设置伏安法参数并可视化伏安签名。“应用程序在任何笔记本电脑上轻松运行，”Vogt说。
使用MATLAB编译器，Argonne将MATLAB算法重新编码为C中的MATLAB算法，以执行流行的单片机微控制器。
阿贡的赞助商计划开发基于SSDK的商业仪器，包括智能火灾探测器和空气污染物监测器。
医生迈克尔·沃格特、劳拉·斯库巴尔、埃里卡·鞋匠和约翰·齐格勒开发了SSDK。Vogt、Dan MacShane、Christopher Klaus和Maria Poulos开发了测量和化学分析软件。
测量软件代码性能增加了两个数量级。早期测量软件伏安法编写在另一个商业产品中编写的，在大约20秒内执行。使用数据采集工具箱写入的新测量软件代码可以在短短0.25秒内执行相同的函数。
研发时间从一年缩短到两周。“我花了六个月的是在另一种语言中写下原始软件，另外六个月才能将其与Matlab接触，”Vogt说。“我可以在两个星期内复制所有这些功能，其中包含数据采集工具箱和深度学习工具箱。”
SSDK获荣誉奖。Argonne积极的微传感器技术获得了2002年的研发100奖，该奖项认可了100个最重要的研究项目。
您还可以从以下列表中选择网站：