Implementation of simple statistical pattern recognition methods for harmful gases classification using gas sensor array fabricated by MEMS technology

MEMS 기술로 제작된 가스 센서 어레이를 이용한 유해가스 분류를 위한 간단한 통계적 패턴인식방법의 구현

변형기 ^† ·신정숙·이호준 * ·이원배 *

Implementation of simple statistical pattern recognition methods for harmful gases classification using gas sensor array fabricated by MEMS technology

Hyung-Gi Byun ^† , Jeong-Suk Shin, Ho-Jun Lee * , and Won-Bae Lee *

Abstract

We have been implemented simple statistical pattern recognition methods for harmful gases classification using gas sensors array fabricated by MEMS (Micro Electro Mechanical System) technology. The performance of pattern recognition method as a gas classifier is highly dependent on the choice of pre-processing techniques for sensor and sensors array signals and optimal classification algorithms among the various classification techniques. We carried out pre-processing for each sensor ’ s signal as well as sensors array signals to extract features for each gas. We adapted simple statistical pattern recognition algorithms, which were PCA (Principal Component Analysis) for visualization of patterns clustering and MLR (Multi-Linear Regression) for real-time system implementation, to classify harmful gases. Experimental results of adapted pattern recognition methods with pre-processing techniques have been shown good clustering performance and expected easy implementation for real-time sensing system.

Key Words : pre-processing techniques, statistical pattern recognition techniques, MEMS gas sensor array

1. 서 론

급속한 산업화 후 인류는 편안하고 윤택한 생활을 하게 되었지만 석탄 , ^석유 , ^{가스등의 화석연료의 과도}

한 사용은 유해한 가스들을 발생시켜 대기 환경오염 등 심각한 사회문제를 발생하게 되었다 . 이러한 유해가 스들을 쉽고 간단한 방법으로 검지하고 구별할 수 있 는 시스템의 구현을 위하여 가스센서 및 센서 어레이 개발이 현재 많은 발전을 가져오고 있다 ^[1] . ^특히 , ^자동

차산업의 발달로 인하여 자동차의 기계적인 성능 향상 뿐만 아니라 차량의 고급화로 새로운 기능이 추가되고 있는데 그중의 하나가 유해가스 유입제어 시스템 (air quality system: AQS) 의 기능이다 . 자동차에서는 CO,

NO X , H 2 S ^{등 배기가스가 배출되며 이들에 단기적으로}

노출될 경우 운전 중 두통 , 졸음 , 피로 등의 원인이 되 어 차량 및 운전자의 안전에 영향을 가져오게 하고 , 장 기적으로 노출 시에는 호흡기 등의 건강에 문제를 야 기 할 수 있다 . 이러한 문제들을 해결하기위하여 자동 차 내부에서 발생될 수 있는 운전자에게 유해한 가스 들을 검지하고 구별 할 수 있는 시스템의 구현은 절실 하다 .

이를 위한 첫 번째 연구로 MEMS ^{기술을 이용하여}

제작되어진 유해가스들을 검지할 수 있는 가스센서들 로 이루어진 센서 어레이를 구현하고 이를 통하여 검 지되는 신호들을 처리하여 유해가스들을 구별할 수 있 는 유해가스 인식시스템을 간단한 통계적 패턴인식기 법들을 사용하여 구현하였다 .

가스센서기술은 여러 가지가 있지만 현재까지 차량 내부 유해가스 유입제어 시스템에 적용되는 센서들은 주로 반도체식이며 , 반도체식 가스센서들은 정확성이 나 선택성에 있어 많은 단점은 있지만 탁월한 경제성

강원대학교 삼척캠퍼스 정보통신공학과

(Dept. of Information &

Communication Eng. Kangwon National University (Samcheok Cam- pus))

*

(Seju Engineering)

†

Corresponding author: [email protected]

(Received : April 10, 2008, Revised : September 18, 2008

Accepted : October 10, 2008)

과 내구성을 갖추고 있다 . 현재 단일 센서의 형태로 제 작 판매되는 반도체식 센서로는 Figaro ^[2] , FIS ^{[3] 등이}

주도하고 있으나 이들은 벌크형 가스센서로 제조공정 이 복잡하고 제품가격이 높을 뿐 아니라 신호처리 등

의 On-chip 화의 어려움이 있고 지능형 및 센서 어레이

구성이 매우 어렵고 또한 소모전력 등이 매우 높다 .

본 연구를 통하여 제작되어진 MEMS 기술을 이용 한 가스센서 어레이는 수 mm ×수 mm 이하의 초소형

Chip 상에 여러 개의 가스센서가 구현되어 질 수 있고 ,

또한 센서 히팅에 소모되는 전력이 기존의 후막형 및 멤브레인형 가스센서들 보다 매우 작으며 , 가스에 대한 응답속도도 매우 빠르고 , 제조비가 저가로 매우 경제적 이다 . ^덧붙여 , ^{공정이 매우 간단하여 대량생산이 가능}

한 장점을 갖추고 있다 .

가스 분류기로서의 패턴인식방법의 성능은 센서 및

센서 어레이 신호들에 대한 적절한 전 처리 (pre-pro-

cessing) 기법의 선정 및 다양한 분류 (classification) 기 법들 가운데 최적의 분류 알고리즘의 선택에 좌우된다 .

본 연구에서는 각각의 가스들에 대한 특성패턴들을 검 출하기위하여 각 센서신호 뿐만 아니라 센서 어레이 신호들에 대하여 전 처리기법을 적용하였고 , 가스들의 분류를 위하여 간단한 통계적 패턴인식 알고리즘들인 주성분 분석법 (principal component analysis : PCA) 을 적용하여 각 가스패턴들의 종류에 따른 클러스터링

(clustering) 을 직접 눈으로 확인하였다 . 또한 , 실시간으 로 유해가스를 분류 할 수 있는 가스검지 시스템의 구

현을 위하여 다 변량 선형 회귀법 (multi-linear regre-

ssion: MLR) 방법을 사용하였다 .

그림 1. MEMS ^{기술을 이용하여 제작된 센서 어레이 플랫폼}

Fig. 1. Sensor array platform fabricated by MEMS technology.

본 연구를 통하여 구현되어진 센서 및 센서 어레이 신호들의 전 처리기법을 탑재하여 적용되어진 간단한 통계적 패턴인식방법들은 실험을 통하여 우수성을 입 증하였으며 실시간 가스감지 시스템에 쉽게 적용되어 질 수 있으리라 기대된다 .

2. 실 험

그림 1 은 MEMS 기술을 이용하여 제작된 센서어레

이 플랫폼을 보여준다 . 제작된 플랫폼은 2.5 mm ×

4.5 mm ^{의 실리콘 기판 위에} 600 ^µ m ^× 600 ^µ m ^{의 면적}

을 갖고 깊이가 200 µ m 인 깊게 파인 홈 구조인 8 개의 캐비티와 800 µ m × 800 µ m 의 면적을 갖는 깊이가

200 ^µ m ^인 2 ^{개의 캐비티가 형성되어있다} . 800 ^µ m ^×

800 µ m 의 면적을 갖는 2 개의 캐비티 상에는 접촉 연소

식 가스센서의 감지소자와 보상소자용 히터가 띄어져 형성되어 있고 , ^{나머지의 캐비티 상에는 반도체식 가스}

센서 및 온습도센서용 히터 및 감지선이 띄어져 형성 되어있다 . 모든 히터 및 감지 선은 10 µ m 의 폭에 2 µ m

두께를 갖는 백금 재질로 이루어져 있으며 , ^{접촉 연소}

식의 히터는 길이 4.3 mm, 반도체식 가스센서의 히터

는 길이 1.2 mm ^이다 . ^그림 1 ^의 (1- ^나 ) ^와 (1- ^다 ) ^{에는 제}

작된 접촉 연소식 센서의 히터와 반도체식 가스센서의

히터 및 감지선의 사진을 보여주고 있다 . 그림 1 의 ( 라 )

에는 플랫폼이 제작된 웨이퍼상태의 사진으로 4 인치 웨이퍼에서 약 600 ^{개가 동시에 제작 될 수 있는 양산}

성을 갖는다 .

본 연구에서는 1 차적으로 접촉 연소식 센서 ( 감지소 자 + 보상소자 ), 반도체식 CO 센서 , 반도체식 NOx 센서 ,

반도체식 H 2 S 센서 , 그리고 통상적 가스에 모두 반응 하는 반도체식 센서 등 5 ^{개의 센서로 구성된 센서 어}

레이를 제작하였다 ( 그림 2).

그림 2 에서 보여주듯이 감지체가 형성되지 않은 4 개 의 센서구조는 추후 반도체식 NH 3 센서 , ^온도센서 , ^습

도센서 , 그리고 온도프로그래밍에 의하여 동작하는 반 도체식 가스센서를 형성할 예정이다 . 그림 2 는 제작된 센서어레이를 Chip-On-Board ^{방법으로 패키징 된 것}

을 보여주고 있으며 , 패케지의 면적은 10 mm × 12 mm

로 20 개의 단자가 형성되어있다 .

표 1 ^{은 본 연구를 통하여 제작되어진 개별 가스센서}

들의 감지물질 , 소모전력 및 동작온도를 나타내었다 .

그림 3,4,5 는 각 센서들의 여러 가스들에 대한 농도

별 감지특성과 온도특성을 보여주고 있다 .

그림 3 은 반도체식 CO 센서의 여러 가스들의 농도에 따른 감지특성 및 온도에 따른 감지특성을 보여준다 .

일반적으로 CO 센서는 타 가스 특히 NO X 에 비하여

표 1. MEMS 기술로 구현된 반도체식 가스센서들의 감지물질 , 소모전력 및 히터의 동작온도

Table 1. Sensing Materials, Power Consumptions, and Operating Temperatures for Semiconductor Type Gas Sensors Fabricated by MEMS Technology.

센서 감지 물질 소모전력 (mV) ^동작온도 (

C)

CO SnO

+Au 1 % 35 350

NO

SnO

( 에틸셀클로스 5 wt%+SiO

15 wt%) 14.8 155

H

S SnO

+La

O

5 % 14.8 155

General SnO

+PdO 0.5 % 35 350

그림 2. 5 개의 센서로 구성된 센서 어레이 플랫폼과 패키징

Fig. 2. Sensor array platform consisted by 5 different gas sensors and its package.

CO ^{에 대한 감지도가 우수하여야 된다} . ^그림 (3- ^가 ) ^은

CO 센서가 NO X 에 비하여 CO 에 대한 감지도가 높음을

볼 수 있다 . ^{또한 그림} (3- ^나 ) ^{에서 보는바와 같이} CO ^센

서는 온도에 따른 감지체 저항의 변화가 커 온도보상 이 요구되는 반면 습도에 대한 영향은 작으므로 습도 보상은 필요하지 않다 .

앞에서 언급되어진 CO 센서와 대비되면서 반도체식

NO x 센서는 CO 에 비하여 NO X 에 대한 감지도가 높아

야한다 . ^그림 (4- ^가 ) ^{에서 보여 지는 것처럼} 0.1 ppm ^저

농도 NO 2 가스에서도 타 가스들에 비하여 우수한 감 지도 및 선택성을 보임을 알 수 있다 . 그림 (4- 나 ) 에 표 시된 온도에 대한 특성은 CO ^{센서와 거의 유사한 특징}

을 보인다 .

그림 (5- 가 ), (5- 나 ) 는 반도체 H 2 S 센서의 여러 가스 들에 대한 농도에 따른 감지특성 및 온도특성들이 보 여 진다 .

접촉 연소식 센서는 Pellistor type 으로 온도 및 습도

의 영향이 적어 신뢰성이 우수하고 출력이 선형적이란

장점을 갖고 있지만 히터의 고온동작과 감지체의 열화 가 사용하는데 걸림이 될 수도 있다 . 그러나 본 연구에 서는 접촉 연소식 센서는 간혈적으로 사용함으로서 전 력손실 및 감지체의 열화 등을 제거하였다 .

제작되어진 가스센서 어레이 플랫폼을 이용하여 유 해가스들을 측정하였고 측정시스템은 그림 6 에서 보이 는 것처럼 2 ^개의 MFC(mass flow controller) ^{를 통하여}

습도를 0~90 % 까지 조절 할 수 있으며 , − 55 − +80 ^o C

의 온도를 제어할 수 있다 . 또 , 4 개의 MFC 에 다른 종 류의 가스들을 여러 가지 농도로 조절하여 공급하면서 가스분위기를 제어할 수 있다 . 가스에 따른 센서들의 출력은 DAQ(data acquisition) System 을 통하여 획득 되어지며 , ^{획득된 센서신호들의 검지가스에 따른 분류}

및 인식을 위한 패턴인식방법의 효율성을 증대하고자 각각의 센서신호뿐만 아니라 센서 어레이 신호를 전 처리 기법을 적용하여 측정되어진 원 데이터들이 감지 가스의 특성을 잘 표현하도록 하였다 .

측정되어진 각 가스 ( 알콜 , CO, H 2 S, NO 2 ) 들의 데이 터들은 다음과 같은 식을 이용하여 검지가스에 대한 그림 3. 반도체식 CO ^{센서의 농도 및 온습도 변화에 따른}

Fig. 3. Semiconductor type CO sensor responses accord- 감지특성

ing to concentration levels and temperature and humidity changes.

그림 4. 반도체식 NOx 센서의 농도 및 온습도 변화에 따른 Fig. 4. Semiconductor type NOx sensor responses accord- 감지특성

ing to concentration levels and temperature and

humidity changes.

각 센서들의 감도 (sensitivity) 를 표시 할 수 있다 ^[4] . (1)

여기서 i= ^{검지가스에 따른 응답데이터 수} , j= ^사용

한 센서의 개수를 표시하며 R S 는 검지가스에 대한 저

항신호 , R 0 는 공기 중 (Dry Air) 에서의 센서의 저항으로

Baseline Resistance 로 부른다 . 검지가스에 대한 센서의 응답을 표현하는 방법은 응용분야 및 센서특성에 따라 매우 다양하며 ^[4] 식 (1) ^{에서 표현된} logarithmic ^센서응

답 표현은 센서의 감지가스 농도에 따른 선형성을 잘 표현 할 수 있다 . 식 (1) 을 이용하여 만들어진 검지 유 해가스들의 센서에 따른 상대감도 (relative sensitivity)

는 표 2 와 같이 계산되어진다 .

표 2 에서 보여 지는 것처럼 Sensor 1 은 다른 센서들

에 비하여 C 5 H 2 OH ^{에 높은 감도를 나타내어 첫 번째}

센서가 알코올 센서로서 사용이 가능함을 보였고 , 두 번째 센서는 H 2 S, 센서 3 은 NO 2 , 센서 4 는 CO, 센서

5 ^{는 어느 단일가스에 대하여서도 상대적으로 낮은 감}

도를 나타냄을 볼 수 있다 . 그러나 실제 센서들의 사용 에 있어 센서들의 감도는 감지가스의 농도에 따라 선 형적으로 변화를 가져오고 감지신호들의 범위가 다른 관계로 데이터 분포에 따른 센서들의 신호를 구별하기 어려워진다 . 이는 센서들에 대한 감지가스의 특성을 보

여주는 정확한 패턴 (pattern) 을 추출하기가 어려워짐으

로 가스들을 인식하는 알고리즘을 적용 할 경우 감지

가스들에 대한 센서들의 충분한 선택성 (selectivity) ^을

S

R

R

--- ln

=

그림 5. 반도체식 H

S ^{센서의 농도 및 온습도 변화에 따른}

Fig. 5. Semiconductor type H 감지특성

S sensor responses accord- ing to concentration levels and temperature and humidity changes.

그림 6. 측정 시스템

Fig. 6. Measurement system.

보장받지 못한다 . ^{이러한 문제점을 해결하고 감지가스}

들에 대한 센서 어레이의 감도 및 선택성을 높이기 위 해 센서 어레이에 대한 전 처리를 식 (2) 을 이용하여 수행하였다 ^[4] .

(2)

식 (2) 을 통하여 얻어진 4 개의 감지가스들에 대한 센 서 어레이의 전형적인 응답패턴은 그림 7 ^{에서 보여준}

다 .

이는 각 센서들만의 전 처리를 통하여 나타나는 감

도만으로 다른 가스들과의 분류 (classification) ^{및 인식} (recognition) 이 어려워 보였지만 , 식 (2) 을 이용한 센서 어레이의 전 처리과정을 거침으로서 감지가스들의 특 성에 따른 패턴을 얻을 수 있었고 얻어진 패턴 데이터 들은 가스분류 및 인식을 위한 패턴인식 알고리즘의 입력 데이터들로 사용될 수 있다 .

다양한 패턴인식 알고리즘들 ^[5,6] 가운데 본 연구에서 는 검지가스들의 분류 및 인식을 위하여 간단한 통계 적 패턴인식 알고리즘인 주성분 분석법을 적용하여 각 가스패턴들의 감지가스 종류에 따른 분류 가능성을 직 접 눈으로 확인하였으며 , 또한 가스센서 어레이 플랫폼 을 통한 실시간 유해가스를 인식 할 수 있는 유해가스 S '

S

S

∑

--- 100 % × [ ]

=

표 2. 센서에 따른 유해가스들의 상대감도

Table 2. Relative Sensitivity for Harmful Gases According to Each Sensor

S

Sensor 1

( ^{알코올 센서} ) Sensor 2

(H

S ^센서 ) Sensor 3

(NO

센서 ) Sensor 4

(CO ^센서 ) Sensor 5 ( ^{일반용도 센서} ) C

H

OH 5.5215 1.6094 0.6931 2.7031 1.1087

CO 0.6931 0 0.0943 ^1.1087 0.1863

H

S 2.7646 ^3.4112 1.1087 0.9163 1.0788

NO

0.2231 1.6094 ^3.9120 0.0953 0

그림 7. 각 유해가스들의 응답 패턴

Fig. 7. Response patterns from each harmful gas.

검지시스템을 구현하기 위하여 다변량 선형 회귀법을 사용하였다 . ^{주성분 분석법 [7] 을 이용하여} 5 ^{개의 가스센}

서들로 구성된 센서 어레이에서 획득되어진 가스 데이 터들의 분포 (distribution) 를 5 차원에서 2 차원으로 차원 축소 (dimensional reduction) ^{를 통하여 평면상에 표시} (visualization) 하여 이들이 4 개의 Class 로 잘 분류되는 지를 확인하였다 . 4 개의 가스들에 대하여 4~5 번의 반 복실험을 통하여 데이터를 획득하였으며 총 19 개의 가 스패턴들을 주성분 분석법을 이용하여 분류하였고 그 결과 그림 8 ^{에서 보여 지는 것처럼} 19 ^{개의 데이터 패}

턴들이 4 개의 Class 로 잘 분류가 되어지고 있음을 눈

으로 확인 할 수 있다 .

같은 조건으로 실시간 유해가스 검지시스템 구현이 용이한 다변량 선형 회귀법 ^[4] 을 이용하여 검지된 가스 들을 인식 할 수 있는지 추정하였다 . 앞에서 제안된 주 성분 분석법이 비 교사학습 (unsupervised leaning) ^방법

으로 진행되어진 반면 다변량 선형 회귀법은 교사학습

(supervised learning) 방법을 이용하여 진행되어졌다 . 학 습 후 얻어진 가중치들을 (weights) ^{이용하여 간단하게}

실시간으로 감지가스를 추정 할 수 있었다 . 표 3 는 학 습 후 얻어진 가중치들을 이용하여 추정되어진 가스들 의 인식결과를 보여준다 .

3. 결 론

MEMS 기술을 이용하여 제작된 가스센서 어레이 플

랫폼을 이용하여 측정되어진 감지가스들의 신호들은 개별센서 및 센서 어레이 신호들의 전 처리 과정을 통 하여 감지가스들의 특성을 잘 표현한 특정패턴으로 만 들었고 주성분 분석법과 다변량 선형회귀 알고리즘을 이용하여 감지가스들의 분류 및 추정이 가능하였다 . 이 러한 실험결과를 통하여 앞으로 제작되어질 가스센서 어레이를 탑재한 센서모듈은 자동차 유해가스 유입제 어시스템 등 가스 센서어레이 플랫폼을 이용한 실시간 유해가스 감지시스템의 구현이 가능하여 질 것이다 .

감사의 글

본 연구는 산업자원부의 지원으로 수행되는 전자부 품기반기술개발사업 ( 핵심기반기술개발사업 ) 의 일환으 로 수행되었습니다 .

그림 8. 주성분 분석법을 이용한 유해가스 분류 결과 Fig. 8. Result of harmful gases clustering using PCA.

표 3. 다 변량 선형 회귀법을 이용한 실시간 인식결과 Table 3. Real-time Gas Recognition Result Using MLR.

Target Class Predicted Class Predicted Gas

1 1.1 알콜

2 1.9 CO

3 2.9 H2S

4 4.0 NO2

참고 문헌

[1] J. Gardner and P. Bartlett, “Electronic noses princi- pals and application”, Oxford University Press , 1999.

[2] www.figarosensor.com [3] www.fisinc.co.jp

[4] T.C. Pearce, S.S. Schiffman, H.T. Nagle and J.W.

Gardner, “Handbook of machine olfaction”, Wiley 2003.

[5] 변형기 , 이준섭 , 김정도 , “ 필드스크린을 위한 휴대용

전자코 시스템의 구현 ”, 센서학회지 , 제 13 권 , 제 1 호 , pp.1-10, 2004.

[6] 김정도 , 변형기 , 함유경 , “PDA 를 이용한 휴대용

Electronic Nose 시스템 개발 ”, 센서학회지 , 제 13 권 ,

제 6 호 , pp. 454-461, 2004.

[7] H.G. Byun, K.C. Persurd, S.M. Khrffaf, P.J. Hobbs, and T.H. Misselbrook, “Application of unsupervised clustering methods to be assessment of malodour in agriculture using an array of conducting polymer odor sensor”, Computer and Electronics in Agricul- ture , vol. 17, pp. 233-247, 1997.

변 형 기

• 1995년 영국 UMIST, Ph.D.

• 1996년~현재 강원대학교(삼척캠퍼스) 정 보통신공학과 교수

• 주관심분야 : 센서 시스템 신호처리 및 패턴인식

이 호 준

• 1986년 한국항공대학교(공학사)

• 1991년 KAIST(공학석사)

• 1996년 KAIST(공학박사)

• 1992년~1997년 현대전자

• 1996년~현재 세주엔지니어링(주) 부설연구소 소장

• 주관심분야 : MEMS 가스센서 및 센서 어레이

신 정 숙

• 2005년 삼척대학교 정보통신공학과(공학 석사)

• 2001년~2007년 삼척대학교 정보통신공 학과 조교

• 2007년~현재 강원대학교(삼척캠퍼스) 정 보통신공학과 연구원

• 주관심분야 : 센서시스템

이 원 배

• 1984년 한국항공대학교(공학사)

• 현재 세주엔지니어링(주) 대표

• 주관심분야 : MEMS 알콜 센서 및 시스템