Low-Complexity Polynomial Regression Framework for Environmental Drift Compensation in MOX Gas Sensing Systems

في الزوايا الهادئة من عالمنا الحديث، من أجهزة مراقبة جودة الهواء في منازلنا إلى أنظمة السلامة في المنشآت الصناعية، تعمل تقنية صغيرة ولكنها حيوية بلا كلل لإبقائنا على اطلاع: مستشعر الغاز القائم على أشباه الموصلات من أكسيد المعدن. هذه الأجهزة هي الأبطال المجهولون في المراقبة البيئية، وهي قادرة على اكتشاف التهديدات غير المرئية مثل الميثان، وأول أكسيد الكربون، وكبريتيد الهيدروجين بحساسية فائقة. وهي تعمل عن طريق قياس التغيرات في المقاومة الكهربائية مع تفاعل جزيئات الغاز مع سطح معدني ساخن، وهي عملية بسيطة وفعالة في آن واحد. ومع ذلك، تعاني هذه المستشعرات من عيب كبير أثار إحباط المهندسين والعلماء لفترة طويلة: فهي حساسة للغاية تجاه محيطها. تماماً كما قد يواجه الموسيقي صعوبة في العزف بنغمة مضبوطة إذا تغيرت درجة حرارة الغرفة أو أصبحت الرطوبة عالية، فإن هذه المستشعرات تنحرف وتفقد دقتها عندما يتغير الطقس. إذ يمكن أن يؤدي ارتفاع الحرارة أو ارتفاع مفاجئ في الرطوبة إلى جعل المستشعر يبلغ عن تسرب غاز غير موجود، أو يتجاهل خطراً حقيقياً تماماً، لمجرد أن البيئة قد غيرت القراءة المرجعية للمستشعر. هذا عدم الاستقرار يجعلها غير موثوقة للاستخدام طويل الأمد في العالم الحقيقي، حيث الظروف نادراً ما تكون ثابتة.

ولحل هذه المشكلة، شرع فريق من الباحثين من جامعة ماليزيا بيرليس وجامعة أديليد في إيجاد طريقة لتعليم هذه المستشعرات تجاهل الطقس. لقد ركزوا على ثلاثة أنواع شائعة من المستشعرات التجارية المستخدمة للكشف عن الميثان، وكبريتيد الهيدروجين، وأول أكسيد الكربون. لم يكن الهدف بناء آلة أكثر تكلفة أو تعقيداً، بل تطوير طريقة رياضية أكثر ذكاءً لتفسير البيانات التي توفرها هذه المستشعرات بالفعل. أدرك الباحثون أن العلاقة بين قراءة المستشعر، ودرجة الحرارة، والرطوبة لم تكن خطاً مستقيماً؛ بل كانت منحنى معقداً وملتوياً حيث يمكن للتغيرات الصغيرة في عامل واحد أن تسبب تحولات غير متوقعة في العوامل الأخرى. كانت المحاولات السابقة للإصلاح تعتمد غالباً على حسابات خطية بسيطة، والتي اشتبه الباحثون في أنها كانت أداة بدائية للغاية لا تستطيع استيعاب الطبيعة الحقيقية للمشكلة. وبدلاً من ذلك، اقترحوا استخدام نهج رياضي أكثر مرونة يُعرف باسم "الانحدار متعدد الحدود" (polynomial regression). يسمح هذا الأسلوب بنموذج يمكنه الانحناء والالتواء ليتناسب مع البيانات، تماماً مثل الخياط الذي يعدل بدلة لتناسب شكل جسم معين بدلاً من فرض مقاس قياسي على الجميع.

بدأ الفريق بجمع كمية هائلة من البيانات من مستشعراتهم، حيث سجلوا كيفية تفاعلها مع مستويات مختلفة من الميثان، وكبريتيد الهيدروجين، وأول أكسيد الكربون بينما كانت درجة الحرارة والرطوبة يتم التحكم فيهما وتغييرهما بعناية. ثم قاموا ببناء ستة نماذج رياضية مختلفة، كل منها أكثر تعقيداً من الذي يسبقه، لمعرفة أي منها يمكنه التنبؤ بأفضل شكل بما يجب أن تكون عليه قراءة المستشعر إذا كانت البيئة مستقرة تماماً. واختبروا هذه النماذج مقابل البيانات، بحثاً عن النقطة التي يتوقف عندها إضافة المزيد من التعقيد عن كونه مفيداً ويبدأ في جعل النظام ثقيلاً بلا داعٍ. كشف تحقيقهم أنه بينما يمكن للنماذج البسيطة أن تقدم بعض التحسين، إلا أنها فشلت في تصوير الصورة الكاملة. كان الحل الأكثر فعالية هو نموذج محدد يتضمن حدوداً منحنية وتفاعلات بين المتغيرات، مما سمح له بمراعاة الطريقة التي يعمل بها الحر والترطيب معاً لإرباك المستشعر. هذا النموذج، الذي حدده الباحثون كنقطة التوازن المثالية بين الدقة والبساطة، أثبت أنه يتفوق بمراحل على الطرق الخطية القياسية.

وعندما طبق الباحثون نموذجهم المختار على بيانات المستشعر الخام، كانت النتائج مذهلة. فقد تم تنعيم الخطوط الفوضوية والمتذبذبة التي تمثل المخرجات الخام للمستشعر وتحويلها إلى إشارات ثابتة وموثوقة. بالنسبة للمستشعر الذي يكشف الميثان، انخفض الخطأ في التنبؤ بنسبة تقارب 19 بالمائة مقارنة بالطريقة الخطية القديمة. وبالنسبة لمستشعر كبريديد الهيدروجين، كان التحسن أكثر دراماتيكية، حيث تقلص الخطأ بنسبة تقارب النصف. وحتى بالنسبة لمستشعر أول أكسيد الكربون، الذي قدم تحدياً فريداً، قلل النموذج الجديد الخطأ بنسبة الربع. لكن الاختبار الحقيقي لأي نموذج علمي هو ما إذا كان سيعمل على بيانات لم يرها من قبل. وللتحقق من ذلك، أخذ الفريق نموذجهم وطبقه على مجموعة جديدة تماماً من الظروف، باستخدام تركيزات غاز مختلفة عن تلك المستخدمة خلال مرحلة التدريب. صمد النموذج بقوة؛ فقد نجح في تقليل التباين في قراءات المستشعر بأكثر من 71 بالمائة لمستشعر الميثان، وأكثر من 57 بالمائة لمستشعر كبريتيد الهيدروجين. وبينما كان التحسن في مستشعر أول أكسيد الكربون أكثر تواضعاً، إلا أنه لا يزال يظهر انخفاضاً واضحاً في عدم الاستقرار.

تكمن أهمية هذا العمل في واقعيته العملية. فلم يقترح الباحثون حلاً يتطلب أجهزة جديدة باهظة الثمن أو قدرة حوسبة هائلة؛ بل قدموا إطاراً منخفض التعقيد يمكن تنفيذه بسهولة في المتحكمات الدقيقة الصغيرة والزهيدة التي تشغل معظم أجهزة الاستشعار الحديثة. ومن خلال إثبات أن منحنى رياضياً مضبوطاً بعناية يمكنه تصحيح الحقائق الفوضوية لدرجة الحرارة والرطوبة، فقد رسموا مساراً للمضي قدماً في جعل مستشعرات الغاز أكثر موثوقية في العالم الحقيقي. وهذا يعني أنه في المستقبل، يمكن الوثوق بمراقبات جودة الهواء في مدننا وأنظمة السلامة في مصانعنا لتقديم قراءات دقيقة بغض النظر عما إذا كان يوماً حاراً ورطباً أو يوماً بارداً وجافاً. وتوضح الدراسة أنه في بعض الأحيان، لا يكمن مفتاح حل مشكلة فيزيائية معقدة في امتلاك آلة أقوى، بل في فهم أوضح للرياضيات التي تحكم العالم من حولنا.