二氧化碳(CO<,2>)气体传感器应用广泛,且种类很多,其中,红外光学式以其测量范围宽、灵敏度高、精度高、响应速度快、有良好的选择性、能进行连续分析等独特优点,在工业、农业、国防、医疗卫生、环境保护、载人航天中的生命保障等诸多领域得到了愈来愈广泛的应用,已成为二氧化碳气体分析最常用的方法.通常在建立红外二氧化碳气体传感器的数学模型时,都是基于朗伯—比尔(Lambert—Beer)定律,且在实际应用中,相应的环境温度补偿措施被采用以减小环境温度对测量精度的影响.目前国内外精度较高的二氧化碳气体传感器和分析仪都采用了恒温装置及相应的环境温度补偿措施<[1]>.这虽然在一定程度上提高了测量精度,但增大了仪器的重量、体积、功耗和结构的复杂程度,同时也降低了工作可靠性.另外,为了能够快速地感应二氧化碳气体浓度的变化,传统的红外二氧化碳气体传感器利用采样气泵使待测气体快速进入测量气室,以提高传感器的动态特性.但采样气泵功耗、体积、重量均较大,性能不可靠,需定期维修.因此,上述两个问题的存在显然对一些特殊应用场合,如载人航天飞行等,是不适合的.本文基于Lambert—Beer定律,将人工神经网络与动态补偿滤波技术应用于红外二氧化碳气体传感器的研究,试图研制出一种新型的红外二氧化碳气体传感器.