检索结果-南通市图书馆

应用经验模态分解的近红外CO_(2)浓度反演系统

在线全文

学校读者我要写书评

暂无评论

光学精密工程 2021年第5期29卷 940-950页

作者：李国林焦月马坤鄢志丹张雪娜吴赟辉张泽成中国石油大学(华东)控制科学与工程学院山东青岛266580

为了监测CO_(2)的含量,选取CO_(2)气体在1580 nm附近的近红外光谱吸收谱线,使用中心波长为1580 nm的分布反馈式激光器和光程为20 m的Herriott气室,基于可调谐二极管激光吸收光谱技术开展0.03%~0.08%,2%~20%浓度的CO_(2)检测实验。用数... 详细信息

为了监测CO_(2)的含量,选取CO_(2)气体在1580 nm附近的近红外光谱吸收谱线,使用中心波长为1580 nm的分布反馈式激光器和光程为20 m的Herriott气室,基于可调谐二极管激光吸收光谱技术开展0.03%~0.08%,2%~20%浓度的CO_(2)检测实验。用数据采集卡采集原始二次谐波信号(raw2f信号),并将经验模态分解作为预处理算法嵌入到Lab‐VIEW数据采集分析平台中,得到预处理后的2f信号后通过粒子群寻优的核极限学习机(Particle Swarm Optimization-Kernal Extreme Learning Machine,PSO-KELM)算法反演浓度。实验表明,与raw2f信号相比,2f信号的信噪比从6.75 dB提高到12.59 dB。反演结果与最小二乘法、偏最小二乘、BP神经网络和极限学习机做比较,PSO-KELM算法提高了CO_(2)气体的检测准确度,均方根误差最小,线性相关系数最接近1。经1.5 h的稳定性测试,分析其Allan方差,当积分时间为16 s时,其理论检测极限可达到44.8×10^(-6)。本LabVIEW数据采集分析平台满足CO_(2)检测准确度高、稳定性好的要求。

关键词：光谱分析二氧化碳检测浓度反演经验模态分解核极限学习机粒子群优化

基于深度学习的嵌入式CO_(2)浓度反演算法实现

在线全文

学校读者我要写书评

暂无评论

激光杂志 2023年第5期44卷 42-46页

作者：王彪杨子腾卞广雨王冠懿赵奕飞薛金波程林祥中国科学院长春光学精密机械与物理研究所长春130033 吉林大学长春130015 吉林农业大学长春130118 中国科学院大学北京100049

以CO_(2)为主的温室气体排放使得全球变暖,严重影响生态环境,2021年习近平主席在二十国集团领导人峰会上提出“中国将力争2030年前实现碳达峰、2060年前实现碳中和”,因此精确检测CO_(2)气体浓度具有重要研究意义。由于CO_(2)气体吸收... 详细信息

以CO_(2)为主的温室气体排放使得全球变暖,严重影响生态环境,2021年习近平主席在二十国集团领导人峰会上提出“中国将力争2030年前实现碳达峰、2060年前实现碳中和”,因此精确检测CO_(2)气体浓度具有重要研究意义。由于CO_(2)气体吸收谱线的展宽受到气体压力、温度等因素影响,导致TDLAS气体检测系统测量结果误差增大,因此本文结合HITRAN数据库仿真,提出了基于BP神经网络深度学习的CO_(2)浓度反演算法和嵌入式实现方法,实现了对气体浓度的补偿,为嵌入式浓度反演算法设计提供理论依据。该算法可以移植到STM32F407中,经过测试,气体浓度的检测误差小,有效提升了气体检测精度,此方法同样适用于TDLAS型的其他气体检测应用场景中。

关键词： CO_(2) BP神经网络浓度反演 STM32F407

基于O2-O2吸收的非相干宽带腔增强吸收光谱浓度反演方法研究

在线全文

学校读者我要写书评

暂无评论

物理学报 2015年第13期64卷 82-88页

作者：凌六一谢品华林攀攀黄友锐秦敏段俊胡仁志吴丰成安徽理工大学电气与信息工程学院淮南232001 中国科学院安徽光学精密机械研究所中国科学院环境光学与技术重点实验室合肥230031 中国科学技术大学环境科学与光电技术学院合肥230031

针对传统非相干宽带腔增强吸收光谱浓度反演方法的定量结果易受镜片反射率标定误差的影响问题,提出了一种基于测量大气O2-O2吸收的浓度反演方法.该方法是将非相干宽带腔增强吸收光谱技术的光学增强腔等效成吸收光程不随波长变化的多次... 详细信息

针对传统非相干宽带腔增强吸收光谱浓度反演方法的定量结果易受镜片反射率标定误差的影响问题,提出了一种基于测量大气O2-O2吸收的浓度反演方法.该方法是将非相干宽带腔增强吸收光谱技术的光学增强腔等效成吸收光程不随波长变化的多次反射池,首先根据测得的宽带腔增强大气吸收谱和参考谱计算出光学厚度,并应用差分光学吸收光谱算法拟合修正后的气体吸收截面到光学厚度,反演得到大气中O2-O2以及被测气体的柱浓度,然后根据O2-O2在大气中的含量已知且相对稳定这一特性,确定出等效多次反射池的吸收光程,最后从被测气体的柱浓度中扣除吸收光程信息得到被测气体的浓度值.以监测大气中NO2实验为例,应用该方法在454—487 nm波段反演得到了大气NO2的浓度(1—30 ppbv范围内),并将反演结果与传统浓度反演方法的结果进行了对比,发现两者的不一致性在7%以内.实验结果表明,非相干宽带腔增强吸收光谱技术可以利用大气O2-O2的吸收来定量其他被测气体的浓度,而且定量结果对镜片反射率的标定误差不敏感.

关键词：非相干宽带腔增强吸收光谱技术浓度反演大气O2-O2 NO2探测

FTIR光谱高温气体浓度反演方法及残差结构分析

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2011年第1期31卷 82-85页

作者：程巳阳张天舒高闽光刘志明童晶晶金岭中国科学院环境光学与技术重点实验室中国科学院安徽光学精密机械研究所环境光学中心安徽合肥230031

从理论和实验两方面分析了光谱线线宽随温度的变化规律。将HITRAN数据库中常温下的线强参数修正到了测量温度,进而得到合成校准光谱。将合成校准光谱和实验测得的光谱进行非线性最小二乘拟合,得到了不同温度下标准气体CO浓度。这种反演... 详细信息

从理论和实验两方面分析了光谱线线宽随温度的变化规律。将HITRAN数据库中常温下的线强参数修正到了测量温度,进而得到合成校准光谱。将合成校准光谱和实验测得的光谱进行非线性最小二乘拟合,得到了不同温度下标准气体CO浓度。这种反演算法的浓度误差在常温下不超过5%,具有很高的精度,但随温度升高浓度误差逐渐增大。从残差光谱曲线看,温度升高,残差曲线中有与分析组分CO结构相同的明显结构。而且温度越高,这种结构越明显并且不能通过增加拟合次数来消除这种结构。实验结果与理论分析的对比表明,较高温度下出现的反演误差主要是由合成校准谱的温度修正方法不适用于高温气体所致。这些结果对于准确修正光谱线参数以及怎样更准确反演高温下气体浓度的进一步研究都有重要意义。

关键词：傅里叶变换红外光谱高温气体浓度反演残差

在线全文

学校读者我要写书评

暂无评论

高温氨逃逸激光原位监测的浓度反演算法

红外与激光工程 2014年第3期43卷 897-901页

作者：何莹张玉钧王立明尤坤高彦伟中国科学院安徽光学精密机械研究所中国科学院环境光学与技术重点实验室安徽合肥230031

对烟气脱硝后的氨逃逸进行准确、灵敏、快速监测,避免氨气对环境的二次污染是工业和环保领域的工作重点之一。选择氨气1.53μm的单根吸收谱线为目标谱线,结合可调谐半导体激光吸收光谱技术(TDLAS)和波长快速扫描技术研究了高温烟气氨逃... 详细信息

对烟气脱硝后的氨逃逸进行准确、灵敏、快速监测,避免氨气对环境的二次污染是工业和环保领域的工作重点之一。选择氨气1.53μm的单根吸收谱线为目标谱线,结合可调谐半导体激光吸收光谱技术(TDLAS)和波长快速扫描技术研究了高温烟气氨逃逸原位监测方法,并设计了相应的开放光路测量系统。分析了高温环境下温度对测量的影响,研究了温度修正方法,并设计了烟道现场氨浓度免定标精确反演算法,由实验得出最大相对检测误差为1.5%。通过工业现场的安装运行验证了文中系统的工程实用性和算法的可靠性,对于我国工业脱硝过程的监控和烟气安全排放起有效的技术支持。

关键词：氨逃逸激光吸收光谱温度修正浓度反演原位监测

基于ISFO-KELM的SF电气设备故障组分CO浓度反演模型

在线全文

学校读者我要写书评

暂无评论

电子科技 2023年

作者：黄杰张英张靖王明伟贵州电网有限责任公司毕节供电局贵州大学电气工程学院贵州电网有限责任公司电力科学研究院

SF6电气设备内部的分解组分可以通过可调谐吸收光谱技术进行检测，其中CO2浓度反映了设备内部的绝缘缺陷情况。因此，通过准确测量CO2浓度可以及时发现设备潜在的绝缘故障。为克服传统最小二乘法浓度反演模型稳定性较差的问题，文中基... 详细信息

SF6电气设备内部的分解组分可以通过可调谐吸收光谱技术进行检测，其中CO2浓度反映了设备内部的绝缘缺陷情况。因此，通过准确测量CO2浓度可以及时发现设备潜在的绝缘故障。为克服传统最小二乘法浓度反演模型稳定性较差的问题，文中基于改进的旗鱼优化算法(Improved Sailed Fish Optimizer，ISFO)与核极限学习机(Kernel Based Extreme Learning Machine，KELM)建立了ISFO-KELM气体浓度反演模型。利用多策略初始化方法、levy随机步长、柯西变异和自适应t分布变异等技术提升了旗鱼优化算法寻优能力和跳出局部最优解能力。实验结果表明，该模型具有高精度和鲁棒性，并且在稳定性和泛化能力方面优于最小二乘法、极限学习机、反向传播(Back Propagation，BP)神经网络等传统方法，对评估SF6电气设备运行状态具有一定意义。

关键词：可调谐吸收光谱技术 SF 电气设备 CO 浓度反演降噪拟合变分模态分解核极限学习机旗鱼优化器

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

氨气激光在线检测中浓度精确反演的研究

光学技术 2012年第4期38卷 421-426页

作者：何莹张玉钧王立明尤坤中国科学院安徽光学精密机械研究所环境光学与技术重点实验室安徽合肥230031

氨气是大气中含量最为丰富的碱性痕量气体,氨浓度检测是近年来环境和农业领域的一个重要研究方向。利用可调谐半导体激光吸收光谱(TDLAS)技术,结合波长高频扫描技术和多次反射池技术设计了氨气激光在线检测系统。通过激光中心波长锁定... 详细信息

氨气是大气中含量最为丰富的碱性痕量气体,氨浓度检测是近年来环境和农业领域的一个重要研究方向。利用可调谐半导体激光吸收光谱(TDLAS)技术,结合波长高频扫描技术和多次反射池技术设计了氨气激光在线检测系统。通过激光中心波长锁定、背景基线拟合、吸收线型拟合、光强归一化和线性最小二乘拟合算法实现了氨浓度的精确反演。分析了系统性能,在24.32m光程下系统检测限为0.157mg/m3。使用该浓度反演方法实现了氨气的高灵敏、高精确在线检测。

关键词：激光技术氨气浓度反演

基于人工神经网络的多组分污染气体浓度反演方法研究

在线全文

学校读者我要写书评

暂无评论

基于人工神经网络的多组分污染气体浓度反演方法研究

作者：赵玉迪中国科学院大学(中国科学院西安光学精密机械研究所)

学位级别：硕士

遥感傅里叶变换红外光谱技术能够在非接触的情况下实现大气环境实时监测,克服了传统的检测方法监测范围窄及需要现场取样等问题,对于大气污染物的浓度检测具有良好的适用性。人工神经网络方法相比于传统方法具有更强的非线性映射能力,... 详细信息

遥感傅里叶变换红外光谱技术能够在非接触的情况下实现大气环境实时监测,克服了传统的检测方法监测范围窄及需要现场取样等问题,对于大气污染物的浓度检测具有良好的适用性。人工神经网络方法相比于传统方法具有更强的非线性映射能力,拟合精度高于传统方法。本文针对多组分混合污染气体谱线严重混叠的问题,使用傅里叶变换红外光谱仪测量得到的谱线,选用人工神经网络算法分析得到各组分气体的浓度值。结合项目需求,根据待测气体及其谱线中特征峰的位置选取谱线范围;针对工厂污染物排放现场的污染气体的种类及浓度范围,确定量程范围;在此基础上建立待测气体混合模型,并开展浓度反演方法的的研究。本文的工作及研究成果如下:首先,基于朗伯比尔定律,将标准数据库获得的污染物单组分光谱谱线信息与测试现场的情况结合,建立混合吸光度谱仿真模型,开展仿真实验。其次,对基于傅里叶变换红外光谱仪获取的吸收谱线进行预处理,根据数据的特征峰混叠特性选取合适的数据处理算法,调整算法参数,达到最优的浓度反演算法模型。最后,对浓度反演算法模型进行噪声预测及误差分析,确定最优的算法。结果表明,在偏最小二乘法、前向传递人工神经网络和卷积神经网络三种方法中:偏最小二乘法可以解决多重共线性问题,需要的样本数较少,但其受系统噪声影响较大,当测量得到的谱线误差较大时,其预测精度与神经网络方法存在一定差距;前向传递神经网络是一种精度相对较高的方法,但需要进行特征峰的提取以减低噪声干扰因素并提高预测速度,对于非线性问题良好的适用性,使得最终的浓度反演结果能够达到较高的反演精度;卷积神经网络主要应用于图像分类识别,将其应用于一维的谱线信息,同样可以得到较好的分类结果,且不需进行谱线特征提取,容错性好,可以达到良好的预测精度。

关键词：大气环境监测浓度反演气体污染物傅里叶变换红外光谱人工神经网络

基于深度神经网络的多组分VOCs浓度反演方法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度神经网络的多组分VOCs浓度反演方法研究

作者：张强中国科学院大学(中国科学院西安光学精密机械研究所)

学位级别：硕士

近年来,深度神经网络在自动获取数据特征以及抽象表达数据关系等方面表现出优势,基于深度神经网络的非线性回归预测在工程实践和实验研究方面有着广泛的应用。鉴于浅层人工神经网络需要依靠先验知识进行人工提取特征,同时较浅的网络结... 详细信息

近年来,深度神经网络在自动获取数据特征以及抽象表达数据关系等方面表现出优势,基于深度神经网络的非线性回归预测在工程实践和实验研究方面有着广泛的应用。鉴于浅层人工神经网络需要依靠先验知识进行人工提取特征,同时较浅的网络结构限制了神经网络学习复杂非线性关系的能力,本文围绕基于深度神经网络的多组分VOCs浓度反演方法及其在基于傅里叶变换红外光谱技术（FTIR）的VOCs在线监测中的应用展开研究。本文的主要工作内容如下:在实验室条件下利用项目自制的傅里叶变换红外光谱仪建立FTIR测量系统,对苯、甲苯、邻二甲苯三种典型的VOCs标准气体进行了测量。实验结果表明,需要通过多次反射等方法增大气体池光程,以获取高强度的红外光谱信息。从美国环境保护署（EPA）的数据库中选取了苯、甲苯、1,3-丁二烯、乙苯、苯乙烯、邻二甲苯、间二甲苯、对二甲苯等八种VOCs气体在8-12μm波长范围内的吸光度谱作为原始数据,采用深度神经网络多元非线性校正方法对8种VOCs混合气体进行了浓度反演。仿真结果表明,深度神经网络回归预测模型可以实现多组分VOCs浓度反演,反演得到的预测浓度均方根误差为0.0027ppm,相比于前人利用非线性偏最小二乘拟合、人工神经网络等方法拟合的精度有了明显的提高。每种VOC气体的均方根误差均不超过0.005ppm,每个样本的均方根误差均不超过0.006ppm,证明了深度神经网络预测模型具有良好的非线性拟合能力和良好的稳定性。当训练样本不足（典型值:小于500）时,深度神经网络无法充分地学习,网络误差较大,精度低于单隐藏层的人工神经网络,但随着训练样本数量的增加,深度神经网络的精度不断提高,当训练样本数充足时,相比浅层的人工神经网络,深度神经网络具有更强的非线性关系学习能力,预测精度更高,模型更为稳定。实验表明,深度神经网络无需人工提取特征就能够充分学习数据特征,同时对多组分VOCs进行浓度反演并达到较高精度,训练前对光谱矩阵进行的降维处理,大大降低了算法的复杂度,有效提高了反演效率。研究表明,深度神经网络在基于红外光谱的多组分VOCs浓度反演方面有着较好的应用前景。

关键词：深度神经网络傅里叶变换红外光谱多组分分析易挥发性有机物浓度反演