CN101226147A - 一种气体浓度定量分析仪 - Google Patents
一种气体浓度定量分析仪 Download PDFInfo
- Publication number
- CN101226147A CN101226147A CNA2008100591769A CN200810059176A CN101226147A CN 101226147 A CN101226147 A CN 101226147A CN A2008100591769 A CNA2008100591769 A CN A2008100591769A CN 200810059176 A CN200810059176 A CN 200810059176A CN 101226147 A CN101226147 A CN 101226147A
- Authority
- CN
- China
- Prior art keywords
- gas
- gas concentration
- concentration
- laser
- laser beam
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001914 filtration Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000001228 spectrum Methods 0.000 claims abstract description 27
- 238000005259 measurement Methods 0.000 claims abstract description 24
- 238000010521 absorption reaction Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000000862 absorption spectrum Methods 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 230000008859 change Effects 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 22
- 239000004065 semiconductor Substances 0.000 claims description 13
- 230000003287 optical effect Effects 0.000 claims description 10
- 230000007246 mechanism Effects 0.000 claims description 8
- 238000012886 linear function Methods 0.000 claims description 6
- 238000004611 spectroscopical analysis Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000005693 optoelectronics Effects 0.000 claims description 2
- 239000007789 gas Substances 0.000 description 68
- 238000000041 tunable diode laser absorption spectroscopy Methods 0.000 description 14
- 230000003595 spectral effect Effects 0.000 description 12
- 230000000694 effects Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000036962 time dependent Effects 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 241000931526 Acer campestre Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009851 ferrous metallurgy Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/39—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using tunable lasers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/39—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using tunable lasers
- G01N2021/396—Type of laser source
- G01N2021/399—Diode laser
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Optics & Photonics (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于可调谐二极管激光吸收光谱技术和状态空间理论的气体浓度定量分析仪,硬件部分由发射单元、接收系统、中央处理单元等组成;软件部分是基于状态空间的卡尔曼滤波算法;利用可调谐激光器产生的频率连续变化的激光束扫描特定气体的吸收峰,激光束经被测气体后进入光电探测器,光电探测器获得每个频率的激光束相对应的透射率关系,给出对应的光波长的强度光谱数据,发送给中央处理单元,中央处理单元内气体浓度分析软件将光谱数据建模成测量方程,又由浓度分布不随时间变化建立气体浓度状态方程,然后利用卡尔曼滤波算法进行处理,鲁棒反演气体浓度。
Description
技术领域
本发明涉及一种气体浓度定量分析装置,尤其是指一种基于可调谐二极管激光吸收光谱技术和状态空间理论的气体浓度定量分析仪。
背景技术
随着钢铁冶金、石油化工、水泥、发电等行业的快速发展,对过程的控制显得越来越重要。过程气体浓度的在线测量是过程控制的一种重要手段,传统的红外光谱在线气体分析仪存在许多缺点:必需采用进行预处理,速度较慢,不能实时测量;受背景气体的交叉干扰;无法修正粉尘、光学视窗污染干扰;较多运动部件、需要经常维护等。这些缺点使得传统的光谱气体分析仪无法实时、连续的进行测量。可调谐二极管激光吸收光谱技术TDLAS(tunable diode-laser absorption spectroscopy),最初使用波长为红外的铅盐激光器对气体浓度进行分析,而工作用红外的激光器、探测器需要液氮冷却才能有效的工作,这限制了TDLAS技术在工业现场的应用。随着半导体工艺的发展,工作于常温、价格低廉、性能好的近红外激光器对工业用TDLAS仪器的发展起了很大的促进作用.TDLAS具有高灵敏、高选择性、高精度等特点。TDLAS的基本原理是Beer-Lambert定律。当激光光源发出一定频率v的单频光穿透一定浓度的待测气体时,有如下关系式:
其中,It为激光穿过被测气体后的强度,I0为激光的基准强度,单位mW;S(T)为谱线的线强度,它表示该谱线的吸收强度,只与温度有关,单位为cm·mol-1;P为待测气体的分压,单位atm;L为吸收路径长度,单位cm;c为气体的体积浓度,单位mol·cm-1·atm-1;g(v)为线型函数,它表示了被测吸收谱线的形状,与温度、压强和气体的种类及其中的各成分含量有关。在P、S(T)、g(v)、L都已知的情况下,测量出It和I0就可以反演出待测气体浓度c。
然而由于噪声的存在,我们很难由一次测量值估计出准确的结果,通常是采用有一定谱线宽度的可调谐二极管激光器,通过调节电流的大小控制激光波长扫描待测气体吸收峰,得到一组观测值后,用非线性最小二乘法对测得谱线进行拟合,从而得出被测气体浓度。
但是最小二乘法的缺点是在反演求解过程中假设系统数据(如压强、温度等)精确已知。而实际情况是系统往往会受到各种因素的扰动,因此造成该反演算法的鲁棒性不够,而且在数据含有大噪声的情况下反演精度也不够理想。为了解决上述问题,针对实际应用中可能遇到的各种扰动因素,把气体浓度随时间变化的方程建模成状态方程,从TDLAS测量原理出发推导出测量方程,从而建立浓度气体反演的状态空间表达,随后充分考虑系统的不确定性及其测量数据的噪声问题,采用卡尔曼滤波改进原最小二乘算法的不足。
最佳线性滤波理论起源于40年代美国科学家Wiener和前苏联科学家KoлMoгopoB等人的研究工作,后人统称为维纳滤波理论。从理论上说,维纳滤波的最大缺点是必须用到无限过去的数据,不适用于实时处理。为了克服这一缺点,60年代Kalman把状态空间模型引入滤波理论,并导出了一套递推估计算法,后人称之为卡尔曼滤波理论。卡尔曼滤波是基于最小均方误差为估计的最佳准则的递推估计的算法,其基本思想是:利用前一时刻的估计值和现时刻的观测值来更新对状态变量的估计,求出最优估计。它适合于实时处理和计算机运算。
基于状态空间的卡尔曼滤波理论,可以有效的解决测量噪声或者系统带来的不确定性问题,从而鲁棒反演气体浓度。
发明内容
本发明在可调谐二极管激光吸收光谱技术的基础上,利用基于状态空间的卡尔曼滤波方法,利用测量值不断对浓度状态值进行估计修正,提供了一种以气体的吸收光谱为测量数据结合基于状态空间的卡尔曼滤波理论的气体浓度定量分析仪。
一种气体浓度分析仪,包括发射单元、接收系统和中央处理单元,所述的发射单元包括半导体激光器模块、光学视窗、精密光路调整机构部件,发射准直的半导体激光束;所述的接收系统包括光电探测器、精密光路调整机构,接收系统接收发射单元发出的激光信号,将激光信号进行光电转换;所述的中央处理单元机包括半导体激光器电流驱动电路、激光器温度控制电路,计算机处理软件内加装基于状态空间的卡尔曼滤波方法的气体浓度分析软件;
利用半导体二极管激光器产生的频率连续变化的激光束扫描特定气体的吸收峰,激光束经被测气体后进入光电探测器,光电探测器获得每个频率的激光束相对应的透射率关系,给出对应的光波长的强度光谱数据,发送给中央处理单元,中央处理单元被测气体浓度进行分析,将光谱数据建模成测量方程和气体浓度状态方程,利用状态空间的卡尔曼滤波算法进行处理,鲁棒反演气体浓度。
所述的半导体激光器模块为可调谐二极管激光器或其他类型可调谐激光器。
气体浓度分析软件对所获得的测量数据进行分析的过程具体如下:
(1)建立气体吸收谱线的线强度和线型函数
谱线的线强度S(T)可以运用HITRAN分子光谱软件进行计算。线型函数g(v)反映了吸收系数随波长的变化也就是谱线加宽。对于气体工作物质,主要的谱线加宽类型就是由碰撞引起的均匀加宽(Lorenz线型)和分子热运动引起的多普勒非均匀加宽(Gauss线型)。低压情况下吸收线为多普勒展宽占优势,可以用Gauss线型来拟合实际的吸收线;而当压强很高的情况下碰撞展宽占优势,可以用Lorenz线型来拟合吸收线;在压强处于两者之间的情况下,两种展宽机制都存在,这时用Voigt线型来拟合,它是Gauss和Lorenz函数的卷积形式。
(2)计算机反演
状态空间方程由两个方程组成,一个是表示状态变化的方程称为状态方程,另一个是对状态变化进行间接测量的测量方程。状态方程和测量方程代表了物体在状态空间的变化过程,通过这两个方程建立起来的状态空间方程,就可以对物体的状态实现估计。
对于气体状态方程来说,这里的状态变量就是浓度值。气体状态方程就是描述气体的浓度状态随时间变化的特征方程。
其中c(t)表示在时间t下的浓度,φ(t)表示浓度随时间变化的状态转移矩阵。w(t)表示动态噪声,ζ(t)为动态噪声的转移系数。
本试验中假设固定某个时刻,气体的浓度是不随时间变化的,并且对上式离散化后可以得到如下气体状态方程:
c(k+1)=c(k)+w(k)(1)
其中k时刻对应的扫描频率为vk,即c(k)=c(vk)。
测量方程是状态量在某种形式下的外部表达。通过对光谱信息的测量,就能得到状态与测量值的关系式,每一频率的扫描线对应一个组射光强和出射光强,分别设为Io(v)和I(v),并且定义光密度 ,则:
D(v)=P·S(T)·g(v)·c(v)·L
考虑到测量过程中误差的影响,改写以上公式为:
D(v)=P·S(T)·g(v)·c(v)·L+n(v)
令H(v)=P·S(T)·g(v),于是可以将上式简化成:
D(v)=H(v)·c(v)+n(v)
其中H为系统矩阵表示气体的吸收系数,c为浓度状态,n为测量噪声。将上式离散化,并且用分别用D(k)、H(k)、c(k)、n(k)替代以上各个变量,于是得到了气体的测量方程如下:
D(k)=H(k)·c(k)+n(k)(2)
式(1)、(2)构成了气体浓度测试的状态方程,即气体浓度反演的状态空间表达。
假定动态噪声{wk}和测量噪声{nk}为无不相关的零均值白噪声序列,并且符合:
利用卡尔曼滤波,得到如下公式:
状态预测估计
方差预测Pk/k-1=Pk-1+Qk-1(5)
状态估计
方差迭代Pk==[I-KkHk]Pk/k-1(7)
滤波增益
所述的接收系统和中央处理单元通过数据传输线连接,数据传输线选用RS-232串口、485总线、USB形式或其它用于数据传输的连接线。
本发明的优点为:
高选择性:由于二极管激光器具有高单色性的特点,可以利用气体分子的一条孤立的吸收谱线对气体的吸收光谱进行测量,从而可方便地从混合成分中鉴别出不同的分子,避免了光谱的干扰,使该测量方法具有对特定气体成分的高选择性。
高鲁棒性:能消除由于环境因素变化带来的影响,提高结果的可重复性
测量精度高:由于卡尔曼滤波算法本身具有滤波和估计的双重特点,使得估计精度提高。
易实现:由于卡尔曼滤波的基本方程是时间域内的递推形式,其计算过程是一个不断地“预测一修正”过程,在求解时不要求存储大量数据,并且一旦观测到了新的数据,随时可以算得新的滤波值,因此这种方法非常便于实时处理和计算机实现。
附图说明
图1为本发明发射单元、接收系统的组成技术原理框图。
图2为本发明采用的分析方法原理流程框图。
图3为SNRobv=20时的吸收光谱和卡尔曼滤波过程。
图4为SNRobv=0时的吸收光谱和卡尔曼滤波过程。
图5为SNRobv=-20时的吸收光谱和卡尔曼滤波过程。
具体实施方式
如图1所示,一种可调谐二极管激光吸收光谱技术和状态空间理论的气体浓度定量分析仪,包括发射单元、接收系统、中央处理单元及连接接收系统和中央处理单元的数据传输线。
发射单元由半导体激光器模块、光学视窗、精密光路调整机构等部件组成。
接收系统由光电探测器、精密光路调整机构等组成。其中光电探测器,用于测量光波中每个波长对应的光的强度数据,可以根据实际情况进行选用。
数据传输线,可以采用RS-232串口形式,485总线、USB形式或者其他能与计算机进行数据传输的信号形式与计算机相连。
中央处理单元主要包括半导体激光器电流驱动电路、激光器温度控制电路和气体浓度分析软件。
利用可调谐二极管激光器产生的频率连续变化的激光束扫描特定气体的吸收峰,激光束经被测气体后进入光电探测器,光电探测器获得每个频率的激光束相对应的透射率关系,给出对应的光波长的强度光谱数据,发送给中央处理单元。
中央处理单元得到光谱数据后,气体浓度分析软件对测量数据的分析处理过程如图2所示:
(1)建立气体吸收谱线的线强度和线型函数
谱线的线强度可以运用HITRAN分子光谱软件进行计算。线型函数反映了吸收系数随波长的变化也就是谱线加宽。对于气体工作物质,主要的谱线加宽类型就是由碰撞引起的均匀加宽(Lorenz线型)和分子热运动引起的多普勒非均匀加宽(Gauss线型)。低压情况下吸收线为多普勒展宽占优势,可以用Gauss线型来拟合实际的吸收线;而当压强很高的情况下碰撞展宽占优势,可以用Lorenz线型来拟合吸收线;在压强处于两者之间的情况下,两种展宽机制都存在,这时用Voigt线型来拟合,它是Gauss和Lorenz函数的卷积形式。
(2)测量光谱预处理
在TDLAS中,可调谐激光器产生的频率连续变化的激光束扫描特定气体的吸收峰,经过气体吸收的测量光谱和未经气体衰减的光源光谱。有时也会获取背景光谱。测量光谱和光源光谱减去背景光谱,消除背景光干扰。然后,用减去背景光谱的测量光谱除以做了同样处理的光源光谱,对其结果取对数,就得到我们所需要的光谱测量数据。
(3)计算机反演
建立状态空间方程,结合经过预处理后的测量数据,通过状态空间的卡尔曼滤波模块(公式(1)~(8))对气体浓度进行反演,输出结果。
实施例:
待测气体为甲烷,激光在气室中的光程为L=1000cm,气室中的温度T=296K,气室中待测气体的分压为P=1.3×10-6atm,选择的吸收峰中心频率(吸收线位置)v0=6046.19527cm-1。
利用可调谐二极管激光器产生的频率连续变化的激光束扫描特定气体的吸收峰,激光束经被测气体后进入中央处理单元获得每个频率的激光束相对应的透射率关系,给出对应的光波长的强度光谱数据,发送给计算机。计算机得到光谱数据后,气体浓度分析软件对测量数据分析处理。
(1)在当前温度下,谱线的线强度S(T)可以运用HITRAN分子光谱软件进行计算,S(296K)=2×10-21cm·mol-1。
由于气体分压强比较小,而且气体分子量也比较小,多普勒谱线加宽占主要作用,所以气体线型函数g(v)可以用高斯线型模拟,
式中v0为气体的吸收线中心频率,v0=6046.19527cm-1;ΔvG为气体多普勒展宽半宽度,
经过计算求得ΔvG=1.86×10-2cm-1。
(2)实际浓度已知的气体,加入混合气体,形成不同的测量噪声,利用TDLAS系统得到测量光谱和未经气体衰减的光源光谱。然后,测量光谱除以光源光谱,所得的结果取对数,就得到我们所需要的光谱测量数据D。
(3)设置浓度初始值为,浓度误差协方差为P0,噪声协方差矩阵Q0,R0,利用公式(1)~(8)进行迭代计算。作为对比,也使用最小二乘算法进行了反演计算。测量中,对于每次实验,都测量了多组数据,然后对于每组数据利用修正卡尔曼滤波和最小二乘方法进行反演。
实际的测量得到气体吸收谱线的噪声主要来源于三方面,一是激光光强在气室中会因为散射效应而衰减,而且混杂气体分子对光能也会有一定吸收,这一部分吸收光谱称为背景光谱;二是测量光强时各种原因引起的高斯白噪声,称为测量噪声;三是气室中的压强和温度并不恒定,而是有一定随即波动,由于我们模型中认为这些条件是恒定的,所以该部分误差我们称为模型误差。在此,我们定义两个信噪比:
模型信噪比:
只有观测噪声时卡尔曼滤波效果
图3-5中是各个SNRobv下的模拟吸收光谱和卡尔曼滤波过程。
可见卡尔曼滤波器在在SNobv极度恶化的情况下也能表现出较好的滤波性能。下面用最小二乘法处理数据得到的结果与之对比。
表1:相同SNRobv下卡尔曼滤波器与最小二乘法滤波结果
不难发现,卡尔曼滤波应用于TDLAS得到的结果好于最小二乘拟合得到的结果,当信噪比较低时,优势非常明显。
存在模型噪声时的卡尔曼滤波效果
上面的测试表明,卡尔曼滤波能够很好的消除观测噪声的干扰,得到比较好的输出结果。但是,以上的测试都是基于不存在模型误差的前提,即对Hk的测量是完全准确的。然而在实际测量过程中,Hk≠P·S(T)·g(vk),而是存在由于气室温度、压强波动引入的模型误差ΔHk,即Hk=P·S(T)·g(vk)+ΔHk。
下面检验当观测噪声和模型误差同时存在时卡尔曼滤波的效果。在SNRobv=10的条件下,测试不同SNRmod下卡尔曼滤波的效果,并与最小二乘拟合比较,得到的结果如下:
表2:SNRobv=10相同SNRobv下卡尔曼滤波器与最小二乘法滤波结果
最小二乘拟合的输出结果对模型误差非常敏感,甚至在SNRmod=20这种模型误差较小的条件下,最小二乘拟合的输出结果就恶化了很多。而卡尔曼滤波器的效果则相对好一些。可见卡尔曼滤波可以很好的消除测量噪声和模型误差的影响,与最小二乘拟合的方法相比可以大大提高反演精度和可靠性。
Claims (4)
1.一种气体浓度分析仪,包括发射单元、接收系统和中央处理单元,其特征在于:所述的发射单元包括半导体激光器模块、光学视窗、精密光路调整机构部件,发射准直的半导体激光束;所述的接收单元包括光电探测器、精密光路调整机构,接收单元接收发射单元发出的激光信号,将激光信号进行光电转换;所述的中央处理单元包括半导体激光器电流驱动电路、激光器温度控制电路、计算机处理软件,所述的计算机处理软件内加装基于状态空间的卡尔曼滤波方法的气体浓度分析软件;
利用半导体激光器模块产生的频率连续变化的激光束扫描特定气体的吸收峰,激光束经被测气体后进入光电探测器,光电探测器获得每个频率的激光束相对应的透射率关系,给出对应的光波长的强度光谱数据,发送给中央处理单元,中央处理单元对被测气体浓度进行分析,将光谱数据建模成测量方程和气体浓度状态方程,利用状态空间的卡尔曼滤波算法进行处理,鲁棒反演气体浓度。
2.如权利要求1所述的气体浓度定量分析仪,其特征在于:所述的中央处理单元对被测气体浓度进行分析的过程为:
(1)建立气体吸收谱线的线强度和线型函数;
(2)建立气体浓度状态方程和上述光谱数据建模成测量方程;所述的气体浓度方程为:c(k+1)=c(k)+w(k)(1)
这表示固定某时刻,浓度c不随时间而变化,k时刻对应的扫描频率为vk,即c(k)=c(vk);
所述的测量方程为:D(k)=H(k)·c(k)+n(k)(2)
其中H为系统矩阵表示气体的吸收系数,D为测量光谱数据,n为测量噪声;
(3)利用卡尔曼滤波估计气体浓度,得到:
状态预测估计
方差预测Pk/k-1=Pk-1+Qk-1(5)
状态估计
方差迭代Pk=[I-KkHk]Pk/k-1(7)
滤波增益
3.如权利要求1所述的气体浓度定量分析仪,其特征在于:所述的半导体激光器模块为可调谐二极管激光器。
4.如权利要求1所述的气体浓度定量分析仪,其特征在于:所述的接收系统和中央处理单元通过数据传输线连接,数据传输线选用RS-232串口、485总线、USB形式的任意一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008100591769A CN101226147A (zh) | 2008-01-16 | 2008-01-16 | 一种气体浓度定量分析仪 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008100591769A CN101226147A (zh) | 2008-01-16 | 2008-01-16 | 一种气体浓度定量分析仪 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101226147A true CN101226147A (zh) | 2008-07-23 |
Family
ID=39858267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008100591769A Pending CN101226147A (zh) | 2008-01-16 | 2008-01-16 | 一种气体浓度定量分析仪 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101226147A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104568386A (zh) * | 2014-12-30 | 2015-04-29 | 北京航天易联科技发展有限公司 | 一种激光波长筛选方法及其装置 |
CN104915551A (zh) * | 2015-05-23 | 2015-09-16 | 杭州电子科技大学 | 一种基于车载式数据采集技术的pm2.5浓度估算方法 |
CN104316480B (zh) * | 2014-11-06 | 2016-08-24 | 中国科学院合肥物质科学研究院 | 一种含砷金精矿焙烧炉内氧气浓度的激光原位检测系统 |
CN106970035A (zh) * | 2017-03-29 | 2017-07-21 | 东南大学 | 基于cvafs法测量火电厂烟气汞浓度的信号处理方法 |
CN108181266A (zh) * | 2017-12-14 | 2018-06-19 | 合肥金星机电科技发展有限公司 | Tdlas气体浓度检测方法 |
CN108489935A (zh) * | 2018-03-12 | 2018-09-04 | 山东大学 | 一种吸收光谱气体传感领域自加宽效应的修正方法 |
CN109240171A (zh) * | 2018-10-25 | 2019-01-18 | 中核新科(天津) 精密机械制造有限公司 | 用于表面处理工艺的工作液主盐浓度监测及补偿装置和方法 |
CN110146455A (zh) * | 2019-05-27 | 2019-08-20 | 安徽大学 | 基于深度学习的激光光谱气体浓度测量方法 |
CN110231313A (zh) * | 2019-04-25 | 2019-09-13 | 光力科技股份有限公司 | 一种激光气体分析仪在线零点校准方法及装置 |
CN110487748A (zh) * | 2019-08-26 | 2019-11-22 | 中国计量大学 | 一种基于直接激光吸收检测法的气体浓度的检测装置 |
CN110879214A (zh) * | 2019-11-06 | 2020-03-13 | 北京四方继保自动化股份有限公司 | 一种基于tdlas的sf6电气设备运行状态检测装置 |
CN111413295A (zh) * | 2018-12-26 | 2020-07-14 | 株式会社堀场制作所 | 分析装置、存储介质和分析方法 |
CN112924413A (zh) * | 2021-01-27 | 2021-06-08 | 四川长虹电器股份有限公司 | 预测酒糟成分的方法 |
CN112964667A (zh) * | 2021-02-05 | 2021-06-15 | 清华大学 | 一种受限空间设备内温度和组分集成化在线测量系统 |
CN116383599A (zh) * | 2023-06-07 | 2023-07-04 | 北京大学 | 测量方法、装置、电子设备及可读存储介质 |
-
2008
- 2008-01-16 CN CNA2008100591769A patent/CN101226147A/zh active Pending
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104316480B (zh) * | 2014-11-06 | 2016-08-24 | 中国科学院合肥物质科学研究院 | 一种含砷金精矿焙烧炉内氧气浓度的激光原位检测系统 |
CN104568386A (zh) * | 2014-12-30 | 2015-04-29 | 北京航天易联科技发展有限公司 | 一种激光波长筛选方法及其装置 |
CN104915551A (zh) * | 2015-05-23 | 2015-09-16 | 杭州电子科技大学 | 一种基于车载式数据采集技术的pm2.5浓度估算方法 |
CN104915551B (zh) * | 2015-05-23 | 2017-12-05 | 杭州电子科技大学 | 一种基于车载式数据采集技术的pm2.5浓度估算方法 |
CN106970035B (zh) * | 2017-03-29 | 2019-10-18 | 东南大学 | 基于cvafs法测量火电厂烟气汞浓度的信号处理方法 |
CN106970035A (zh) * | 2017-03-29 | 2017-07-21 | 东南大学 | 基于cvafs法测量火电厂烟气汞浓度的信号处理方法 |
CN108181266B (zh) * | 2017-12-14 | 2020-08-04 | 合肥金星机电科技发展有限公司 | Tdlas气体浓度检测方法 |
CN108181266A (zh) * | 2017-12-14 | 2018-06-19 | 合肥金星机电科技发展有限公司 | Tdlas气体浓度检测方法 |
CN108489935B (zh) * | 2018-03-12 | 2019-09-17 | 山东大学 | 一种吸收光谱气体传感领域自加宽效应的修正方法 |
CN108489935A (zh) * | 2018-03-12 | 2018-09-04 | 山东大学 | 一种吸收光谱气体传感领域自加宽效应的修正方法 |
CN109240171A (zh) * | 2018-10-25 | 2019-01-18 | 中核新科(天津) 精密机械制造有限公司 | 用于表面处理工艺的工作液主盐浓度监测及补偿装置和方法 |
CN111413295B (zh) * | 2018-12-26 | 2024-05-10 | 株式会社堀场制作所 | 分析装置、存储介质和分析方法 |
CN111413295A (zh) * | 2018-12-26 | 2020-07-14 | 株式会社堀场制作所 | 分析装置、存储介质和分析方法 |
CN110231313A (zh) * | 2019-04-25 | 2019-09-13 | 光力科技股份有限公司 | 一种激光气体分析仪在线零点校准方法及装置 |
CN110146455A (zh) * | 2019-05-27 | 2019-08-20 | 安徽大学 | 基于深度学习的激光光谱气体浓度测量方法 |
CN110487748A (zh) * | 2019-08-26 | 2019-11-22 | 中国计量大学 | 一种基于直接激光吸收检测法的气体浓度的检测装置 |
CN110879214A (zh) * | 2019-11-06 | 2020-03-13 | 北京四方继保自动化股份有限公司 | 一种基于tdlas的sf6电气设备运行状态检测装置 |
CN112924413A (zh) * | 2021-01-27 | 2021-06-08 | 四川长虹电器股份有限公司 | 预测酒糟成分的方法 |
CN112964667A (zh) * | 2021-02-05 | 2021-06-15 | 清华大学 | 一种受限空间设备内温度和组分集成化在线测量系统 |
CN112964667B (zh) * | 2021-02-05 | 2022-11-25 | 清华大学 | 一种受限空间设备内温度和组分集成化在线测量系统 |
CN116383599A (zh) * | 2023-06-07 | 2023-07-04 | 北京大学 | 测量方法、装置、电子设备及可读存储介质 |
CN116383599B (zh) * | 2023-06-07 | 2023-08-25 | 北京大学 | 测量方法、装置、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101226147A (zh) | 一种气体浓度定量分析仪 | |
Werle | Accuracy and precision of laser spectrometers for trace gas sensing in the presence of optical fringes and atmospheric turbulence | |
CN204924934U (zh) | 基于两种量子级联激光光谱的多组分气体同时检测装置 | |
US10495570B2 (en) | Measurement of hydrocarbon fuel gas composition and properties from tunable diode laser absorption spectrometry | |
JP5983779B2 (ja) | ガス吸収分光装置及びガス吸収分光方法 | |
US7251037B2 (en) | Method to reduce background noise in a spectrum | |
CA2599535C (en) | Method to reduce background noise in a spectrum | |
JP3245157B2 (ja) | スペクトルデータの測定および補正 | |
CN105277503A (zh) | 基于两种量子级联激光光谱的多组分气体同时检测装置及方法 | |
CN103323115B (zh) | 基于波长调制的气体吸收谱线线宽和线型系数的测量方法 | |
CN105548075A (zh) | 一种玻璃药瓶内氧气含量的检测装置与方法 | |
CN100561192C (zh) | 基于aotf近红外光谱仪实现的多组分气体浓度定量分析方法 | |
CN107091818B (zh) | 一种多气室复杂组分气体分析系统及方法 | |
CN101216426A (zh) | 基于扩展卡尔曼滤波理论的气体状态定量分析仪 | |
CN104364635A (zh) | 在光谱分析仪中使用实时或近实时验证的碰撞展宽补偿 | |
JPH08503075A (ja) | 物質の特性の化学測定学的評価を向上させる方法 | |
WO2015095315A1 (en) | Method and system for detecting moisture in a process gas involving cross interference | |
Sáiz-Abajo et al. | Ensemble methods and data augmentation by noise addition applied to the analysis of spectroscopic data | |
CN110261328A (zh) | 校准激光波长的方法及装置、气体浓度分析仪 | |
Weigl et al. | Effects of ambient parameters and cross-sensitivities from O2, CO2 and H2O on the photoacoustic detection of acetone in the UV region | |
CN110907398A (zh) | 一种气体浓度测量方法及测量装置 | |
Li et al. | Mid-infrared telemetry sensor based calibration gas cell for CO detection using a laser wavelength locking technique | |
CN103558182A (zh) | 一种用于激光气体在线分析仪确定气体浓度的方法 | |
Li et al. | A near infrared H2S leakage detection system based on WDO-ELM using a digital lock-in amplifier combined with discrete wavelet transform filter | |
Rück et al. | Digital Twin of a photoacoustic trace gas sensor for monitoring methane in complex gas compositions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20080723 |