CN103257204A - 双氧传感器绝对湿度测量中干湿氧滞后时间的自补偿方法 - Google Patents

Abstract

本发明提供一种双氧传感器绝对湿度测量中干湿氧滞后时间的自补偿方法，其包括以下步骤：A.双氧传感器绝对湿度仪的气体输入端设有扰动器，所述扰动器向气路通入扰动气体；B.所述扰动气体使干气氧传感器与湿气氧传感器测量到的氧浓度曲线产生特征峰，利用算法得到湿气氧浓度曲线产生特征峰的起始时间为T₁和干气氧浓度曲线产生特征峰的起始时间为T₂后，求得干气氧浓度曲线相对于湿气氧浓度曲线的滞后时间为T=T₂－T₁。采用本发明的双氧传感器绝对湿度测量中干湿氧滞后时间的自补偿方法，解决了因不同工况和不同流量样气从湿气氧传感器到干气氧传感器存在的时间差，而造成双氧传感器绝对湿度测量准确性比较低的问题。

Description

双氧传感器绝对湿度测量中干湿氧滞后时间的自补偿方法

技术领域

本发明涉及环境监测领域，尤其涉及一种用于工业过程和环境监测领域的双氧传感器绝对湿度测量中干湿氧滞后时间的自补偿方法。

背景技术

双氧传感器绝对湿度仪测量原理：对被测气体除湿前（后简称湿气，简写为WG）氧浓度的测定和被测气体除湿后（后简称“干气”，简称为“DG”）氧浓度的测定，通过公式（1）得到烟气中水分的含量。

X_SW=1-X_WG/X_DG    （1）

式中：X_WG---------------------------湿气中氧的体积百分数，%；

X_DG---------------------------干气中氧的体积百分数，%；

X_SW---------------------------被测气体绝对湿度值，%；

如图1和图3所示，双氧传感器绝对湿度仪按气路分为串联气路和并联气路两种。

在串联气路中，同一段被测气体首先到达湿气氧传感器S1,并经测量得到湿气WG的氧浓度X_WG，此时的时刻记为T₁。被测气体继续沿管路前进，通过气路和除湿装置1，最终到达干气氧传感器S2，经测量得到DG的氧浓度X_DG，此时的时刻记为T₂。由于是串联气路，因此T₂是滞后于T₁的。

在并联气路中，来自主气路的湿气被分流到第一气路和第二气路，第一气路中的湿气WG到达湿气氧传感器S1，并得到氧浓度X_WG。而进入第二气路中的湿气WG，先经过除湿装置1除去其中的水蒸气，然后到达干气氧传感器S2，从而测量得到氧浓度值X_DG。来自主气路的同一段湿气，在分流后，经过不一样的气路分别到达两个氧传感器，其到达的时刻分别记为T₁和T₂，通常情况下T₁和T₂的值是不同的。一般来说，由于第二气路中加入了除湿装置1，T₂是滞后于T₁的。

公式（1）中，湿气氧浓度和干气氧浓度应为同一除湿装置1前后的被测气体的氧浓度，而不管是串联气路或并联气路，干气相对于湿气到达氧传感器都会有一个滞后时间T。

例如，两段被测气体，设除湿前的气体为G1和G2，除湿后的气体为G1′和G2′。G1在T₁时刻到达氧传感器S1，得到G1湿气氧浓度X1_WG。经过除湿装置后变为G1′，并在T₂时刻到达氧传感器S2，得到G1′氧浓度X1_DG′。同时，G2在T₂时刻到达氧传感器S1，得到G2湿气氧浓度X2_WG。对于湿度计算，应采用同一段被测气体G1和G1′在T₁和T₂时刻的氧浓度X1_WG、X1_DG′。但如果计算时不考虑T₁和T₂之间的滞后时间T，那么在计算时就只能使用G1′的氧浓度X1_DG′和G2的氧浓度X2_WG。如图1至图4所示，我们可以看到，G1和G2是两段湿度不同的被测气体，它们氧浓度的比值是没有任何物理意义的，计算出的湿度值也是不正确的。但在目前的应用中，对于滞后时间T的准确测量是十分困难和复杂的。

发明内容

（一）要解决的技术问题

本发明要解决的技术问题是提供一种可自动准确判断滞后时间T，自动调整补偿双氧传感器绝对湿度测量中干湿氧滞后时间的自补偿方法，大幅提高双氧传感器绝对湿度仪湿度测量的准确性。

（二）技术方案

为达上述目的，本发明提供一种双氧传感器绝对湿度测量中干湿氧滞后时间的自补偿方法，包括以下步骤：

A.双氧传感器绝对湿度仪的气体输入端设有扰动器，所述扰动器向气路通入扰动气体；

B.所述扰动气体使干气氧传感器与湿气氧传感器测量到的氧浓度曲线产生特征峰，利用算法得到湿气氧浓度曲线产生特征峰的起始时间为T₁和干气氧浓度曲线产生特征峰的起始时间为T₂后，求得干气氧浓度曲线相对于湿气氧浓度曲线的滞后时间为T=T₂－T₁。

优选的，所述算法为“相关特征峰时间差”算法，其步骤包括：

B1.特征峰识别；

B2.特征峰线性相关度检查。

其中，所述特征峰识别包括以下步骤：

B101.取扰动气体通入的时间宽度作为特征峰的时间宽度m，设Cw={Cw₁,Cw₂,Cw₃,……,Cw_n-1,Cw_n}是宽度为n的湿气氧浓度数据集合，且n>m，则令

$S{w}_j=\underset{i=j}{\overset{m+j}{\mathrm{\Σ}}}C{w}_i(j=\mathrm{1,2,3},......,n-m)$

设Sw={Sw₁,Sw₂,Sw₃,……Sw_j……,Sw_n-m}为时间宽度m的湿气氧浓度曲线面积的集合，若湿气氧浓度曲线为正跳变的特征峰，Sw集合中的最大值为α，若湿气氧浓度曲线为负跳变的特征峰，Sw集合中的最小值为α′，则α或α′所处的序列号j所对应的时间是湿气氧浓度曲线上特征峰的产生的起始时间T₁；

B102.预设阈值ε，若Sw集合中的最大值α为湿气氧浓度曲线上特征峰面积值，当α≥ε时，则判断湿气氧浓度曲线上特征峰有效，否则无效，算法结束；若Sw集合中的最小值α′为湿气氧浓度曲线上特征峰面积值，当α′≤ε时，则判断湿气氧浓度曲线上特征峰有效，否则无效，算法结束；

B103.取扰动气体通入的时间宽度作为特征峰的时间宽度m，设Cd={Cd₁,Cd₂,Cd₃,……,Cd_n-1,Cd_n}是宽度为n的干气氧浓度数据集合，且n>m，则令

$S{d}_k=\underset{i=k}{\overset{m+k}{\mathrm{\Σ}}}C{d}_i(k=\mathrm{1,2,3},......,n-m)$

设Sd={Sd₁,Sd₂,Sd₃,……Sd_k……,Sd_n-m}为时间宽度m的干气氧浓度曲线面积的集合，若干气氧浓度曲线为正跳变的特征峰，Sd集合中的最大值为β，若干气氧浓度曲线为负跳变的特征峰，Sd集合中的最小值为β′，则β或β′所处的序列号k所对应的时间是干气氧浓度曲线上特征峰的产生的起始时间T₂；

B104.预设阈值δ，若Sd集合中的最大值β为干气氧浓度曲线上特征峰面积值，当β≥δ时，则判断干气氧浓度曲线上特征峰有效，否则无效，算法结束；若Sd集合中的最小值β′为干气氧浓度曲线上特征峰面积值，当β′≤δ时，则判断干气氧浓度曲线上特征峰有效，否则无效，算法结束。

其次，所述特征峰线性相关度检查包括以下步骤：设湿气氧浓度曲线上的特征峰a={a₁,a₂,a₃,……a_m-1，a_m}，设干气氧浓度曲线上的特征峰b={b₁,b₂,b₃,……,b_m-1,b_m}，特征峰a与特征峰b的线性相关度R为：

$R=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}(a_i*b_i)/\sqrt{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{a}_i^2*\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{b}_i^2}$

当线性相关度R≥0.75时，特征峰a与特征峰b相关，判定特征峰a与特征峰b有效，否则无效，算法结束。

优选的，所述扰动器包括扰动气源、控制阀和控制系统；所述控制阀的输入端与扰动气源连接，其输出端与气路连接；由所述控制系统控制所述控制阀的开闭。

优选的，所述控制阀为二通电磁阀。

优选的，所述扰动气体为氧气、氮气或其它无毒害气体。

优选的，所述算法采用C语言编写。

（三）有益效果

本发明采用上述技术方案提供的双氧传感器绝对湿度测量中干湿氧滞后时间的自补偿方法，解决了因不同工况和不同流量气体从湿氧传感器到干氧传感器的时间不同，而造成双氧传感器绝对湿度测量中准确性比较低的问题。考虑滞后时间T的测量值，基本与实际测量值变化趋势稳和，数据相关性R²高达0.98，而且不受氧含量波动影响。本发明中的结构实现简单，算法易实现，快速可靠，可大幅提高双氧传感器绝对湿度仪湿度测量的准确性。

附图说明

图1是双氧传感器绝对湿度仪测量串联气路T₁时刻状态图；

图2是双氧传感器绝对湿度仪测量串联气路T₂时刻状态图；

图3是双氧传感器绝对湿度仪测量并联气路T₁时刻状态图；

图4是双氧传感器绝对湿度仪测量并联气路T₂时刻状态图；

图5是正跳变的氧浓度曲线图；

图6是负跳变的氧浓度曲线图；

图7是“相关特征峰时间差”算法的工作流程图；

图8是未考虑滞后时间T的湿度分布图；

图9是考虑滞后时间T的湿度分布图。

图中，1：除湿装置；2：扰动气源；3：控制阀；4：控制系统；S1：湿气氧传感器；S2：干气氧传感器。

具体实施方式

下面结合附图和实施例对本发明的双氧传感器绝对湿度测量中干湿氧滞后时间的自补偿方法作进一步详细说明。以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明的双氧传感器绝对湿度测量中干湿氧滞后时间的自补偿方法包括以下步骤：

A.双氧传感器绝对湿度仪的气体输入端设有扰动器，扰动器向气路通入扰动气体；

B.扰动气体使干气氧传感器与湿气氧传感器测量到的氧浓度曲线产生特征峰，利用算法得到湿气氧浓度曲线产生特征峰的起始时间为T₁和干气氧浓度曲线产生特征峰的起始时间为T₂后，求得干气氧浓度曲线相对于湿气氧浓度曲线的滞后时间为T=T₂－T₁。

本实施例中，在串联气路或并联气路的主气路上游增加一个氧气浓度扰动器（简称扰动器），扰动器包括扰动气源2、控制阀3和控制系统4；控制阀3的输入端与扰动气源2连接，其输出端与气路连接；由控制系统4控制控制阀3的开闭。当控制系统4发出信号后，扰动器在短时间内向气路中通入扰动气体。扰动气体进入气路后与被测气体混合，该混合气体的含氧量相对于被测气体会产生较大的跳变。当混合气体到达湿气氧传感器S1后，使得湿气氧传感器S1的湿气氧浓度曲线产生变化幅度较大的特征峰λ1（如图5和图6，特征峰为较大跳变的波形）。经过滞后时间T后，混合气体到达干气氧传感器S2，使得干气氧传感器S2的干气氧浓度曲线产生特征峰λ2。控制系统通过“相关特征峰时间差”算法，可得到特征峰λ1和特征峰λ2的时间差，该时间差就是滞后时间T。

扰动气源2中存储有扰动气体，扰动气体可根据使用现场的条件和工况而定，扰动气体可为氧气、氮气、惰性气体或其它无毒害气体。当被测气体氧气浓度较高时，可采用包括但不限于氮气等含氧量很低的无毒无害气体，并产生氧浓度曲线负跳变的特征峰，如图6所示，其中，负跳变是指氧浓度突然急剧变小使氧浓度曲线产生向下的明显波谷；当被测气体含氧量较低时，可采用包括但不限于含氧量较高的空气、氧气等无毒无害气体，并产生氧浓度曲线正跳变的特征峰，如图5所示，其中，正跳变是指氧浓度突然急剧变大使氧浓度曲线产生向上的明显波峰。

其中，控制阀3可使用但不限于二通电磁阀。控制阀3在通入扰动气体时导通，其余时间处于关闭状态。当控制系统4发出的信号到达控制阀3后，控制阀3转为导通状态，扰动气源2中的扰动气体通过控制阀3通入到气路，并与气路中的被测气体混合产生混合气体。当通入扰动气体的时间满足要求后，控制系统4再次发送信号关闭控制阀3，气路恢复正常测量状态。

本发明中算法为“相关特征峰时间差”算法，其步骤包括：

B1.特征峰识别；

B2.特征峰线性相关度检查。

因为，特征峰具有如下特点：

（1）特征峰的时间宽度与扰动气体通入的时间宽度成正比，为简化运算起见，取扰动气体通入的时间宽度m作为特征峰的时间宽度；

（2）正跳变时，时间宽度m的特征峰的总面积要明显大于其两侧时间宽度m的正常氧浓度曲线面积；负跳变时，时间宽度m的特征峰的总面积要明显小于其两侧时间宽度m的正常氧浓度曲线面积。

（3）正跳变时，氧浓度曲线的最大值要明显高于正常氧浓度值；负跳变时，氧浓度曲线的最小值要明显低于正常氧浓度值。

根据上述特征峰的特点，特征峰识别包括以下步骤：

B101.取扰动气体通入的时间宽度作为特征峰的时间宽度m，设Cw={Cw₁,Cw₂,Cw₃,……,Cw_n-1,Cw_n}是宽度为n的湿气氧浓度数据集合，且n>m，则令

$S{w}_j=\underset{i=j}{\overset{m+j}{\mathrm{\Σ}}}C{w}_i(j=\mathrm{1,2,3},......,n-m)$

设Sw={Sw₁,Sw₂,Sw₃,……Sw_j……,Sw_n-m}为时间宽度m的湿气氧浓度曲线面积的集合，若湿气氧浓度曲线为正跳变的特征峰，Sw集合中的最大值为α，若湿气氧浓度曲线为负跳变的特征峰，Sw集合中的最小值为α′，则α或α′所处的序列号j所对应的时间是湿气氧浓度曲线上特征峰的产生的起始时间T₁；

B102.预设阈值ε，若Sw集合中的最大值α为湿气氧浓度曲线上特征峰面积值，当α≥ε时，则判断湿气氧浓度曲线上特征峰有效，否则无效，算法结束；若Sw集合中的最小值α′为湿气氧浓度曲线上特征峰面积值，当α′≤ε时，则判断湿气氧浓度曲线上特征峰有效，否则无效，算法结束；

B103.取扰动气体通入的时间宽度作为特征峰的时间宽度m，设Cd={Cd₁,Cd₂,Cd₃,……,Cd_n-1,Cd_n}是宽度为n的干气氧浓度数据集合，且n>m，则令

$S{d}_k=\underset{i=k}{\overset{m+k}{\mathrm{\Σ}}}C{d}_i(k=\mathrm{1,2,3},......,n-m)$

设Sd={Sd₁,Sd₂,Sd₃,……Sd_k……,Sd_n-m}为时间宽度m的干气氧浓度曲线面积的集合，若干气氧浓度曲线为正跳变的特征峰，Sd集合中的最大值为β，若干气氧浓度曲线为负跳变的特征峰，Sd集合中的最小值为β′，则β或β′所处的序列号k所对应的时间是干气氧浓度曲线上特征峰的产生的起始时间T₂；

B104.预设阈值δ，若Sd集合中的最大值β为干气氧浓度曲线上特征峰面积值，当β≥δ时，则判断干气氧浓度曲线上特征峰有效，否则无效，算法结束；若Sd集合中的最小值β′为干气氧浓度曲线上特征峰面积值，当β′≤δ时，则判断干气氧浓度曲线上特征峰有效，否则无效，算法结束。

为描述方便，下面使用C语言对算法进行描述：

通过以上步骤，可以分别获得干气与湿气氧浓度曲线的特征峰以及其特征峰极值产生的时间。

其次，获得干气与湿气氧浓度测量曲线中的特征峰后，还需要对两个特征峰进行线性相关度检查。线性相关度检查的目的是防止将干扰信号、测量值的正常波动等错误数据引入计算，而得到错误结果。

特征峰线性相关度原理如下：设两信号分别为x(t)、y(t)，可以选择适当倍数h使h*y(t)去逼近x(t)。在此我们可以借用误差能量来度量这对波形的相似程度，具体方法同高等数学上用来判断函数间正交性的方法基本类似。

其中，误差能量用x(t)-h*y(t)的平方在时域上的积分来表示；倍数h的选择必须要保证能使能量误差为最小，通过对函数求导求极值可以得知当h为x(t)*y(t)在时域的积分与y(t)*y(t)在时域的积分比值时可以满足条件，在此条件下的误差能量是可能所有条件下最小的。定义x(t)与y(t)的线性相关度为Pxy，其平方与1的差值为相对误差能量，即误差能量与x(t)*x(t)在时域积分的比值。其中，xy就可以用来表征两波形的相似程度。解出关于Pxy的方程，其分子为x(t)*y(t)在时域的积分；分为两信号各自的平方在时域积分之积的平方根。从数学上可以证明分子的模小于分母，也即线性相关度Pxy的模不会大于1。由于对于能量有限的信号而言，能量是确定的，线性相关度Pxy的大小只由x(t)*y(t)的积分所决定。如果两完全不相似的波形其幅度取值和出现时刻是相互独立、彼此无关的，x(t)*y(t)=0，其积分结果亦为0，所以当线性相关度为0时相似度最差，即不相关。当线性相关度为1，则误差能量为0，说明这两信号相似度很好，是线性相关的。因此可以将线性相关度作为两个信号线性相关的一种度量。

根据特征峰线性相关度原理，得到特征峰线性相关度检查包括以下步骤：设湿气氧浓度曲线上的特征峰a={a₁,a₂,a₃,……a_m-1，a_m}，设干气氧浓度曲线上的特征峰b={b₁,b₂,b₃,……,b_m-1,b_m}，特征峰a与特征峰b的线性相关度R为：

$R=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}(a_i*b_i)/\sqrt{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{a}_i^2*\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{b}_i^2}$

当线性相关度R≥0.75时，特征峰a与特征峰b相关，判定特征峰a与特征峰b有效，否则无效，算法结束。

为描述方便，下面使用C语言对算法进行描述：

按照上述方法进行“相关特征峰时间差”算法试验，其结果如下：

在实际测试中，分别取多组数据进行了检验，表1为检验获得的比对数据。

表1实际湿度、未考虑滞后时间T测量值和考虑滞后时间T测量值的湿度

比对数据

实际湿度（%）	未考虑滞后时间T测量值	考虑滞后时间T测量值
			7.53	6.49	7.19
7.69	6.28	7.38
			7.86	6.84	7.49
8.64	7.11	7.97
			8.97	6.99	8.46
9.35	9.11	8.94
			9.34	8.27	9.21
9.28	8.58	9.05

9.39	9.07	9.19
			9.44	9.12	9.24
9.49	8.35	9.27
			9.52	9.01	9.31
9.67	9.35	9.39
			9.81	9.41	9.57
9.77	9.28	9.48
			9.49	9.76	9.41
10.32	9.49	9.96
			10.34	9.65	10.08
10.29	9.71	10.14

表1中，未考虑滞后时间T测量值与实际值线性相关度较差，尤其是在氧气含量突变的时候，测量得到湿度数值与实际值误差更大。如图8所示，其数据相关性R²只有0.84。而考虑滞后时间T测量值，湿度数值基本与实际测量值变化趋势吻合，如图9所示，数据相关性R²高达0.98。故可以证明，滞后时间的自动补偿方法的修正效果是非常有效的。其中，线性相关度R是指不同曲线间的相关度，数据相关性R²是指数据组的相关性，两者非同一概念，没用直接关系，算法也不相同。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴。

Claims (8)

1.一种双氧传感器绝对湿度测量中干湿氧滞后时间的自补偿方法，其特征在于，包括以下步骤：

A.双氧传感器绝对湿度仪的气体输入端设有扰动器，所述扰动器向气路通入扰动气体；

B.所述扰动气体使干气氧传感器与湿气氧传感器测量到的氧浓度曲线产生特征峰，利用算法得到湿气氧浓度曲线产生特征峰的起始时间为T₁和干气氧浓度曲线产生特征峰的起始时间为T₂后，求得干气氧浓度曲线相对于湿气氧浓度曲线的滞后时间为T=T₂－T₁。

2.根据权利要求1所述的双氧传感器绝对湿度测量中干湿氧滞后时间的自补偿方法，其特征在于，所述算法为“相关特征峰时间差”算法，其步骤包括：

B1.特征峰识别；

B2.特征峰线性相关度检查。

3.根据权利要求2所述的双氧传感器绝对湿度测量中干湿氧滞后时间的自补偿方法，其特征在于，所述特征峰识别包括以下步骤：

B101.取扰动气体通入的时间宽度作为特征峰的时间宽度m，设Cw={Cw₁,Cw₂,Cw₃,……,Cw_n-1,Cw_n}是宽度为n的湿气氧浓度数据集合，且n>m，则令

$S{w}_j=\underset{i=j}{\overset{m+j}{\mathrm{\Σ}}}C{w}_i(j=\mathrm{1,2,3},......,n-m)$

设Sw={Sw₁,Sw₂,Sw₃,……Sw_j……,Sw_n-m}为时间宽度m的湿气氧浓度曲线面积的集合，若湿气氧浓度曲线为正跳变的特征峰，Sw集合中的最大值为α，若湿气氧浓度曲线为负跳变的特征峰，Sw集合中的最小值为α′，则α或α′所处的序列号j所对应的时间是湿气氧浓度曲线上特征峰的产生的起始时间T₁；

B102.预设阈值ε，若Sw集合中的最大值α为湿气氧浓度曲线上特征峰面积值，当α≥ε时，则判断湿气氧浓度曲线上特征峰有效，否则无效，算法结束；若Sw集合中的最小值α′为湿气氧浓度曲线上特征峰面积值，当α′≤ε时，则判断湿气氧浓度曲线上特征峰有效，否则无效，算法结束；

B103.取扰动气体通入的时间宽度作为特征峰的时间宽度m，设Cd={Cd₁,Cd₂,Cd₃,……,Cd_n-1,Cd_n}是宽度为n的干气氧浓度数据集合，且n>m，则令

$S{d}_k=\underset{i=k}{\overset{m+k}{\mathrm{\Σ}}}C{d}_i(k=\mathrm{1,2,3},......,n-m)$

设Sd={Sd₁,Sd₂,Sd₃,……Sd_k……,Sd_n-m}为时间宽度m的干气氧浓度曲线面积的集合，若干气氧浓度曲线为正跳变的特征峰，Sd集合中的最大值为β，若干气氧浓度曲线为负跳变的特征峰，Sd集合中的最小值为β′，则β或β′所处的序列号k所对应的时间是干气氧浓度曲线上特征峰的产生的起始时间T₂；

B104.预设阈值δ，若Sd集合中的最大值β为干气氧浓度曲线上特征峰面积值，当β≥δ时，则判断干气氧浓度曲线上特征峰有效，否则无效，算法结束；若Sd集合中的最小值β′为干气氧浓度曲线上特征峰面积值，当β′≤δ时，则判断干气氧浓度曲线上特征峰有效，否则无效，算法结束。

4.根据权利要求3所述的双氧传感器绝对湿度测量中干湿氧滞后时间的自补偿方法，其特征在于，所述特征峰线性相关度检查包括以下步骤：设湿气氧浓度曲线上的特征峰a={a₁,a₂,a₃,……a_m-1，a_m}，设干气氧浓度曲线上的特征峰b={b₁,b₂,b₃,……,b_m-1,b_m}，特征峰a与特征峰b的线性相关度R为：

$R=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}(a_i*b_i)/\sqrt{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{a}_i^2*\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{b}_i^2}$

当线性相关度R≥0.75时，特征峰a与特征峰b相关，判定特征峰a与特征峰b有效，否则无效，算法结束。

5.根据权利要求1-4任一项所述的双氧传感器绝对湿度测量中干湿氧滞后时间的自补偿方法，其特征在于，所述扰动器包括扰动气源、控制阀和控制系统；所述控制阀的输入端与扰动气源连接，其输出端与气路连接；由所述控制系统控制所述控制阀的开闭。

6.根据权利要求5所述的双氧传感器绝对湿度测量中干湿氧滞后时间的自补偿方法，其特征在于，所述控制阀为二通电磁阀。

7.根据权利要求6所述的双氧传感器绝对湿度测量中干湿氧滞后时间的自补偿方法，其特征在于，所述扰动气体为氧气、氮气或其它无毒害气体。

8.根据权利要求7所述的双氧传感器绝对湿度测量中干湿氧滞后时间的自补偿方法，其特征在于，所述算法采用C语言编写。

Images