CN106442405B - 一种卷烟烟气气相物动态检测方法 - Google Patents
一种卷烟烟气气相物动态检测方法 Download PDFInfo
- Publication number
- CN106442405B CN106442405B CN201610998097.9A CN201610998097A CN106442405B CN 106442405 B CN106442405 B CN 106442405B CN 201610998097 A CN201610998097 A CN 201610998097A CN 106442405 B CN106442405 B CN 106442405B
- Authority
- CN
- China
- Prior art keywords
- signal
- gas
- detected
- signals
- noise
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 239000000779 smoke Substances 0.000 title claims abstract description 25
- 235000019504 cigarettes Nutrition 0.000 title claims abstract description 21
- 239000000126 substance Substances 0.000 title claims description 12
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000009466 transformation Effects 0.000 claims abstract description 18
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 238000005457 optimization Methods 0.000 claims abstract description 7
- 238000005516 engineering process Methods 0.000 claims abstract description 6
- 238000000862 absorption spectrum Methods 0.000 claims abstract description 4
- 230000003321 amplification Effects 0.000 claims abstract description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 3
- 239000007789 gas Substances 0.000 claims description 66
- 238000010521 absorption reaction Methods 0.000 claims description 43
- 238000000034 method Methods 0.000 claims description 34
- 230000003595 spectral effect Effects 0.000 claims description 22
- 239000012071 phase Substances 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 11
- 238000012886 linear function Methods 0.000 claims description 9
- 238000013178 mathematical model Methods 0.000 claims description 8
- 230000002068 genetic effect Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000021615 conjugation Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000007792 gaseous phase Substances 0.000 claims description 3
- 238000005086 pumping Methods 0.000 claims description 2
- 230000009977 dual effect Effects 0.000 claims 1
- 238000001228 spectrum Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 3
- 238000010353 genetic engineering Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- BJQHLKABXJIVAM-UHFFFAOYSA-N bis(2-ethylhexyl) phthalate Chemical compound CCCCC(CC)COC(=O)C1=CC=CC=C1C(=O)OCC(CC)CCCC BJQHLKABXJIVAM-UHFFFAOYSA-N 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000000041 tunable diode laser absorption spectroscopy Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
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
一种卷烟烟气气相物动态检测方法，是一种基于可调二极管激光吸收光谱技术的最优阈值Gabor变换的烟气气相物检测方法，包括如下步骤：A、产生调制驱动信号，可调谐激光二极管受激发出光，B、激光光束分三个阶段进行检测，依次获得干扰信号、参考信号和检测信号；C、三路信号经过光电转换，功率放大和相敏检波器等得到三者的二次谐波模拟信号，将模拟信号转换为数字信号，D、对运算处理后的数字信号进行时频域变换，E、优化处理得到理想数字信号，此信号的大小与待测气体浓度成正比，F、通过并行处理多种组分理想数字信号和标定，得待测气体成分和浓度。本发明具有抗干扰能力强、非接触、实时性好和能同时检测多种气体成分的优点。
Description
技术领域
本发明涉及物质的检测方法，具体地说是一种卷烟烟气气相物动态检测方法，是基于可调二极管激光吸收光谱技术的最优阈值Gabor变换的烟气气相物检测方法。
背景技术
卷烟燃烧是一个非常复杂的物理、化学变化过程，其产生的烟气成分十分复杂，包含的化合物超过5000多种，并且始终处于动态变化之中。快速、准确地检测卷烟烟气气相物组分浓度变得非常重要。气相色谱-质谱联用仪（GC-MS）进行分离检测及数据分析。整个分析流程包括一系列复杂的离线前处理过程，检测时间长，很难满足烟气快速检测的要求。
光谱检测技术由于利用激光的高分辨率特性，能够有效地排除其他物质的吸收干扰，具有抗干扰能力强、灵敏度高、响应速度快和性价比高等优点，是一种在复杂气体条件下实现检测的有效技术手段。现有光谱检测方法使用的激光光谱波段较窄，无法覆盖多种分子谱线，很难实现多种分子的检测。直接运用光谱技术对卷烟抽吸过程中烟气气相物进行检测,由于得到的二次谐波信号受到激光额外噪声、探测器噪声等干扰，会显著降低系统信噪比。因此，对光谱检测数据进行进一步地降噪处理，获得系统最大信噪比下的待检测目标信号，进而得到更为精确的待测气体浓度变得非常重要。
发明内容
本发明的目的正是基于上述现有技术状况，为解决卷烟烟气气相物多种组分无法同时检测问题、检测时间长、系统信噪比低问题，而提供的一种卷烟烟气气相物动态检测方法。
本发明的目的是通过技术方案来实现的：一种卷烟烟气气相物动态检测方法，是基于可调二极管激光吸收光谱技术的最优阈值Gabor变换的烟气气相物检测方法，包括以下步骤：
A)产生调制驱动信号，可调谐激光二极管受激发出光；
B)激光光束分三个阶段进行检测,第一阶段获得外界杂散光等干扰信号，第二阶段光束通过无待测气体时的气体吸收池得到参考信号，第三阶段光束通过有待测气体的气体吸收池得到检测信号；
C)三路信号经过光电转换，功率放大和相敏检波器等得到三者的二次谐波模拟信号，接下来进行运算处理之后，三者模拟信号转换为数字信号；
D)运算处理后的数字信号进行时频域变换；
E)变换过程中用优化算法实时优化时频域变换的阈值，最后得到经过最优阈值时频域变换的理想数字信号；
F)通过并行处理多种组分的理想数字信号，得到待测气体的成分和浓度。
上述步骤A)的具体方式如下：
A1)产生低频锯齿波驱动信号进行电流调制,获得扫描过中心波长的光束；
A2)产生高频正弦波驱动信号对低频锯齿波驱动信号进行调制，获得以中心波长为中心的范围内扫描的波段；
A3)调制后的信号驱动激光器产生特定波段范围内的光束；
A4)每个周期起始预设一个很短的时间间隔，期间不进行激光光束输出。
步骤B)中，对所述的三个阶段处理方式不同，具体为：
B1)第一阶段滤除外界杂散光等干扰，包括：激光光束不进行扫描，而由光电二极管接收环境杂散光并进行光电转换，得到杂散光的干扰信号，其中n为待检测组分的种类数；
B2)第二阶段光束通过无待测气体时的气体吸收池得到参考信号，包括：激光光束进行扫描，光束通过没有充入待测气体的气体吸收池，得到参考信号，其中n为待检测组分的种类数；
B3)第三阶段光束通过有待测气体的气体吸收池得到检测信号，包括：激光光束经过同一个气体吸收池，此时含有待测气体，激光进行扫描，得到检测信号，其中n为待检测组分的种类数；
三个阶段过程中光束没有进行分束，是一路光信号，三个扫描阶段不是同时进行的，而是依次完成，中间有较小的时间间隔。
所述步骤C)中，运算处理过程具体如下：
C1)第一路差分减法运算电路用于检测信号和参考信号的减法处理，得到含有杂散光干扰的目标信号，其中n为待检测组分的种类数；
C2)第二路差分减法运算电路用于含有杂散光干扰的目标信号和杂散光的干扰信号的减法处理，得到目标信号，其中n为待检测组分的种类数；
C3)目标信号进行模拟信号和数字信号的转换，得到目标信号的二次谐波信号，其中为待检测组分的种类数。
在步骤D)中，对目标信号的二次谐波信号进行离散Gabor展开。
步骤E)包括以下具体过程：
E1)为了降低噪声，提高系统的信噪比，评价噪声降低的效果，建立目标函数的数学模型，作为评价噪声高低的指标。关系式为：
其中和分别指时间和频率的采样间隔，为综合窗函数，M和N表示时域和频域的采样点数，且有。为含有噪声的信号，为有用信号，为噪声。其中，与共轭，为的对偶分析窗函数。、、分别代表、、进行离散Gabor变化所得到的Gabor系数。和分别是指Gabor系数的最大值和最小值。T为阈值，取值范围为[0 1]。
E2)在阈值T的取值范围内，用遗传算法求解此数学模型，实时地使整个2s抽吸过程中系统的信噪比始终保持最大，从而起到良好的滤除噪声干扰的效果。
时，SNR取到最大值，此时的二次谐波信号为：
其中为待检测组分的种类数。是系统信噪比最大时的待测气体的二次谐波幅值，它已经扣除了背景信号和其他干扰信号的影响，是比较理想的有用信号。又因为待测气体的二次谐波幅值与相应待测气体浓度成正比，所以通过标定即可获得多种气体的浓度值。
在步骤F)中，多种组分检测包括以下过程：
F1)多种待测组分吸收谱线选择时,吸收谱线间隔应较小，而且在激光器电流扫描范围内。同时，吸收谱线间无重叠、强度相差不大、吸收谱线不受卷烟烟气中其他强吸收干扰谱线的干扰。
F2)多种待测组分吸收谱线线型函数选择Lorentz线型函数。
本发明相比现有技术具有抗干扰能力强、非接触、实时性好和能同时检测多种气体成分的优点。
附图说明
图1是本发明检测方法流程图（该图为摘要附图）(其中S1表示Step1 ，用于表示第一步，其他以此类推)；
图2 是探测到的三个阶段信号的时序图；
图3 是三种检测信号运算的示意图；
图4 是时频域变换示意图；
图5 是求解最优阈值下气体浓度模型的示意图；
图6 是时频域变换和优化算法处理前后的效果图；
图7是利用本发明方法检测两种待测气体时的效果图。
具体实施方式
下面结合附图对本发明实施例作进一步说明。
如图1所示，一种卷烟烟气气相物动态检测方法，其检测流程如下：
步骤S1产生调制驱动信号，可调谐激光二极管受激发出光:在实施例中，要实现检测，首先需要产生在特定波长范围内的激光光束。第一步进行温度调制产生某个中心波长的激光光束，第二步产生低频锯齿波信号，第三步产生高频正弦波信号，之后高频正弦波信号对低频锯齿波信号进行调制，调制后的信号加载在激光器上，使之产生以某个波长为中心的左右均有激发波段的较宽的激光光束。此波段范围包含待检测气体分子的特征波长，通过检测是否有特征值和特征值的大小，用于判定是什么待测气体和待测气体的浓度。每个周期起始预设一个很短的时间间隔不进行激光输出，为滤除杂散光的干扰做准备。
步骤S2用于滤除外界杂散光等干扰：杂散光影响光学系统的测量，一般在用光学系统之前,先测暗噪声(即自然杂散光),然后用测的数据减去暗噪声。每个周期起始预设一个很短的时间间隔不进行激光输出，就是在激光器没有光束的情况下，让自然光等作用在光电二极管上，通过检测测试的光电转换后的电压信号，就可以知道暗噪声的大小。此时得到杂散光的干扰信号,其中n为待检测组分的种类数。
步骤S3用于光束通过无待测气体时的气体吸收池得到参考信号：噪声背景噪声包括热噪声，散粒噪声、1/f噪声、剩余幅度调制（RAM）引起的偏移噪声和光学系统中产生的干涉条纹。采用扣除背景的方法来减小由于标准具效应所引入的光学干涉条纹噪声的影响，然后对扣除背景的采集信号进行累加平均，使谱线信号平滑，得以抑制。此时的参考信号就是背景信号,其中n为待检测组分的种类数。
步骤S4用于光束通过有待测气体的气体吸收池得到检测信号：激光光束经过待测气体，气体吸收激光光束中特定波长的光子，使得光束在特定波长处的光子减少。检测经过吸收后的激光光束即得到了检测信号,其中n为待检测组分的种类数。
三个阶段过程中光束没有进行分束，是一路光信号，三个扫描阶段不是同时进行的，而是依次完成，中间有较小的时间间隔，如图2所示。=U1，=U2，=U3；U1持续时间为t1，间隔时间为t2-t1之后，U2持续时间为t3-t2，之后再间隔t4-t3,U3持续时间为t5-t4,最后在间隔t6-t5，整个周期为T。
步骤S5用于获得含有杂散光噪声的目标信号，如图3所示，S51为第一路差分减法运算电路，用于检测信号U3和参考信号U2的减法处理。
步骤S6用于获得目标信号，图3所示，S52为第二路差分减法运算电路，用于含有杂散光干扰的目标信号U3-U2和杂散光的干扰信号U1的减法处理，得到U3-U2-U1。
目标信号进行模拟信号和数字信号的转换，得到目标信号的二次谐波信号，，其中为待检测组分的种类数。
步骤S7用于运算处理后的数字信号进行时频域变换，如图4所示。Gabor变换作为一种线性联合时频分析方法，一直以来都是研究非平稳信号的常用方法。引入Gabor变换方法进行降噪，能提高TDLAS检测系统的信噪比。由于噪声是动态变化着的，为了在每个时刻使检测系统的信噪比达到最大，需要对上述方法进一步改进。
S71，S72和S73用于整个Gabor变换，Gabor变换具体实施步骤如下所述：
检测到的二次谐波信号仍然含有噪声，需要进一步处理。对信号进行离散Gabor展开：
其中和分别指时间和频率的采样间隔，为综合窗函数，M和N表示时域和频域的采样点数，且有。为含有噪声的信号，为有用信号，为噪声。
2）Gabor系数的求解。
其中与共轭，为的对偶分析窗函数。、、分别代表、、进行离散Gabor变化所得到的Gabor系数。
3）Gabor系数幅值重新赋值， Gabor系数幅值的大小反映信号功率的大小。信号相对噪声的功率较大且两者对应的Gabor系数在时-频面上分布不同。对于信号，其对应的Gabor 系数在时-频面上分布比较集中，幅值较大。噪声对应的Gabor系数分布在整个时-频面上，幅值较小。通过选取合适的阈值对幅值较小的Gabor系数进行修正，即对其置零，则可以减小噪声所带来的影响。
和分别是指Gabor系数的最大值和最小值。T为阈值，取值范围为[0 1]。
步骤S8用于算法优化时频域变换阈值，如图5所示，具体步骤为建立目标函数的数学模型和求解模型。
1）为了评价噪声降低的效果，引入系统信噪比，作为评价噪声高低的指标。
其中为含有噪声的信号，为有用信号。上述函数经Gabor变换，分解成一系列具有展开系数频率成分，反映信号频率成分随时间的变化特性，即可以转化为阈值T和信噪比SNR之间的函数关系式。
2）目标函数的数学模型为：
3) 单目标单变量数学模型求解。在阈值T的取值范围内，用于遗传算法求解此数学模型，获得最大值。下述最大值求解方法仅仅是一个实施例。
T取值范围为[0,1]，确定了取值范围，之后对T进行编码。编码的具体步骤如下：
步骤S81用于确定Threshold参数集，由于阈值的范围为[0,1]，而遗传算法的编码是在0、1之间。
步骤S82用于Threshold编码、前置放大、后置缩小，所以在编码之前进行预处理，即阈值范围扩大100倍，在编码完成后带入群体前，阈值编码范围再缩小为1/100。
步骤S83用于初始化群体P(t)，随后带入初始化群体SNR(t)。
步骤S84用于评价群体，进行首次的群体评价。
步骤S85用于位串解码得参数,计算目标函数值,函数值向适应值映射,适应值调整。群体评价的具体步骤如下：阈值位编码，计算目标函数值，函数值向适应值映射和适应值调整四个步骤。
步骤S86用于精度校验，上述四步结束以后对精度进行校验。
步骤S87用于首次达到最优阈值的处理，Max(SNR)如果满足精度要求，求解结束获得最优信噪比Max(SNR)。
步骤S87用于精度校验不合格，进行反复校验的情况。如果没有达到精度要求。
步骤S88和S89用于遗传算子的操作和遗传操作，通过设计遗传、交叉、变异算子继续进行遗传操作。
步骤S810用于下一代的遗传操作，此时遗传群体为SNR(t+1)，返回继续评价精度。
如果满足结束，否则继续操作，如此知道达到最终求得最优信噪比Max(SNR)和最优阈值。当N取最大值时，即N=Max(SNR)时，就是系统信噪比达到了最大值。在2s内，每一个扫描周期内就进行一次最优化求解，这就保证了系统检测的卷烟烟气多组气相物各自浓度受噪声的干扰最小，以到达良好的检测效果。
步骤S9用于获取理想目标信号。时，SNR取到最大值，此时的二次谐波信号为
其中为待检测组分的种类数。是系统信噪比最大时的待测气体的二次谐波幅值，它已经扣除了背景信号和其他干扰信号的影响，是比较理想的有用信号。又因为待测气体的二次谐波幅值与相应待测气体浓度成正比，所以通过标定即可获得多种气体的浓度值。
步骤S10用于并行处理多组分理想目标信号，包括：
第一步多种待测组分吸收谱线选择时,吸收谱线间隔应较小，而且在激光器电流扫描范围内。同时，吸收谱线间无重叠、强度相差不大、吸收谱线不受卷烟烟气中其他强吸收干扰谱线的干扰。谱线选择需要考虑以下四个方面：谱线间距要保证被同一束激光扫描到，但需有足够的分离避免重叠；谱线吸收强度应该尽量的大，但需保证多组分的光谱吸收线强在同一个数量级；不受相邻吸收谱线吸收的干扰或者受相邻吸收谱线吸收干扰较小；多组分检测指目标组分的吸收谱线在激光能扫描的范围内的同时，器件尽量少得含有其他组分或者相同组分较弱的吸收谱线。总之，谱线的选择需要达到间距小，吸收强，干扰小，激光扫描范围覆盖多个目标组分的要求。
第二步多种待测组分吸收谱线线型函数选择Lorentz线型函数。多种待测组分线型函数的选择要同时考虑温度和压强。温度决定多普勒线宽，碰撞加宽主要有压强决定。碰撞加宽线型宽度和多普勒线宽对吸收谱线中心频率、峰值和分布规律有较大影响。根据两个线宽的大小选择洛伦兹线型、高斯线型和福依特线型中的一种。在低压时，线型有高斯函数决定；当多普勒加宽和碰撞加宽作用相当时，最合适的线型函数为福依特线型函数。本方法是在常温常压下提出的，在此条件下线型趋向于宽，波峰处的吸收值下降，Lorentz线型能更好地体现它的这些特征，所以多种待测组分吸收谱线线型函数选用洛伦兹线型。
通过并行处理多种待测气体的数据即可以获得待测气体的浓度。
如图6所示，可见一种卷烟烟气气相物检测方法中，运用时频域变换和最优化算法处理前后的效果，显然本方法能很好的改善系统信噪比。
如图7所示，本方法能很好地同时检测多种组分。
Claims (5)
1.一种卷烟烟气气相物动态检测方法，其特征在于，是基于可调二极管激光吸收光谱技术的最优阈值Gabor变换的烟气气相物检测方法，包括如下步骤：
A)产生调制驱动信号，可调谐激光二极管受激发出光；
B)激光光束分三个阶段进行检测，第一阶段获得外界杂散光干扰信号，第二阶段光束通过无待测气体时的气体吸收池得到参考信号，第三阶段光束通过有待测气体的气体吸收池得到检测信号；
对所述的三个阶段处理方式具体为：
B1)第一阶段滤除外界杂散光干扰，包括：激光光束不进行扫描，而由光电二极管接收环境杂散光并进行光电转换，得到杂散光的干扰信号其中n为待检测组分的种类数；
B2)第二阶段光束通过无待测气体时的气体吸收池得到参考信号，包括：激光光束进行扫描，光束通过没有充入待测气体的气体吸收池，得到参考信号其中n为待检测组分的种类数；
B3)第三阶段光束通过有待测气体的气体吸收池得到检测信号，包括：激光光束经过同一个气体吸收池，此时含有待测气体，激光进行扫描，得到检测信号其中n为待检测组分的种类数；
三个阶段过程中光束没有进行分束，是一路光信号，三个扫描阶段不是同时进行的，而是依次完成，中间有较小的时间间隔；
C)三路信号经过光电转换，功率放大和相敏检波器得到三者的二次谐波模拟信号，接下来进行运算处理之后，三者模拟信号转换为数字信号；
D)运算处理后的数字信号进行时频域变换；
E)变换过程中用优化算法实时优化时频域变换的阈值，最后得到经过最优阈值时频域变换的理想数字信号；具体包括以下过程：
E1)为了降低噪声，提高系统的信噪比，评价噪声降低的效果，建立目标函数的数学模型，作为评价噪声高低的指标，关系式为：
其中，ΔM和ΔN分别指时间和频率的采样间隔，h(k)为综合窗函数，M和N表示时域和频域的采样点数，且有ΔM*M＝ΔN*N＝L，An,2(k)为含有噪声的信号，为有用信号，其中，γ*[k]与γ[k]共轭，γ[k]为h[k]的对偶分析窗函数；cx(m,n)、cs(m,n)、分别代表An,2(k)、进行离散Gabor变化所得到的Gabor系数；cmax和cmin分别是指Gabor系数的最大值和最小值；T为阈值，取值范围为[0 1]；
E2)在阈值T的取值范围内，用遗传算法求解此数学模型，实时地使整个2s抽吸过程中系统的信噪比始终保持最大，从而起到良好的滤除噪声干扰的效果；
TOptimum时，SNR取到最大值，此时的二次谐波信号为：
是系统信噪比最大时的待测气体的二次谐波幅值，它已经扣除了背景信号和其他干扰信号的影响，是比较理想的有用信号；又因为待测气体的二次谐波幅值与相应待测气体浓度成正比，所以通过标定即可获得多种气体的浓度值；
F)通过并行处理多种组分的理想数字信号，得到待测气体的成分和浓度。
2.根据权利要求1所述的卷烟烟气气相物动态检测方法，其特征在于，步骤A)的具体方式如下：
A1)产生低频锯齿波驱动信号进行电流调制,获得扫描过中心波长的光束；
A2)产生高频正弦波驱动信号对低频锯齿波驱动信号进行调制，获得以中心波长为中心的范围内扫描的波段；
A3)调制后的信号驱动激光器产生特定波段范围内的光束；
A4)每个周期起始预设一个很短的时间间隔，期间不进行激光光束输出。
3.根据权利要求1所述的卷烟烟气气相物动态检测方法，其特征在于，步骤C)中，运算处理过程具体如下：
C1)第一路差分减法运算电路用于检测信号和参考信号的减法处理，得到含有杂散光干扰的目标信号其中n为待检测组分的种类数；
C2)第二路差分减法运算电路用于含有杂散光干扰的目标信号和杂散光的干扰信号的减法处理，得到目标信号fn(wL)，其中n为待检测组分的种类数；
C3)目标信号fn(wL)进行模拟信号和数字信号的转换，得到目标信号的二次谐波信号An，1(wL)，其中n为待检测组分的种类数。
4.根据权利要求1所述的卷烟烟气气相物动态检测方法，其特征在于，步骤D)中，对目标信号的二次谐波信号An，1(wL)进行离散Gabor展开。
5.根据权利要求1所述的卷烟烟气气相物动态检测方法，其特征在于，步骤F)中，多种组分检测包括以下过程：
F1)多种待测组分吸收谱线选择时,吸收谱线间隔应较小，而且在激光器电流扫描范围内，同时，吸收谱线间无重叠、强度相差不大、吸收谱线不受卷烟烟气中其他强吸收干扰谱线的干扰；
F2)多种待测组分吸收谱线线型函数选择Lorentz线型函数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610998097.9A CN106442405B (zh) | 2016-11-14 | 2016-11-14 | 一种卷烟烟气气相物动态检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610998097.9A CN106442405B (zh) | 2016-11-14 | 2016-11-14 | 一种卷烟烟气气相物动态检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106442405A CN106442405A (zh) | 2017-02-22 |
| CN106442405B true CN106442405B (zh) | 2019-12-27 |
Family
ID=58208508
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610998097.9A Active CN106442405B (zh) | 2016-11-14 | 2016-11-14 | 一种卷烟烟气气相物动态检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106442405B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118592892A (zh) * | 2017-11-16 | 2024-09-06 | 春风化雨(苏州)智能医疗科技有限公司 | 光学相干断层扫描生成正面血管造影图像的方法和系统 |
| CN112949017A (zh) * | 2019-12-11 | 2021-06-11 | 天津科技大学 | 一种基于tdlas技术的乙烯检测滤波仿真方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102590138B (zh) * | 2012-01-16 | 2013-11-27 | 清华大学 | 一种基于激光吸收光谱的气体浓度在线测量方法 |
| CN102680020B (zh) * | 2012-05-16 | 2014-08-13 | 清华大学 | 一种基于波长调制光谱技术的气体参数在线测量方法 |
| US8970842B2 (en) * | 2012-08-15 | 2015-03-03 | The Trustees Of Princeton University | Multi-harmonic inline reference cell for optical trace gas sensing |
| CN103558182B (zh) * | 2013-11-14 | 2016-04-20 | 重庆大学 | 一种用于激光气体在线分析仪确定气体浓度的方法 |
| CN103868885A (zh) * | 2014-03-27 | 2014-06-18 | 清华大学 | 基于复合多次谐波的气体浓度在线测量方法 |
-
2016
- 2016-11-14 CN CN201610998097.9A patent/CN106442405B/zh active Active
Non-Patent Citations (1)
| Title |
|---|
| 《基于Gabor变换的TDLAS检测信号的降噪研究》;崔海滨 等;《光谱学与光谱分析》;20160930;第36卷(第9期);第2997-3001页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106442405A (zh) | 2017-02-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8508739B2 (en) | Gas concentration measurement device | |
| US10345235B2 (en) | Optical signal processing method and apparatus for analysing time-decay signals | |
| CN108981953B (zh) | 一种基于干涉调制原理的激光吸收光谱测温方法和系统 | |
| EP1510798B1 (en) | Wavelength modulation spectroscopy method and system | |
| CN109596538B (zh) | 分析装置和分析方法 | |
| CN104126106A (zh) | 一种用于气体感测的免校准扫描波长调制光谱的方法 | |
| CN113390825B (zh) | 基于tdlas的时频域联合的气体浓度反演方法及装置 | |
| US4084906A (en) | Multigas digital correlation spectrometer | |
| CN103604774A (zh) | 基于非线性调谐提高激光气体分析灵敏度的方法和装置 | |
| CN104458650A (zh) | 用于测量试样气体的气体成分浓度的气体分析仪和方法 | |
| CN103616347A (zh) | 多气体谱线检测的最佳调制系数实现方法和装置 | |
| CN106442405B (zh) | 一种卷烟烟气气相物动态检测方法 | |
| JP6886507B2 (ja) | 分析装置、分析装置用プログラム及び分析方法 | |
| CN105527247A (zh) | 一种基于正弦波调制的高灵敏度激光甲烷测量装置及方法 | |
| EP3746774B1 (fr) | Procede et dispositif d'estimation des concentrations de plusieurs especes gazeuses differentes dans un echantillon de gaz | |
| CN110879215A (zh) | 基于参考补偿的可调谐激光工业废气在线监测装置及方法 | |
| CN114993944A (zh) | 一种甲烷和一氧化碳的共检测方法、装置及设备 | |
| JP2013024728A (ja) | レーザガス分析装置 | |
| CN103558182A (zh) | 一种用于激光气体在线分析仪确定气体浓度的方法 | |
| Werle | Time domain characterization of micrometeorological data based on a two sample variance | |
| Zhu et al. | Improved Savitzky-Golay filtering algorithm for measuring a pharmaceutical vial’s oxygen content based on wavelength modulation spectroscopy | |
| CN107255627B (zh) | 一种基于级数展开的气体浓度测量方法及其检测装置 | |
| US9970867B2 (en) | Method of determining the concentration of a gas component and spectrometer therefor | |
| CN109521002A (zh) | 一种固体燃料颗粒流的燃料特性测量方法 | |
| JP7014701B2 (ja) | 光学分析装置、並びに光学分析装置に用いられる機械学習装置及びその方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |