CN107796777A - 一种低浓度紫外差分气体分析仪的数据处理方法 - Google Patents
一种低浓度紫外差分气体分析仪的数据处理方法 Download PDFInfo
- Publication number
- CN107796777A CN107796777A CN201710982905.7A CN201710982905A CN107796777A CN 107796777 A CN107796777 A CN 107796777A CN 201710982905 A CN201710982905 A CN 201710982905A CN 107796777 A CN107796777 A CN 107796777A
- Authority
- CN
- China
- Prior art keywords
- data
- concentration
- gas
- optical parameter
- tested
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 239000007789 gas Substances 0.000 claims abstract description 117
- 230000003287 optical effect Effects 0.000 claims abstract description 72
- 238000000862 absorption spectrum Methods 0.000 claims abstract description 41
- 238000004611 spectroscopical analysis Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000003595 spectral effect Effects 0.000 claims abstract description 19
- 238000009499 grossing Methods 0.000 claims abstract description 17
- 230000001186 cumulative effect Effects 0.000 claims abstract description 11
- 238000004847 absorption spectroscopy Methods 0.000 claims abstract description 5
- 230000011218 segmentation Effects 0.000 claims abstract description 4
- 238000001228 spectrum Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000013316 zoning Methods 0.000 claims description 8
- 238000013459 approach Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 241001269238 Data Species 0.000 claims description 3
- 238000000205 computational method Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 5
- 238000011088 calibration curve Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000012360 testing method 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
- G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/127—Calibration; base line adjustment; drift compensation
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (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
本发明的目的是提供一种低浓度差分气体分析仪的数据处理方法,用以解决低浓度气体的浓度监测可靠性差的问题。包括:光谱仪暗噪音累加多次取平均获得光谱仪暗噪声数据;被测浓度气体光谱数据累加多次取平均获得被测浓度气体源光谱数据;以所述光谱仪暗噪声数据对所述被测气体源光谱数据进行补偿修正,获得目标光谱数据;利用平滑算法对目标数据进行预处理,得到光谱有效数据;利用紫外差分吸收光谱法计算光谱有效数据对应的被测气体光学参量;根据标准气体浓度与对应光学参量确定的曲线分段式计算被测气体浓度值。本方法提出的分段求解光学参量算法解决了不同气体在吸收光谱有重合区域时测量气体浓度的方法。
Description
技术领域
本发明涉及紫外差分吸收光谱技术领域,特别是涉及一种低浓度紫外差分气体分析仪的数据处理算法
背景技术
低浓度紫外气体分析仪主要用于测量气体的浓度值,广泛用于大气污染监测、固定污染源监测、火山气体监测等。紫外差分气体分析仪的原理是差分吸收光谱技术。
差分吸收光谱技术是一种基于光谱分析的气体浓度测量方法,其基本原理是用选定波长的光照射被测气体,测定其吸收度,再根据吸收光度计算被测气体的浓度。计算光度的理论依据是光的朗伯-比尔定律:当入射光的波长、物质的浓度及温度一定时,物质的吸收度同式样的厚度成正比。
目前紫外差分气体分析仪测量SO2的浓度时,其数据处理算法是以270~320nm波段内的数据作为光学参量计算区域这样只能测量高浓度气体浓度值,对于低浓度气体的测量可靠性非常低。
因此,提高低浓度紫外差分气体分析仪的监测精度是本领域急需解决的问题。
发明内容
本发明的目的是提供一种低浓度差分气体分析仪的数据处理方法,用以解决低浓度气体的浓度监测可靠性差的问题。
为解决上述技术问题,本发明提供了一种低浓度紫外差分气体分析仪的数据处理方法,包括:
光谱仪暗噪音累加多次取平均获得光谱仪暗噪声数据;
被测浓度气体光谱数据累加多次取平均获得被测浓度气体源光谱数据;
以所述光谱仪暗噪声数据对所述被测气体源光谱数据进行补偿修正,获得目标光谱数据;
利用平滑算法对目标数据进行预处理,得到光谱有效数据;
利用紫外差分吸收光谱法计算光谱有效数据对应的被测气体光学参量;
根据标准气体浓度与对应光学参量确定的曲线分段式计算被测气体浓度值。
进一步地,所述光谱仪暗噪音累加多次取平均用于修正测量过程中的随机误差,所述谱仪暗噪音数据对所述被测气体源光谱数据进行补偿修正,获得目标光谱数据具体包括:
利用公式得到所述被测浓度气体源光谱数据与所述光谱仪暗噪声数据的差值,即目标光谱数据,
其中,IO′(λ)为差值,亦即目标光谱数据;为所述被测浓度气体源光谱数据;为所述光谱仪暗噪声数据;
进一步地,所述平滑算法包括移动窗口拟合多项式平滑算法或小波平滑算法等可以有效去除数据中存在的噪声来提高光谱的信噪比。
进一步地,还包括被测气体中不同组分的光学参量获取过程包含数据拟合方法和光学参量计算方法。
进一步地,所述的数据拟合方法和光学参量计算方法具体包括:
截取所述的低浓度气体吸收光谱170~230nm波段数据作为计算区域;
截取上述计算区域的NO吸收光谱作为NO光学参量计算区域,剩余数据作为SO2光学参量计算区域;
对SO2光学参量计算区域采用傅立叶逼近方法获得SO2的拟合曲线;
通过NO的吸收光谱和SO2的拟合曲线得到NO的差分吸收光谱,选取226nm左右完整的差分吸收光谱计算NO的光学参量;
通过SO2的吸收光谱和其拟合曲线得到SO2的差分吸收光谱,抓取被NO吸收光谱分割开的一段幅值变化最明显的差分吸收光谱计算SO2的光学参量。
进一步地,根据标准气体浓度与对应光学参量确定的曲线计算被测气体浓度值为标准气体浓度与对应光学参量确定的曲线。
进一步地,所述标准气体浓度与对应光学参量确定曲线具体包括:
利用所述紫外差分气体吸收光谱计算低浓度标准气体的光学参量OP_l;
利用所述紫外差分气体吸收光谱计算中浓度标准气体的光学参量OP_m;
利用所述紫外差分气体吸收光谱计算高浓度标准气体的光学参量OP_h;
以光学参量为横坐标,浓度值为纵坐标建立坐标系;
将所述光学参量和浓度值对应至坐标系中做多项式拟合可确定曲线。
进一步地,在根据标准气体浓度与对应光学参量确定的曲线计算被测气体浓度值中,低浓度标准气体浓度为40mg/m3;中浓度标准气体浓度为100mg/m3,高浓度标准气体为160mg/m3。
本发明所提供的低浓度紫外差分气体分析仪的数据处理算法,首先对被测气体光谱数据进行累加求平均降低了系统随机误差,其次用光谱仪暗噪声对光谱数据做了修正补偿,之后采用平滑算法对数据进行预处理,去除了数据的高频噪声,提高了数据的信噪比,得到了光谱的有效数据。再之后对差分吸收光谱的求解过程和不同组分气体的光学参量求解过程进行了优化。通过几组光学参量对应浓度值建立坐标并求出对应拟合曲线,通过上述算法求解被测气体的光学参量对应至拟合曲线中得到被测气体浓度值。本方法提出的分段求解光学参量算法解决了不同气体在吸收光谱有重合区域时测量气体浓度的方法。
附图说明
图1为本发明的流程图;
图2为本发明提供的光学参量求解流程图;
图3为本发明提供的一种浓度求解流程图。
具体实施方式
下面通过实施例来对本发明的技术方案作进一步解释,但本发明的保护范围不受实施例任何形式上的限制。
实施例一
图1为本发明提供的一种低浓度紫外差分气体分析仪的数据处理算法的流程图。低浓度紫外差分气体分析仪的数据处理算法包括:
S10:光谱仪暗噪声累加多次取平均获得光谱仪暗噪声数据;
光谱仪暗噪声数据是指检测过程中关闭光源,光谱仪自身输出数据,对这些数据进行处理可获得光谱仪暗噪声数据。具体实施中,暗噪声数据是在光谱仪初始化时得到,处理方式是光谱仪连续输出多组数据,将不同波长处对应强度累加之后除以累加次数即可。累加次数视处理效果而定,数据形式为一维数组,数组内数据个数3694。
S11:被测气体光谱数据累加多次取平均获得被测气体源光谱数据
被测气体源光谱数据获取时需要将光源打开,气室内通入被测气体,光谱仪输出数据,对这些数据进行处理可获得被测气体光谱数据。具体实施中,被测气体光谱数据是在气室内充满被测气体,且气室温度压力流量达到设定值时,光谱仪连续输出多组数据,将不同波长出对应强度累加之后除以累加次数即可,累加次数应与暗噪声累加次数一致,数据形式为一维数组,数组内数据个数3694。
S12:以上述光谱仪噪声数据对上述被测气体源光谱数据进行补偿修正,获得目标光谱数据;
具体实施中,目标光谱数据的获取需用被测气体源光谱数据与光谱暗噪声对应波长强度求差即可,差值组成的数列就是目标光谱数据。
S13:利用平滑算法对目标数据进行预处理,得到光谱有效数据;
具体实施中平滑算法可以选用移动窗口拟合多项式平滑算法或小波平滑算法等可以有效去除数据中存在的噪声来提高光谱的信噪比。移动窗口拟合多项式平滑算法可以选择五点三次平滑算法,在matlab中可用命令y=smooth(x,span,′sgolay′,degree)实现,其中x是目标数据,span是数据平滑取点数,sgolay指多项式拟合方法,degree指多项式阶次,通过实验在这里span和degree分别取5、3获得的光谱数据更可靠。小波平滑算法可以选择小波DB3分解层2算法,在matlab中可调用wavemenu工具箱实现,选取wavelet 1-D目录下导入目标数据,小波类型选取db3,等级取2,分析之后即可获得光谱的有效数据。
S14:利用紫外差分吸收光谱法计算上述光谱有效数据对应的被测气体光学参量;
将步骤S13获得的光谱有效数据作为差分吸收光谱的输入数据源,可以计算出被测气体的光学参量。对于低浓度紫外差分气体分析仪而言,其光学参量的获取有别于高浓度紫外差分气体分析仪,此处暂不举例说明。
S15:根据标准气体浓度与对应光学参量确定的曲线计算被测气体浓度;
三组标准气体浓度与对应光学参量可拟合出一个两阶多项式曲线,即y=a0+a1x+a2x2,其中y为被测气体浓度,x为被测气体光学参量,以此可以直接计算出气体浓度。
本发明提供了一种低浓度紫外差分气体分析仪的数据处理算法,能够降低源光谱数据的随机误差,对源光谱数据进行修正补偿,通过平滑滤波之后获得有效光谱数据,优化的光谱慢变化求取算法使得光学参量更加精确。将光学参量带入拟合曲线中可以获得精度足够高的气体浓度值。
图2为本发明提供的一种光学参量求解流程图有别于传统紫外差分气体分析仪光学参量的求解过程,本发明求取的数据更适用于低浓度气体测量,并有足够高的精准度。
S20:截取所述的低浓度气体吸收光谱170~230nm波段数据作为计算区域;
该区域是多种气体吸收光谱重合区域,光谱吸收明显;
S21:针对SO2和NO在上述计算区域截取不同的光谱数据段;
具体实施中,截取上述计算区域的NO吸收光谱峰值左右数据段作为NO光谱数据段,剩余数据作为SO2光谱数据段;
S22:对SO2光谱数据段采用傅立叶逼近方法获得SO2的拟合曲线;
S23:利用上述拟合曲线计算SO2和NO的窄带吸收光谱;
S24:利用窄带吸收光谱计算SO2和NO的光学参量;
具体实施中,NO的光学参量应是226nm左右完整的窄带吸收数据之和,SO2的光学参量求取应先抓取被NO吸收光谱分割开的一段幅值变化最明显的窄带吸收光谱,对这段数据取绝对值之后求和即可。
本发明提出的光学参量求取过程,通过分段求解的方式可以在多种组分吸收光谱有重合的情况下获得有效的光学参量,很适合低浓度气体的监测。
图3为本发明提供的一种浓度求解流程图,具体步骤包括:
S30:利用所述紫外差分气体吸收光谱计算低浓度标准气体的光学参量OP_l;
S31:利用所述紫外差分气体吸收光谱计算中浓度标准气体的光学参量OP_m;
S32:利用所述紫外差分气体吸收光谱计算高浓度标准气体的光学参量OP_h;
S33:以光学参量为横坐标,浓度值为纵坐标建立坐标系;
S34:所述光学参量和浓度值对应至坐标系中做多项式拟合可得到标定曲线。
理论上讲,选取的标准气体越多获得的标定曲线更精确;
优选的,所述的低浓度标准气体浓度为40mg/m3,所述的中浓度标准气体浓度为100mg/m3,所述的高浓度标准气体为160mg/m3;
S35:被测气体按所述算法求得光学参量代入标定曲线中,计算出浓度值。
以上为本发明的较佳实施方式,但实施方式并不是用来限定本发明,在不脱离本发明之精神和范围内,所做的任何等效变化或润饰,同样属于本发明之保护范围,因此本发明的保护范围应当以本申请的权利要求所界定的内容为标准。
Claims (8)
1.一种低浓度紫外差分气体分析仪的数据处理方法,其特征在于,包括:
光谱仪暗噪音累加多次取平均获得光谱仪暗噪声数据;
被测浓度气体光谱数据累加多次取平均获得被测浓度气体源光谱数据;
以所述光谱仪暗噪声数据对所述被测气体源光谱数据进行补偿修正,获得目标光谱数据;
利用平滑算法对目标数据进行预处理,得到光谱有效数据;
利用紫外差分吸收光谱法计算光谱有效数据对应的被测气体光学参量;
根据标准气体浓度与对应光学参量确定的曲线分段式计算被测气体浓度值。
2.根据权利要求1所述的数据处理方法,其特征在于,所述光谱仪暗噪音累加多次取平均用于修正测量过程中的随机误差,所述谱仪暗噪音数据对所述被测气体源光谱数据进行补偿修正,获得目标光谱数据具体包括:
利用公式得到所述被测浓度气体源光谱数据与所述光谱仪暗噪声数据的差值,即目标光谱数据,
其中,IO′(λ)为差值,亦即目标光谱数据;为所述被测浓度气体源光谱数据;为所述光谱仪暗噪声数据;
3.根据权利要求1所述的数据处理方法,其特征在于,所述平滑算法包括移动窗口拟合多项式平滑算法或小波平滑算法等可以有效去除数据中存在的噪声来提高光谱的信噪比。
4.根据权利要求1所述的数据处理方法,其特征在于,还包括被测气体中不同组分的光学参量获取过程包含数据拟合方法和光学参量计算方法。
5.根据权利要求4所述的数据处理方法,其特征在于,所述的数据拟合方法和光学参量计算方法具体包括:
截取所述的低浓度气体吸收光谱170~230nm波段数据作为计算区域;
截取上述计算区域的NO吸收光谱作为NO光学参量计算区域,剩余数据作为SO光学参量计算区域;
对SO光学参量计算区域采用傅立叶逼近方法获得SO的拟合曲线;
通过NO的吸收光谱和SO的拟合曲线得到NO的差分吸收光谱,选取226nm左右完整的差分吸收光谱计算NO的光学参量;
通过SO的吸收光谱和其拟合曲线得到SO的差分吸收光谱,抓取被NO吸收光谱分割开的一段幅值变化最明显的差分吸收光谱计算SO的光学参量。
6.根据权利要求1所述的所述的数据处理方法,其特征在于,根据标准气体浓度与对应光学参量确定的曲线计算被测气体浓度值为标准气体浓度与对应光学参量确定的曲线。
7.根据权利要求6所述的所述的数据处理方法,所述标准气体浓度与对应光学参量确定曲线具体包括:
利用所述紫外差分气体吸收光谱计算低浓度标准气体的光学参量OP_l;
利用所述紫外差分气体吸收光谱计算中浓度标准气体的光学参量OP_m;
利用所述紫外差分气体吸收光谱计算高浓度标准气体的光学参量OP_h;
以光学参量为横坐标,浓度值为纵坐标建立坐标系;
将所述光学参量和浓度值对应至坐标系中做多项式拟合可确定曲线。
8.根据权利要求6所述的所述的数据处理方法,在根据标准气体浓度与对应光学参量确定的曲线计算被测气体浓度值中,所述的低浓度标准气体浓度为40mg/m3;所述的中浓度标准气体浓度为100mg/m3,所述的高浓度标准气体为160mg/m3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710982905.7A CN107796777A (zh) | 2017-10-20 | 2017-10-20 | 一种低浓度紫外差分气体分析仪的数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710982905.7A CN107796777A (zh) | 2017-10-20 | 2017-10-20 | 一种低浓度紫外差分气体分析仪的数据处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107796777A true CN107796777A (zh) | 2018-03-13 |
Family
ID=61534108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710982905.7A Pending CN107796777A (zh) | 2017-10-20 | 2017-10-20 | 一种低浓度紫外差分气体分析仪的数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107796777A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108956468A (zh) * | 2018-08-14 | 2018-12-07 | 武汉敢为科技有限公司 | 一种便携式长光程超低浓度紫外烟气分析系统 |
CN109827922A (zh) * | 2019-03-20 | 2019-05-31 | 深圳市艾科尔特检测有限公司 | 受铜离子污染水中硝酸盐氮测定时铜离子干扰的校正方法 |
CN110553988A (zh) * | 2019-08-30 | 2019-12-10 | 天津大学 | 一种基于叠加态思想的no低浓度信号提取方法 |
CN112666104A (zh) * | 2020-12-29 | 2021-04-16 | 西安鼎研科技股份有限公司 | 一种基于doas的气体浓度反演方法 |
CN114965616A (zh) * | 2022-06-01 | 2022-08-30 | 国网湖北省电力有限公司超高压公司 | 一种sf6分解气体检测方法 |
CN115523958A (zh) * | 2022-10-15 | 2022-12-27 | 浙江大学 | 基于光谱快慢分离原理的气体温度和浓度同步测量方法 |
CN117147475A (zh) * | 2023-10-30 | 2023-12-01 | 杭州泽天春来科技有限公司 | 气体分析仪的多目标气体分析方法、系统及可读介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102230891A (zh) * | 2011-03-15 | 2011-11-02 | 西安泰戈分析仪器有限责任公司 | 一种紫外光学多组分气体分析仪的数据处理系统 |
CN104458630A (zh) * | 2014-12-19 | 2015-03-25 | 重庆川仪自动化股份有限公司 | 一种紫外差分气体分析仪的数据处理方法及系统 |
CN105222892A (zh) * | 2015-11-04 | 2016-01-06 | 中国电子科技集团公司第四十一研究所 | 一种紫外光谱仪的波长定标方法 |
CN105572067A (zh) * | 2015-12-14 | 2016-05-11 | 重庆川仪自动化股份有限公司 | 基于光谱分析的烟气浓度测量方法 |
-
2017
- 2017-10-20 CN CN201710982905.7A patent/CN107796777A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102230891A (zh) * | 2011-03-15 | 2011-11-02 | 西安泰戈分析仪器有限责任公司 | 一种紫外光学多组分气体分析仪的数据处理系统 |
CN104458630A (zh) * | 2014-12-19 | 2015-03-25 | 重庆川仪自动化股份有限公司 | 一种紫外差分气体分析仪的数据处理方法及系统 |
CN105222892A (zh) * | 2015-11-04 | 2016-01-06 | 中国电子科技集团公司第四十一研究所 | 一种紫外光谱仪的波长定标方法 |
CN105572067A (zh) * | 2015-12-14 | 2016-05-11 | 重庆川仪自动化股份有限公司 | 基于光谱分析的烟气浓度测量方法 |
Non-Patent Citations (1)
Title |
---|
刘前林等: "傅里叶变换在差分吸收光谱技术气体浓度计算中的应用", 《光谱学与光谱分析》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108956468A (zh) * | 2018-08-14 | 2018-12-07 | 武汉敢为科技有限公司 | 一种便携式长光程超低浓度紫外烟气分析系统 |
CN109827922A (zh) * | 2019-03-20 | 2019-05-31 | 深圳市艾科尔特检测有限公司 | 受铜离子污染水中硝酸盐氮测定时铜离子干扰的校正方法 |
CN109827922B (zh) * | 2019-03-20 | 2021-08-13 | 深圳市艾科尔特检测有限公司 | 受铜离子污染水中硝酸盐氮测定时铜离子干扰的校正方法 |
CN110553988A (zh) * | 2019-08-30 | 2019-12-10 | 天津大学 | 一种基于叠加态思想的no低浓度信号提取方法 |
CN110553988B (zh) * | 2019-08-30 | 2021-08-20 | 天津大学 | 一种基于叠加态思想的no低浓度信号提取方法 |
CN112666104A (zh) * | 2020-12-29 | 2021-04-16 | 西安鼎研科技股份有限公司 | 一种基于doas的气体浓度反演方法 |
CN114965616A (zh) * | 2022-06-01 | 2022-08-30 | 国网湖北省电力有限公司超高压公司 | 一种sf6分解气体检测方法 |
CN115523958A (zh) * | 2022-10-15 | 2022-12-27 | 浙江大学 | 基于光谱快慢分离原理的气体温度和浓度同步测量方法 |
CN117147475A (zh) * | 2023-10-30 | 2023-12-01 | 杭州泽天春来科技有限公司 | 气体分析仪的多目标气体分析方法、系统及可读介质 |
CN117147475B (zh) * | 2023-10-30 | 2024-01-30 | 杭州泽天春来科技有限公司 | 气体分析仪的多目标气体分析方法、系统及可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107796777A (zh) | 一种低浓度紫外差分气体分析仪的数据处理方法 | |
CN108844939B (zh) | 基于非对称加权最小二乘的拉曼光谱检测基线校正方法 | |
WO2017084118A1 (zh) | 一种近红外光谱分析仪在线应用时无测点温度补偿模型修正方法 | |
CN107643252B (zh) | Wms检测瓶内氧气浓度的实时扣背景非线性校正方法 | |
US10241038B2 (en) | Spectrophotometer and spectrophotometry method | |
CN116388733B (zh) | 一种适用于近红外水果无损检测的光谱预处理方法及装置 | |
CN101105446A (zh) | 差分吸收光谱空气质量检测系统 | |
CN106769937A (zh) | 一种光谱数据处理方法 | |
CN115639168A (zh) | 气体分析仪的气体检测方法、系统及介质 | |
Wang et al. | Quantitative analysis of total nitrogen content in monoammonium phosphate fertilizer using visible-near infrared spectroscopy and least squares support vector machine | |
CN109520941B (zh) | 在线光谱测量仪器的响应函数校正方法 | |
CN105004707B (zh) | Ccd阵列在线拉曼光谱仪谱图标准化方法 | |
EP3746774A1 (fr) | Procede d'estimation des concentrations de plusieurs especes gazeuses differentes dans un echantillon de gaz | |
CN117194902A (zh) | 一种光谱测量过程中噪声数据滤除方法 | |
US7751051B2 (en) | Method for cross interference correction for correlation spectroscopy | |
CN109521002B (zh) | 一种固体燃料颗粒流的燃料特性测量方法 | |
CN106442405B (zh) | 一种卷烟烟气气相物动态检测方法 | |
Zhu et al. | Improved Savitzky-Golay filtering algorithm for measuring a pharmaceutical vial’s oxygen content based on wavelength modulation spectroscopy | |
CN106323888B (zh) | 一种超低排放烟气测量方法 | |
Yao et al. | Spectral filtering method for improvement of detection accuracy of Mg, Cu, Mn and Cr elements in aluminum alloys using femtosecond LIBS | |
JP5045871B2 (ja) | 分光分析装置における機体差の補正方法 | |
CN117007577B (zh) | 一种污染物毒性智能检测系统 | |
CN105300919A (zh) | 利用近红外光谱快速检测白酒中主要成分的方法 | |
CN117147475B (zh) | 气体分析仪的多目标气体分析方法、系统及可读介质 | |
CN105352866B (zh) | 基于氙灯灯源的光谱数据处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20210504 |