CN108287141B - 一种基于光谱法的多组分气体浓度分析方法 - Google Patents
一种基于光谱法的多组分气体浓度分析方法 Download PDFInfo
- Publication number
- CN108287141B CN108287141B CN201711393919.1A CN201711393919A CN108287141B CN 108287141 B CN108287141 B CN 108287141B CN 201711393919 A CN201711393919 A CN 201711393919A CN 108287141 B CN108287141 B CN 108287141B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- gas
- sample
- wavelength
- response
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 131
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000004458 analytical method Methods 0.000 title claims abstract description 10
- 238000010521 absorption reaction Methods 0.000 claims abstract description 67
- 230000003595 spectral effect Effects 0.000 claims abstract description 26
- 238000000862 absorption spectrum Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 239000007789 gas Substances 0.000 claims description 134
- 239000000126 substance Substances 0.000 claims description 37
- 239000011159 matrix material Substances 0.000 claims description 27
- 238000002329 infrared spectrum Methods 0.000 claims description 15
- 238000004088 simulation Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 12
- 230000035945 sensitivity Effects 0.000 claims description 12
- 238000004611 spectroscopical analysis Methods 0.000 claims description 9
- 238000011088 calibration curve Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000010187 selection method Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 239000012491 analyte Substances 0.000 claims description 3
- 230000036755 cellular response Effects 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 238000010183 spectrum analysis Methods 0.000 abstract description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 3
- 239000000523 sample Substances 0.000 description 57
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 7
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 6
- 238000012628 principal component regression Methods 0.000 description 5
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Chemical compound CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 description 3
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 3
- YXFVVABEGXRONW-UHFFFAOYSA-N Toluene Chemical compound CC1=CC=CC=C1 YXFVVABEGXRONW-UHFFFAOYSA-N 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 229910052757 nitrogen Inorganic materials 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004445 quantitative analysis Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- VOPWNXZWBYDODV-UHFFFAOYSA-N Chlorodifluoromethane Chemical compound FC(F)Cl VOPWNXZWBYDODV-UHFFFAOYSA-N 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 description 1
- 238000001157 Fourier transform infrared spectrum Methods 0.000 description 1
- 238000000938 Fourier transform photoacoustic spectrum Methods 0.000 description 1
- 238000012614 Monte-Carlo sampling Methods 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- 229910001873 dinitrogen Inorganic materials 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000005303 weighing 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
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
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
本发明公开了一种基于光谱法的多组分气体浓度分析方法,包括如下步骤:确定宽光谱范围内的背景气体吸收响应光谱;确定宽光谱范围内的标准样品吸收响应光谱;确定标准样品内待测混合气体的吸收响应光谱;确定标准样品内待测混合气体各组分浓度值。本发明通过采用不对称重加权罚函数最小二乘法实现了吸收光谱信号的背景自动计算;通过采用差分式抗干扰波长选择算法解决了水蒸气以及组分抗干扰误差的问题,满足了高灵敏度、抗干扰的光谱分析装置的实时在线分析需求。
Description
技术领域
本发明涉及一种基于光谱法的多组分气体浓度分析方法,尤其适用于傅里叶变换红外光谱、光声光谱等宽光谱范围的分析装置中定量分析计算,属于气体检测领域技术领域。
背景技术
无论傅里叶变换红外光谱仪还是光声光谱分析仪,随着扫描覆盖的波长范围变宽,能够引起交叉干扰的物质数量也会随着变多,因此组分抗干扰问题比较更严重。目前红外光谱定量分析中,常用的多元校正方法为多元线性回归法(MLR)、主成分回归法(PCR)、偏最小二乘法(PLS)、人工神经网络(ANN)、支持向量机(SVM)等。主成分回归和偏最小二乘用于红外光谱定量分析建模已有30多年的历史。最小二乘估计是不稳健的,只要有一个奇异点存在于数据之中,就有可能使所得模型受到重大影响。而在主成分回归和偏最小二乘都是基于最小二乘估计的,因此它们也是不稳健估计,容易受到奇异点的影响。
针对奇异点的影响,通常采取蒙特卡洛采样的奇异样本回归诊断方法,另外一方面则是通过光谱波长的选择与模型优化。红外光谱谱带很宽而且重叠严重,选择被测物质的吸收波长非常困难,通常需要自动的变量筛选方法来解决问题。目前的变量筛选方法有间隔偏最小二乘法(iPLS)、无变量信息消除法(UVE)、蒙特卡罗无信息变量消除法(MC-UVE)、移动窗口偏最小二乘法(NWPLS)、模拟退火方法、遗传算法、竞争自适应重采样法(CARS)等。
正是由于这些问题的存在使得红外光谱定量分析技术在自动化应用中难以得到认可。在高湿环境下,水蒸气与材料释放出来的痕量有机物在宽光谱范围内的交叉干扰更为突出,因此红外光谱技术很难满足在线实时监测需求。
发明内容
本发明解决的技术问题是:克服现有技术的不足,本发明提供了一种基于光谱法的多组分气体浓度分析方法,通过采用不对称重加权罚函数最小二乘法实现了吸收光谱信号的背景自动计算;通过采用差分式抗干扰波长选择算法解决了水蒸气以及组分抗干扰误差的问题,满足了高灵敏度、抗干扰的光谱分析装置的实时在线分析需求。
本发明的技术解决方案是:
一种基于光谱法的多组分气体浓度分析方法,包括如下步骤:
S1,将待分析环境的背景气体通入光谱分析仪的反应池内,并在宽光谱范围内扫描获取背景气体吸收响应光谱Sb;
S2,将含m个气体的标准样品通入光谱分析仪的反应池内,并在宽光谱范围内扫描获取标准样品吸收响应光谱Ss;
S3,根据背景气体吸收响应光谱Sb计算参考背景信号Sna,再将标准样品吸收响应光谱Ss与参考背景信号Sna差分,计算混合气体的吸收响应光谱Sabs;
S4,从标准光谱数据库或自建光谱数据库中筛选出宽光谱范围内单位ppm浓度的标准气体响应光谱Sdi(i=1,2,……m);
将所述标准气体响应光谱Sdi与混合气体的吸收响应光谱Sabs作滤波运算,得出滤波后宽光谱范围内单位ppm浓度的标准气体响应光谱Sdif和滤波后混合气体的吸收响应光谱Sabsf;
对所述滤波后标准气体响应光谱Sdif进行波长选择,得出混合气体的波长序列点wi(i=1,2,……n);
按照混合气体中单位ppm浓度各物质滤波后标准气体响应光谱Sdif在波长序列点wi的输出值作为各物质在波长序列点的响应值系数矩阵Suij(i=1,2,……n;j=1,2,……m);
将滤波后混合气体的吸收响应光谱Sabsf在各波长序列点wi的值乘以各物质在波长序列点wi的响应值系数矩阵Suij,得出混合气体各组分浓度值Cj(j=1,2,……m)。
在上述的一种基于光谱法的多组分气体浓度分析方法中,所述S1~S3中;
将第一样品通入到光谱分析仪中,得到第一样品的特征吸收响应光谱,比对第一样品的标准红外光谱库,计算特征吸收峰的波长值矢量x1i,在波长扫描范围内特征峰的选取数量分段分布,数量不超过3个;
将第二样品通入到光谱分析仪中,得到第二样品的特征吸收响应光谱,比对第二样品的标准红外光谱库,计算特征吸收峰的波长值矢量x2i,在波长扫描范围内特征峰的选取数量分段分布,数量不超过3个;
将第三样品通入到光谱分析仪中,得到第三样品的特征吸收响应光谱,比对第三样品的标准红外光谱库,计算特征吸收峰的波长值矢量x3i,在波长扫描范围内特征峰的选取数量分段分布,数量不超过3个;
将上述样品的特征吸收峰波长值序列作为xi=[x1i,x2i,x3i],总的波长值序列个数设为5;将上述样品标准光谱库对应的波长值设为yi,对xi,yi构成的序列点进行拟合,得出上述样品的特征吸收响应光谱与标准光谱间的关系函数yi=f(xi)。
在上述的一种基于光谱法的多组分气体浓度分析方法中,所述S3中;参考背景信号Sna计算方法如下:
背景气体吸收响应光谱Sb包含的波长序列点数量记为Ns;
假定D为阶段对角阵差分,数据维数等于Ns:
假定加权系数初始值w1=[1;1;…;1],数据长度为背景气体吸收响应光谱Sb的数据长度;
对角阵W是以w为元素的对角阵:
按下式计算参考背景信号Sna:
Sna=(W+λDTD)-1W.Sb;
式中常数λ初值为105,该值取值为[104,2.5×104,5×104,105];
计算参考背景信号Sna背景气体吸收响应光谱Sb间的偏差d:
d=Sb-Sna,
其中m,σ为d的平均值与标准方差;
若新的加权系数满足下式则重新计算,否则得到参考背景信号Sna;
式中θ设定为10-5或10-6;
所述参考背景信号Sna计算方法记为不对称重加权罚函数最小二乘法。
在上述的一种基于光谱法的多组分气体浓度分析方法中,所述S4中;波长序列点wi选择方法如下:
对于第k个待分析物质(k=1,2,……m),滤波后宽光谱范围内单位ppm浓度的标准气体响应光谱为Sdifk
选择滤波后宽光谱范围内单位ppm浓度的标准气体响应光谱Sdifk中吸收光谱强度大于最大吸收光谱强度五分之一的特征吸收波长所覆盖的波长序列点wj,记为Sdifkj
第q个待分析物质(q=1,2,……,m;q≠k)单位ppm浓度在wj处的吸收光谱强度为αqj在波长序列点p处的吸收光谱强度为αqp其差值即为Δαq
计算交叉灵敏度系数δkp=Δαkp/Δαqp,遍历wj,从中选出抗交叉灵敏度为50:1时的δkp数组,此时的波长序列点记为wk,交叉灵敏度系数记为δk;
所述波长序列点wi选择方法记为差分式抗干扰波长选择算法。
在上述的一种基于光谱法的多组分气体浓度分析方法中,所述S4中;各物质在波长序列点的响应值系数矩阵Suij计算方法如下:
按照从大到小的顺序排列m个物质的交叉灵敏度系数δk(k=1,2,……m);
将标定曲线作为气体样品的x1值,将标定曲线的浓度矢量作为y1值;
将模拟仿真输出值作为气体样品的x2值,模拟仿真的浓度矢量作为y2值;
按照偏最小二乘法将上述方式生成的x=[x1,x2]与y=[y1,y2]矩阵合并计算,得出各物质在波长序列点的响应值系数矩阵Suij。
在上述的一种基于光谱法的多组分气体浓度分析方法中,所述模拟仿真输出值计算方法如下:
将已知浓度的第一样品通入气体测量装置中,得到第一样品的响应曲线;
根据上述特征吸收响应光谱与标准光谱间的关系函数yi=f(xi),校准第一样品的响应曲线,结合单位ppm浓度的标准红外光谱数据库,得出通入第一样品时,气体测量装置的气体池响应常数;
再通入第二样品和第三样品,分别得到通入第二样品和第三样品时,气体测量装置的气体池响应常数;
将上述气体池响应常数平均后,得到气体测量装置的气体池常数;
将模拟仿真的混合气体浓度矢量与单位ppm浓度的标准光谱相乘后与上述气体池常数以及设备所用激光器的线型函数进行卷积,卷积后的结果作为模拟仿真输出值。
本发明与现有技术相比的有益效果是:
【1】本发明采用了差分式抗干扰波长选择技术,仅利用部分波长序列点进行计算,能够缩短计算时间,同时也可以提高响应速度,由于采取的局部波长序列点,从一定程度上也能减弱未知干扰物的影响;克服了湿度对于待测物质的影响,实现了高湿环境下的光谱定量分析。
【2】本发明采用不对称重加权罚函数最小二乘法,解决了不同地区与环境下背景信号的差别大而不一致,实现了背景信号的自动获取,提高了仪器的环境适应性;同时建立了从标准红外谱线库到标定数据库的模型,实现了单点标定,对于某些物质可以免标定,能够节约标定时间。
【3】本发明提出了在线波长漂移校准算法,能够实现激光光源的波长漂移校准,提高了测量精度;同时提出了自动背景信号与环境湿度检测技术相结合,能够实现光谱分析仪的在线自校准功能。
附图说明
附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明的流程图
图2为气体分析装置的示意图
图3为实施例的宽谱光源光功率响应曲线
图4为实施例的高纯氮气响应光谱
图5为实施例的单位浓度响应谱线
图6为实施例的混合样本响应光谱以及自适应背景校正后的响应光谱
具体实施方式
为使本发明的方案更加明了,下面结合附图说明和具体实施例对本发明作进一步描述:
如图1所示,一种基于光谱法的多组分气体浓度分析方法,包括如下步骤:
S1,将待分析环境的背景气体通入光谱分析仪的反应池内,并在宽光谱范围内扫描获取背景气体吸收响应光谱Sb;
S2,将含m个气体的标准样品通入光谱分析仪的反应池内,并在宽光谱范围内扫描获取标准样品吸收响应光谱Ss;
S3,根据背景气体吸收响应光谱Sb计算参考背景信号Sna,再将标准样品吸收响应光谱Ss与参考背景信号Sna差分,计算混合气体的吸收响应光谱Sabs;
S4,从标准光谱数据库或自建光谱数据库中筛选出宽光谱范围内单位ppm浓度的标准气体响应光谱Sdi(i=1,2,……m);
将所述标准气体响应光谱Sdi与混合气体的吸收响应光谱Sabs作滤波运算,得出滤波后宽光谱范围内单位ppm浓度的标准气体响应光谱Sdif和滤波后混合气体的吸收响应光谱Sabsf;
对所述滤波后标准气体响应光谱Sdif进行波长选择,得出混合气体的波长序列点wi(i=1,2,……n);
按照混合气体中单位ppm浓度各物质滤波后标准气体响应光谱Sdif在波长序列点wi的输出值作为各物质在波长序列点的响应值系数矩阵Suij(i=1,2,……n;j=1,2,……m);
将滤波后混合气体的吸收响应光谱Sabsf在各波长序列点wi的值乘以各物质在波长序列点wi的响应值系数矩阵Suij,得出混合气体各组分浓度值Cj(j=1,2,……m)。
优选的,S1~S3中;
将第一样品通入到光谱分析仪中,得到第一样品的特征吸收响应光谱,比对第一样品的标准红外光谱库,计算特征吸收峰的波长值矢量x1i,在波长扫描范围内特征峰的选取数量分段分布,数量不超过3个;
将第二样品通入到光谱分析仪中,得到第二样品的特征吸收响应光谱,比对第二样品的标准红外光谱库,计算特征吸收峰的波长值矢量x2i,在波长扫描范围内特征峰的选取数量分段分布,数量不超过3个;
将第三样品通入到光谱分析仪中,得到第三样品的特征吸收响应光谱,比对第三样品的标准红外光谱库,计算特征吸收峰的波长值矢量x3i,在波长扫描范围内特征峰的选取数量分段分布,数量不超过3个;
将上述样品的特征吸收峰波长值序列作为xi=[x1i,x2i,x3i],总的波长值序列个数设为5;将上述样品标准光谱库对应的波长值设为yi,对xi,yi构成的序列点进行拟合,得出上述样品的特征吸收响应光谱与标准光谱间的关系函数yi=f(xi)。
优选的,S3中;参考背景信号Sna计算方法如下:
背景气体吸收响应光谱Sb包含的波长序列点数量记为Ns;
假定D为阶段对角阵差分,数据维数等于Ns:
假定加权系数初始值w1=[1;1;…;1],数据长度为背景气体吸收响应光谱Sb的数据长度;
对角阵W是以w为元素的对角阵:
按下式计算参考背景信号Sna:
Sna=(W+λDTD)-1W.Sb;
式中常数λ初值为105,该值取值为[104,2.5×104,5×104,105];
计算参考背景信号Sna与背景气体吸收响应光谱Sb间的偏差d:
d=Sb-Sna,
其中m,σ为d的平均值与标准方差;
若新的加权系数满足下式则重新计算,否则得到参考背景信号Sna;
式中θ设定为10-5或10-6;
所述参考背景信号Sna计算方法记为不对称重加权罚函数最小二乘法。
优选的,S4中;波长序列点wi选择方法如下:
对于第k个待分析物质(k=1,2,……m),滤波后宽光谱范围内单位ppm浓度的标准气体响应光谱为Sdifk
选择滤波后宽光谱范围内单位ppm浓度的标准气体响应光谱Sdifk中吸收光谱强度大于最大吸收光谱强度五分之一的特征吸收波长所覆盖的波长序列点wj,记为Sdifkj
第q个待分析物质(q=1,2,……,m;q≠k)单位ppm浓度在wj处的吸收光谱强度为αqj在波长序列点p处的吸收光谱强度为αqp其差值即为Δαq
计算交叉灵敏度系数δkp=Δαkp/Δαqp,遍历wj,从中选出抗交叉灵敏度为50:1时的δkp数组,此时的波长序列点记为wk,交叉灵敏度系数记为δk;
所述波长序列点wi选择方法记为差分式抗干扰波长选择算法。
优选的,S4中;各物质在波长序列点的响应值系数矩阵Suij计算方法如下:
按照从大到小的顺序排列m个物质的交叉灵敏度系数δk(k=1,2,……m);
将标定曲线作为气体样品的x1值,将标定曲线的浓度矢量作为y1值;
将模拟仿真输出值作为气体样品的x2值,模拟仿真的浓度矢量作为y2值;
按照偏最小二乘法将上述方式生成的x=[x1,x2]与y=[y1,y2]矩阵合并计算,得出各物质在波长序列点的响应值系数矩阵Suij。
优选的,模拟仿真输出值计算方法如下:
将已知浓度的第一样品通入气体测量装置中,得到第一样品的响应曲线;
根据上述特征吸收响应光谱与标准光谱间的关系函数yi=f(xi),校准第一样品的响应曲线,结合单位ppm浓度的标准红外光谱数据库,得出通入第一样品时,气体测量装置的气体池响应常数;
再通入第二样品和第三样品,分别得到通入第二样品和第三样品时,气体测量装置的气体池响应常数;
将上述气体池响应常数平均后,得到气体测量装置的气体池常数;
将模拟仿真的混合气体浓度矢量与单位ppm浓度的标准光谱相乘后与上述气体池常数以及设备所用激光器的线型函数进行卷积,卷积后的结果作为模拟仿真输出值。
实施例:
如图2所示,气体测量装置包括宽谱光源、气体池、检测器和数据采集处理模块;宽谱光源可以是连续光源经过傅里叶变换后的干涉光源,也可以是外腔式量子级联激光光源。本实施例采用的是8-10um的外腔式量子级联激光光源(OEM Mini-100),检测器与气体池采用的是Gasera PA201,数据采集处理模块是基于线阵CMOS图像传感器的DSP模块进行相位解调与数据处理。激光器外壳温度稳定在25℃,重复频率设定为1MHz,占空比为5%,脉冲宽度为100ns,最小扫描步进波长为0.1cm-1。光功率曲线采用的是Thorlabs公司的S302C热释电探头结合PM200,其光功率曲线如图3所示。
本实施例中标定气体选择氨、苯、甲苯、甲醇、乙醇、甲烷、氟利昂22、乙酸等物质进行标定,混合气体通过高精度质量流量控制(精度优于满量程的1%),气体的流量为500ml/min。
基于光谱法的多组分气体浓度分析方法应用于本实施例时,具体步骤如下:
第一步,采用干燥的高纯氮气(99.999%)充入气体池内,确定宽光谱范围内的背景气体吸收响应光谱,测试前确保气体池内壁吹扫干净(长时间输出曲线标准方差<0.005);取稳定后的连续五次响应光谱的平均值作为背景气体吸收响应光谱Sb;如图4所示。
第二步,采用氟利昂22,甲醇、甲烷三种物质进行标定,选择1174.5cm-1,1135.75cm-1,1244.1cm-1,1108.8cm-1,1247.85cm-1,1033.36cm-1进行波长校准,得到激光器的输出波长x与特征吸收响应光谱的实际波长y的关系为:y=1.0035x-3.3795。
第三步,采用标准样品与高纯氮气混合的已知浓度的响应曲线。标准样品的浓度通过高浓度样品与高纯氮气稀释的方式生成,目标浓度在测量量程范围内的10%~90%左右,总共测试5个浓度点(10%,30%,50%,70%,90%),单种物质的标定谱线如图5所示,对于多个浓度点的曲线进行差分运算后,按浓度归一化成单位ppm浓度的吸收响应曲线,如图6所示;
针对其他未标定物质的单位响应光谱,从PNNL或Hitran等数据库中获取后,换成成单位ppm浓度的相应光谱,外腔调制量子级联激光器(EC-QCL)的线型采用的是洛伦兹线型,激光器的半峰半宽为0.3cm’-1。
第四步,根据第二步确定的光谱响应曲线,建立气体的光谱响应矩阵Sij,将抗交叉干扰系数设定为50:1(0.02),波长扫描步进波长为0.2cm-1,采用基于抗交叉干扰系数的差分式波长选择算法得出最终运算波长点为[1024.2,1027.0,1033.8,1037.9,1040.3,1040.7,1050.5,1053.1,1079.0,1113.9,1178.1,1184.0,1185.0,1234.3,1242.4,1244.4,1247.0,1247.8]。
第五步,对第三步获取的单位浓度响应谱线按照第四步确定的波长点抽样取值,得到单位浓度光谱响应矩阵X与浓度值组成的单位矩阵Y,利用偏最小二乘算法得出矩阵B,Y=XB。
第六步,通过配气设备将待测气体在预设浓度范围内进行任意比例混合,记录下混合气体中各组分的浓度与体积,获得待测混合气体的吸收光谱Ss,混合气体中的背景采用不对称重加权罚函数最小二乘法(λ=1×105,θ=1×10-5),若背景偏离Sb,则更新Sb,否则采用Sb替代。
第七步,对第六步获取的待测样本响应光谱按照第四步确定的波长点抽样后得到新的矩阵Xsamp,最终的浓度矩阵C=Xsamp×B。
本发明说明书中未详细描述的内容为本领域技术人员公知技术。
Claims (5)
1.一种基于光谱法的多组分气体浓度分析方法,其特征在于:包括如下步骤:
S1,将待分析环境的背景气体通入光谱分析仪的反应池内,并在宽光谱范围内扫描获取背景气体吸收响应光谱Sb;
S2,将含m个气体的标准样品通入光谱分析仪的反应池内,并在宽光谱范围内扫描获取标准样品吸收响应光谱Ss;
S3,根据背景气体吸收响应光谱Sb计算参考背景信号Sna,再将标准样品吸收响应光谱Ss与参考背景信号Sna差分,计算混合气体的吸收响应光谱Sabs;
S4,从标准光谱数据库或自建光谱数据库中筛选出宽光谱范围内单位ppm浓度的标准气体响应光谱Sdi(i=1,2,……m);
将所述标准气体响应光谱Sdi与混合气体的吸收响应光谱Sabs作滤波运算,得出滤波后宽光谱范围内单位ppm浓度的标准气体响应光谱Sdif和滤波后混合气体的吸收响应光谱Sabsf;
对所述滤波后标准气体响应光谱Sdif进行波长选择,得出混合气体的波长序列点wi(i=1,2,……n);
按照混合气体中单位ppm浓度各物质滤波后标准气体响应光谱Sdif在波长序列点wi的输出值作为各物质在波长序列点的响应值系数矩阵Suij(i=1,2,……n;j=1,2,……m);
将滤波后混合气体的吸收响应光谱Sabsf在各波长序列点wi的值乘以各物质在波长序列点wi的响应值系数矩阵Suij,得出混合气体各组分浓度值Cj(j=1,2,……m);
所述S3中;参考背景信号Sna计算方法如下:
背景气体吸收响应光谱Sb包含的波长序列点数量记为Ns;
假定D为阶段对角阵差分,数据维数等于Ns:
假定加权系数初始值w1=[1;1;…;1],数据长度为背景气体吸收响应光谱Sb的数据长度;
对角阵W是以w为元素的对角阵:
按下式计算参考背景信号Sna:
Sna=(W+λDTD)-1W·Sb;
式中常数λ初值为105,该值取值为[104,2.5×104,5×104,105];
计算参考背景信号Sna与背景气体吸收响应光谱Sb间的偏差d:
d=Sb-Sna,
其中m,σ为d的平均值与标准方差;
若新的加权系数满足下式则重新计算,否则得到参考背景信号Sna;
式中θ设定为10-5或10-6;
所述参考背景信号Sna计算方法记为不对称重加权罚函数最小二乘法。
2.根据权利要求1所述的一种基于光谱法的多组分气体浓度分析方法,其特征在于:所述S1~S3中;
将第一样品通入到光谱分析仪中,得到第一样品的特征吸收响应光谱,比对第一样品的标准红外光谱库,计算特征吸收峰的波长值矢量x1i,在波长扫描范围内特征峰的选取数量分段分布,数量不超过3个;
将第二样品通入到光谱分析仪中,得到第二样品的特征吸收响应光谱,比对第二样品的标准红外光谱库,计算特征吸收峰的波长值矢量x2i,在波长扫描范围内特征峰的选取数量分段分布,数量不超过3个;
将第三样品通入到光谱分析仪中,得到第三样品的特征吸收响应光谱,比对第三样品的标准红外光谱库,计算特征吸收峰的波长值矢量x3i,在波长扫描范围内特征峰的选取数量分段分布,数量不超过3个;
将上述样品的特征吸收峰波长值序列作为xi=[x1i,x2i,x3i],总的波长值序列个数设为5;将上述样品标准光谱库对应的波长值设为yi,对xi,yi构成的序列点进行拟合,得出上述样品的特征吸收响应光谱与标准光谱间的关系函数yi=f(xi)。
3.根据权利要求1所述的一种基于光谱法的多组分气体浓度分析方法,其特征在于:所述S4中;波长序列点wi选择方法如下:
对于第k个待分析物质(k=1,2,……m),滤波后宽光谱范围内单位ppm浓度的标准气体响应光谱为Sdifk
选择滤波后宽光谱范围内单位ppm浓度的标准气体响应光谱Sdifk中吸收光谱强度大于最大吸收光谱强度五分之一的特征吸收波长所覆盖的波长序列点wj,记为Sdifkj
第q个待分析物质(q=1,2,……,m;q≠k)单位ppm浓度在wj处的吸收光谱强度为αqj在波长序列点p处的吸收光谱强度为αqp其差值即为Δαq
计算交叉灵敏度系数δkp=Δαkp/Δαqp,遍历wj,从中选出抗交叉灵敏度为50:1时的δkp数组,此时的波长序列点记为wk,交叉灵敏度系数记为δk;
所述波长序列点wi选择方法记为差分式抗干扰波长选择算法。
4.根据权利要求1所述的一种基于光谱法的多组分气体浓度分析方法,其特征在于:所述S4中;各物质在波长序列点的响应值系数矩阵Suij计算方法如下:
按照从大到小的顺序排列m个物质的交叉灵敏度系数δk(k=1,2,……m);
将标定曲线作为气体样品的x1值,将标定曲线的浓度矢量作为y1值;
将模拟仿真输出值作为气体样品的x2值,模拟仿真的浓度矢量作为y2值;
按照偏最小二乘法将上述方式生成的x=[x1,x2]与y=[y1,y2]矩阵合并计算,得出各物质在波长序列点的响应值系数矩阵Suij。
5.根据权利要求4所述的一种基于光谱法的多组分气体浓度分析方法,其特征在于:所述模拟仿真输出值计算方法如下:
将已知浓度的第一样品通入气体测量装置中,得到第一样品的响应曲线;
根据上述特征吸收响应光谱与标准光谱间的关系函数yi=f(xi),校准第一样品的响应曲线,结合单位ppm浓度的标准红外光谱数据库,得出通入第一样品时,气体测量装置的气体池响应常数;
再通入第二样品和第三样品,分别得到通入第二样品和第三样品时,气体测量装置的气体池响应常数;
将上述气体池响应常数平均后,得到气体测量装置的气体池常数;
将模拟仿真的混合气体浓度矢量与单位ppm浓度的标准光谱相乘后与上述气体池常数以及设备所用激光器的线型函数进行卷积,卷积后的结果作为模拟仿真输出值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711393919.1A CN108287141B (zh) | 2017-12-21 | 2017-12-21 | 一种基于光谱法的多组分气体浓度分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711393919.1A CN108287141B (zh) | 2017-12-21 | 2017-12-21 | 一种基于光谱法的多组分气体浓度分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108287141A CN108287141A (zh) | 2018-07-17 |
CN108287141B true CN108287141B (zh) | 2020-11-10 |
Family
ID=62832175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711393919.1A Active CN108287141B (zh) | 2017-12-21 | 2017-12-21 | 一种基于光谱法的多组分气体浓度分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108287141B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109632681B (zh) * | 2018-12-29 | 2023-08-15 | 青岛崂应海纳光电环保集团有限公司 | 环境空气二氧化硫检测方法 |
CN111781164B (zh) * | 2019-04-04 | 2023-04-25 | 武汉米字能源科技有限公司 | 一种同时分析天然气中酸性组分含量的激光检测方法 |
CN111781166B (zh) * | 2019-04-04 | 2023-04-07 | 武汉米字能源科技有限公司 | 一种同时分析天然气中h2o和h2s含量的激光检测方法 |
CN111781165B (zh) * | 2019-04-04 | 2023-04-07 | 武汉米字能源科技有限公司 | 一种同时分析天然气中h2o和co2含量的激光检测方法 |
CN110907386A (zh) * | 2019-11-28 | 2020-03-24 | 光钙(上海)高科技有限公司 | 一种垃圾焚烧电厂多组分气体分析系统及其方法 |
CN111007018B (zh) * | 2019-12-18 | 2022-06-24 | 湖北久之洋红外系统股份有限公司 | 一种用于光谱气体检测的背景估计方法及系统 |
JP7436020B2 (ja) | 2020-04-30 | 2024-02-21 | 株式会社四国総合研究所 | ガス濃度測定装置およびガス濃度測定方法 |
CN111597762B (zh) * | 2020-05-29 | 2023-06-13 | 南京林业大学 | 一种x射线荧光光谱重叠峰分解方法 |
CN112730307B (zh) * | 2020-12-30 | 2022-12-16 | 安徽宝龙环保科技有限公司 | 气体浓度非线性测量方法、装置、计算机设备及存储介质 |
CN112986180B (zh) * | 2021-02-06 | 2021-12-24 | 复旦大学 | 一种光谱式气体传感数据处理方法及系统 |
CN112504987B (zh) * | 2021-02-06 | 2021-05-04 | 湖北鑫英泰系统技术股份有限公司 | 一种变压器油中气体乙烯和乙炔的混合识别方法及系统 |
CN112525843B (zh) * | 2021-02-07 | 2021-05-04 | 湖北鑫英泰系统技术股份有限公司 | 一种变压器油中气体甲烷和乙烯的混合识别方法及系统 |
CN113916810B (zh) * | 2021-09-27 | 2023-11-10 | 聚光科技(杭州)股份有限公司 | 多组分气体浓度分析方法 |
CN114414518A (zh) * | 2021-12-29 | 2022-04-29 | 杭州谱育科技发展有限公司 | 提高ftir预测准确度的方法 |
CN114720536A (zh) * | 2022-04-22 | 2022-07-08 | 河南省保时安电子科技有限公司 | 基于单点标定拟合算法的矿用有毒有害气体浓度检测方法 |
CN115639168B (zh) * | 2022-12-21 | 2023-04-07 | 杭州泽天春来科技有限公司 | 气体分析仪的气体检测方法、系统及介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101413884A (zh) * | 2008-11-21 | 2009-04-22 | 聚光科技(杭州)有限公司 | 近红外光谱分析仪及其分辨率的校正方法 |
CN102539377A (zh) * | 2012-01-19 | 2012-07-04 | 广州昂昇环境分析仪器有限公司 | 基于中红外吸收光谱的多组分混合气体定性定量分析方法及系统 |
CN102680425A (zh) * | 2012-03-21 | 2012-09-19 | 西安交通大学 | 多组分气体傅立叶变换光谱分析的多分析模型信息融合方法 |
CN103954560A (zh) * | 2014-04-29 | 2014-07-30 | 北京遥测技术研究所 | 一种用于光声多组分气体检测的空间光束耦合装置 |
CN104280355A (zh) * | 2014-10-24 | 2015-01-14 | 中国科学院上海光学精密机械研究所 | 氨气和二氧化硫气体浓度的检测装置和检测方法 |
CN104568836A (zh) * | 2015-01-26 | 2015-04-29 | 南京国电环保科技有限公司 | 基于多种光谱技术融合的低浓度、多组分气体检测方法 |
CN104807779A (zh) * | 2011-11-28 | 2015-07-29 | 横河电机株式会社 | 激光气体分析仪 |
CN105277503A (zh) * | 2015-08-20 | 2016-01-27 | 安徽大学 | 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 |
CN205484030U (zh) * | 2016-04-13 | 2016-08-17 | 河北工业大学 | 基于紫外吸收光谱h2s和so2混合气体浓度可调波长测量装置 |
KR20160102873A (ko) * | 2015-02-23 | 2016-08-31 | 한양대학교 산학협력단 | 원격 가스셀 검출기 |
CN106198429A (zh) * | 2016-08-04 | 2016-12-07 | 安徽省环境监测中心站 | 一体化园区有毒有害多组分doas气体分析仪 |
-
2017
- 2017-12-21 CN CN201711393919.1A patent/CN108287141B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101413884A (zh) * | 2008-11-21 | 2009-04-22 | 聚光科技(杭州)有限公司 | 近红外光谱分析仪及其分辨率的校正方法 |
CN104807779A (zh) * | 2011-11-28 | 2015-07-29 | 横河电机株式会社 | 激光气体分析仪 |
CN102539377A (zh) * | 2012-01-19 | 2012-07-04 | 广州昂昇环境分析仪器有限公司 | 基于中红外吸收光谱的多组分混合气体定性定量分析方法及系统 |
CN102680425A (zh) * | 2012-03-21 | 2012-09-19 | 西安交通大学 | 多组分气体傅立叶变换光谱分析的多分析模型信息融合方法 |
CN103954560A (zh) * | 2014-04-29 | 2014-07-30 | 北京遥测技术研究所 | 一种用于光声多组分气体检测的空间光束耦合装置 |
CN104280355A (zh) * | 2014-10-24 | 2015-01-14 | 中国科学院上海光学精密机械研究所 | 氨气和二氧化硫气体浓度的检测装置和检测方法 |
CN104568836A (zh) * | 2015-01-26 | 2015-04-29 | 南京国电环保科技有限公司 | 基于多种光谱技术融合的低浓度、多组分气体检测方法 |
KR20160102873A (ko) * | 2015-02-23 | 2016-08-31 | 한양대학교 산학협력단 | 원격 가스셀 검출기 |
CN105277503A (zh) * | 2015-08-20 | 2016-01-27 | 安徽大学 | 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 |
CN205484030U (zh) * | 2016-04-13 | 2016-08-17 | 河北工业大学 | 基于紫外吸收光谱h2s和so2混合气体浓度可调波长测量装置 |
CN106198429A (zh) * | 2016-08-04 | 2016-12-07 | 安徽省环境监测中心站 | 一体化园区有毒有害多组分doas气体分析仪 |
Non-Patent Citations (1)
Title |
---|
"气体光谱分析应用中傅里叶变换红外光谱基线漂移分段比校正方法";汤晓君 等;《光谱学与光谱分析》;20130228;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108287141A (zh) | 2018-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108287141B (zh) | 一种基于光谱法的多组分气体浓度分析方法 | |
Crosson | A cavity ring-down analyzer for measuring atmospheric levels of methane, carbon dioxide, and water vapor | |
US5610836A (en) | Process to use multivariate signal responses to analyze a sample | |
CA2599535C (en) | Method to reduce background noise in a spectrum | |
Sáiz-Abajo et al. | Ensemble methods and data augmentation by noise addition applied to the analysis of spectroscopic data | |
US10557792B2 (en) | Spectral modeling for complex absorption spectrum interpretation | |
US8629397B2 (en) | Spectrophotometer and method for calibrating the same | |
CN113324973B (zh) | 一种结合光谱内标的多因素校正拉曼光谱定量分析方法 | |
Moreira et al. | A low-cost NIR digital photometer based on ingaas sensors for the detection of milk adulterations with water | |
CN111693481A (zh) | 测定sf6气体中co含量非分散红外吸收光谱标定方法 | |
Kauffmann et al. | Inorganic salts diluted in water probed by Raman spectrometry: Data processing and performance evaluation | |
CN102410992B (zh) | 简化的激光诱导等离子体光谱标准化的元素测量方法 | |
Martens et al. | Pre‐processing in biochemometrics: correction for path‐length and temperature effects of water in FTIR bio‐spectroscopy by EMSC | |
CN103105369B (zh) | 液态物质光谱基线校正定量分析方法 | |
CN112345485B (zh) | 一种控温样品池和检测生物分子溶液构象转变温度的方法 | |
Chen et al. | Improving the linearity of spectroscopic data subjected to fluctuations in external variables by the extended loading space standardization | |
Din et al. | Fractional wavelet analysis for the simultaneous quantitative analysis of lacidipine and its photodegradation product by continuous wavelet transform and multilinear regression calibration | |
CN113252601B (zh) | 基于波长调制光谱技术的多组分物质检测方法及装置 | |
EP3892985A1 (en) | System and computer-implemented method for extrapolating calibration spectra | |
Workman Jr | Calibration transfer, Part VI: The mathematics of photometric standards used for spectroscopy | |
Liu et al. | Combined optimal-pathlengths method for near-infrared spectroscopy analysis | |
JP2003106999A (ja) | 土壌成分解析方法 | |
CN117191728B (zh) | 基于紫外可见吸收光谱测定多组分浓度的方法及应用 | |
JP2022527850A (ja) | 分光測定装置を構成するための方法 | |
CN116660185B (zh) | 一种多波长重金属离子溶液检测系统及其检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |