CN110672278A - 一种基于红外成像定量遥测生产装置VOCs泄漏的方法 - Google Patents
一种基于红外成像定量遥测生产装置VOCs泄漏的方法 Download PDFInfo
- Publication number
- CN110672278A CN110672278A CN201910981492.XA CN201910981492A CN110672278A CN 110672278 A CN110672278 A CN 110672278A CN 201910981492 A CN201910981492 A CN 201910981492A CN 110672278 A CN110672278 A CN 110672278A
- Authority
- CN
- China
- Prior art keywords
- infrared imaging
- infrared
- pollutant
- leakage
- pollutants
- 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.)
- Granted
Links
- 238000003331 infrared imaging Methods 0.000 title claims abstract description 135
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000012855 volatile organic compound Substances 0.000 title claims abstract description 21
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 125
- 231100000719 pollutant Toxicity 0.000 claims abstract description 125
- 238000010521 absorption reaction Methods 0.000 claims abstract description 29
- 238000009792 diffusion process Methods 0.000 claims abstract description 23
- 238000005070 sampling Methods 0.000 claims abstract description 23
- 238000003384 imaging method Methods 0.000 claims abstract description 13
- 230000008859 change Effects 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 238000012935 Averaging Methods 0.000 claims abstract description 5
- 239000000126 substance Substances 0.000 claims abstract description 5
- 238000005259 measurement Methods 0.000 claims description 47
- 238000010586 diagram Methods 0.000 claims description 29
- 238000004088 simulation Methods 0.000 claims description 16
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000000862 absorption spectrum Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000002834 transmittance Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000012634 optical imaging Methods 0.000 claims description 3
- 230000035515 penetration Effects 0.000 claims 1
- 239000007789 gas Substances 0.000 description 18
- 238000001514 detection method Methods 0.000 description 13
- 239000000356 contaminant Substances 0.000 description 10
- 238000013459 approach Methods 0.000 description 5
- 230000008439 repair process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000009776 industrial production Methods 0.000 description 3
- 238000002835 absorbance Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000002360 explosive Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 208000032750 Device leakage Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 230000007096 poisonous effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
-
- 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)
- General 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)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提出了一种基于红外成像定量遥测生产装置VOCs泄漏的方法，测量速度快、准确。首先基于红外成像定位污染物泄漏点位置，定性识别泄漏污染物化学组成；然后修正红外成像受泄漏点所在区域表面反射特性；之后基于同态滤波方法分离出污染物红外成像中高频的污染物吸收率，由其计算成像像素上污染物含量；其后以固定采样频率连续测量泄漏点所在区域红外成像，采取循环迭代的方式仿真计算每幅红外成像中的风速图；最后，选取红外成像中一个包含泄漏点的固定区域，基于气体扩散方程及风速图计算单位时间内穿越区域边界的污染物含量，将其与区域内污染物含量改变量相加获得泄漏流量，将一段时间内的泄漏流量取平均值获得生产装置的污染物泄漏率。
Description
技术领域：
本发明属于污染气体检测领域，具体涉及一种基于红外成像的对工业生产中装置密封泄漏导致的VOCs及其它污染物排放进行快速、准确、方便的定量遥测的方法。
背景技术：
炼油、石化、化工等工业生产装置泄漏造成的气体污染物排放是挥发性有机物(VOCs)及其它污染物的重要污染源，泄漏检测与修复(LDAR)技术通过发现生产装置中的泄漏点并及时修复可大幅减少VOCs及其它污染物排放，具有重要的社会意义，其关键技术之一是如何高效的从数量巨大的生产装置组件中发现极少数正在发生严重泄漏的组件。
目前国内外针对LDAR技术已开展了大量的研究工作，例如美国石油学会(API)在对加州炼油企业LDAR的跟踪研究中发现生产装置中最常出现泄漏的组件包括：阀门、泵、压缩机、泄压装置、连接器(法兰)等，其中90％以上的泄漏组件可在不影响正常生产的情况下通过简单地紧固或在线密封方法快速修复，仅有少量组件需要停工检修时更换，LDAR所需投入的检测、维修等费用不到泄漏损失造成的10％，而炼油生产中采用LDAR的企业与不采用的企业相比可减少装置泄漏造成的VOCs及其它污染物排放在60％以上；此外研究中还发现占组件总数0.13％的高泄漏组件(＞10000ppm)造成的污染物排放占所有组件污染物排放的84％，占可通过快速修复减少的污染物排放总量的92％，发生泄漏的组件位置具有很大的随机性,且修复后组件出现再次泄漏的数目可以忽略不计。美国环保署(EPA)及其下属执法机构环保署国家执法调查中心和南海岸空气质量管理局的相关研究支持了API的结论，由于极少数的高泄漏组件造成了绝大部分的污染物排放，基于与其它污染控制模式的经济性分析对比EPA提出及时检测发现并修复生产装置中发生严重泄漏组件是控制、降低污染物排放的关键所在。此外，EPA相关研究中建立了根据泄漏点表面污染物浓度及扩散模型对泄漏污染物排放流量进行估测的方法。
目前，国内外出台的LDAR相关规范主要基于EPA的火焰离子化检测器(FID)检测方法，在排查严重泄漏组件时采用FID检测器在泄漏点表面1cm以内测量污染物浓度，其测量速度很慢且难以检测一些处于高位、悬空等不易接近的位置的生产装置，在检测含高温或含有毒、有害、易爆气体的生产装置时会对检测人员带来危险隐患，此外，空气流动(风)的干扰以及无法确保测量点正好放置于泄漏浓度最高的位置等原因造成EPA的FID测量方法的测量结果可能存在很大误差，基于此方法估算生产装置污染物排放泄漏率及总量具有很大误差。红外成像技术具有测量速度快且可远距离遥测的优势，其具有的区域测量而非单点测量的特点使其测量结果比FID方法更为准确，然而传统红外成像技术的测量结果会受到风速、反射特性、环境光光强波动、测量距离等因素的严重影响，其中(1)风速对污染气体扩散及流动会产生严重影响。由于红外成像反应观测路径上污染物对红外光的能量吸收，其携带的信息本质上体现的是沿观测路径的污染物浓度的积分(浓度距离积)，而非某一特定空间点上的污染物浓度，必须获得准确的扩散模型才能计算泄漏点表面上的污染物浓度，这在风速未知的情况下难以实现；(2)计算污染物吸收率时需要同时拥有红外成像与成像背景，红外成像可由仪器直接测量，而成像背景是入射环境光在生产装置上反射后的产物，反射特性会严重影响反射出的红外光，自然环境中入射环境光光强的波动也会时刻影响成像背景的光强，这造成成像背景的不断变化；(3)观测距离会影响红外成像空间采样分辨率，影响污染物浓度、泄漏率的计算。上述因素造成传统红外成像方法无法实现对污染物浓度的定量测量。
本专利提出了一种可对生产装置的VOCs泄漏进行定量测量的红外成像方法，其基于测距、红外背景提取以及污染物扩散过程仿真计算对传统红外成像技术在测量中受到的各种干扰影响进行修正，通过对泄漏点所在区域的连续红外成像进行分析，计算泄漏点污染物泄漏率。此方法与目前常用的FID等近距离测量方法相比，具有测量速度快、测量精度高、可遥测不易接近或具有危险隐患的生产装置的优点，此外还可为生产装置的VOCs泄漏的排放总量计算提供手段。
发明内容：
为了克服上述现有技术的缺点，本发明的目的是为了在生产装置泄漏检测中采用红外成像遥测的方式，通过针对风速、反射特性、环境光照、距离等因素干扰影响的修正，实现对VOCs泄漏的定量检测。为此提出一种采用测距技术(例如：激光测距、共焦测距等)测量红外成像仪到生产装置间的距离，由几何光学成像公式计算生产装置在红外成像仪中成像的放大倍率，由放大倍率计算每个像素在生产装置距离处的投影面积，并由红外成像中像素上污染物吸收波段的吸收率计算像素上的污染物浓度距离积，通过与像素在生产装置距离处的投影面积相乘获得像素上的污染物含量，对泄漏点所在区域进行连续的红外成像测量，基于循环迭代仿真计算红外成像中的风速图，设定具有固定边界的包含泄漏点的区域，基于气体扩散理论计算单位时间内穿过区域边界的污染物含量，将其与区域内污染物含量的改变量相加获得泄漏点的污染物泄漏流量，对一段时间内的泄漏流量取平均值获得生产装置污染物泄漏率的方法。
为了实现上述目的，本发明采用的技术方案是：
一种基于红外成像定量遥测生产装置VOCs泄漏的方法，其特征为：采用红外成像仪、测距模块(可采用但不仅限于激光测距模块或共焦测距模块)、数据处理模块(可采用但不仅限于笔记本电脑或数字信号处理器)相结合的设计，采用红外成像仪测量生产装置的红外成像，采用测距模块测量红外成像仪与生产装置间的距离，采用数据处理模块提取连续测量获得的具有相同采样时间间隔的多幅红外成像数据中的污染物含量及风速信息，从红外成像中划分出一个将污染源包含在内的固定区域，计算穿越区域边界的污染物含量及区域内污染物含量变化量，实现定量计算生产装置的污染物泄漏率。
一种基于红外成像定量遥测生产装置VOCs泄漏的方法包括如下步骤：
步骤一：在生产装置泄漏检测中，依次选择红外成像仪不同红外波段对生产装置进行观测，若包含强烈的吸收则说明存在严重泄漏点，VOCs及其它污染物具有各自的红外特征吸收波谱，根据生产装置泄漏气体的特征吸收波谱定性识别泄漏污染物的化学组成。依据红外特征吸收波段，对生产装置泄漏点进行红外成像(红外成像中吸收最强烈的像素点所在的位置为泄漏点)。
步骤二：在红外成像仪中选择一个非污染物红外特征吸收的波段，对生产装置泄漏点所在区域进行测量，将测量获得的红外成像作为成像背景，成像背景反映了泄漏点所在区域不同位置(像素)处的反射特性信息。选择污染物红外特征吸收波段，采用红外成像仪以固定的采样时间间隔连续测量泄漏点所在区域的红外成像，将测量获得的红外成像数据进行减除成像背景的预处理，用以消除泄漏点所在区域反射特性对红外成像造成的影响，并根据测量时间的先后顺序对预处理后的红外成像(从1开始)编号。
步骤三：红外成像数据是待测生产装置表面发射的红外光透过光路上的污染物，被污染物部分吸收后由成像仪测量得到的结果，即S＝I·T，其中S为红外成像数据，I为生产装置表面发射的红外光强，T为红外光透过光路上污染物的透过率。在红外成像平面中，I为低频变化量，T为高频变化量。对S中所有像素值取对数，得到ln S＝ln I+ln T。在红外成像平面上对ln S高通滤波，获得高频分量ln T，经幂指数计算求得T，并进一步求得污染物吸收率
采用Lambert-Beer定律A＝klc，其中k为污染物吸收系数，l为距离，c为污染物浓度，计算红外成像中每个像素上污染物的浓度距离积lc。
步骤四：采用测距技术(可采用但不仅限于激光测距或共焦测距)测量红外成像仪与生产装置间的距离，通过红外成像仪镜头的焦距，根据几何光学成像公式计算生产装置在红外成像仪中成像的放大倍数，由放大倍数计算红外成像仪中单个像素在生产装置所在距离处的投影面积。将每个像素上的浓度距离积与像素在生产装置所在距离处的投影面积相乘，获得此像素内包含的污染物含量。
步骤五：通过对比仿真计算的红外成像与实测红外成像间的差异，基于循环迭代的流程，计算每幅红外成像的风速图：在计算第n幅红外成像的风速图时(n为正整数)，由第n幅红外成像的污染物含量分布作为初始条件，基于设定的红外成像中的初始风速图(其中，对于n＝1时初始风速图设定为处处为零，对于n>1时初始风速图设定为之前求得的第n-1幅红外成像的风速图)及气体扩散方程仿真计算一个采样时间间隔后(即测量第n+1幅红外成像时)的污染物含量分布；通过将实测的第n+1幅红外成像与由第n幅红外成像仿真计算获得的第n+1幅红外成像的污染物含量分布图相减，获得由于仿真使用的风速图与实际风速图存在差异导致的实测与仿真红外成像间的误差，以此误差作为反馈基于光流法对初始风速图进行修正；使用新的风速图进行仿真，通过不断循环迭代上述过程直至使用的风速图仿真的红外成像与实测红外成像间误差的均方根降低到最小，即继续循环迭代无法进一步降低误差的均方根为止。以此时的风速图作为第n幅红外成像采集时刻的风速图。
步骤六：在红外成像中划分出一个具有固定边界的将泄漏点包含在内的区域(可采用但不仅限于以泄漏点为中心的固定半径的圆形区域或固定边长的矩形区域)。对测量获得的每幅红外成像图，根据其风速图、红外成像的采样时间、气体扩散方程计算采样时间内穿越区域边界的污染物含量，将其与采样时间内区域内的污染物含量的改变量相加获得采样时间内的污染物泄漏量，将污染物泄漏量除以采样时间获得污染物泄漏流量。将测量获得的所有红外成像图的污染物泄漏流量取平均值获得所测量装置的泄漏率。
本发明对比现有技术具有的有益效果是：
1、炼油、石化、化工等工业中具有巨大数量的可能发生生产装置泄漏的组件，传统的基于FID的检测方法的速度很慢，需要消耗大量的人工成本，本发明基于红外成像技术，通过对风速等干扰影响的修正，可实现对生产装置泄漏的快速定量测量，大幅降低检测所需的人工成本。
2、传统的基于FID的方法会受到空气流动(风)的影响，且难以保证探测器正好放置于污染物浓度最高的位置，因此其测量结果容易存在较大误差，由其估算生产装置排放污染物泄漏率及泄漏总量的误差也较大。本发明基于红外成像技术，具有测量泄漏点所在区域内不同位置上污染物含量的能力，可避免传统FID方法放置位置不准带来的误差，同时可由连续测量获得的红外成像计算出区域内的风速，消除风对测量结果带来的影响，可实现对生产装置泄漏更加准确的测量。
3、传统的基于FID的方法难以检测一些处于高位、悬空等不易接近的位置的生产装置，同时在检测一些内含高温或内含有毒、有害、易爆气体的生产装置时会对检测人员带来危险隐患。本发明基于红外成像技术具有远距离遥测能力，适宜对不易接近或存在危险隐患的生产装置进行测量，弥补了传统检测方法的不足之处。
综上所述，本发明具有测量速度快、测量准确和可遥测不易接近或存在危险隐患的生产装置的有益效果。可对工业生产装置的VOCs泄漏进行更快速、准确、方便的检测。
附图说明：
图1为基于红外成像定量遥测生产装置VOCs泄漏的装置原理图。
图2为风速图计算算法流程图。
具体实施方式：
下面结合附图和实施例详细说明本发明的实施方式。
本发明提供的一种基于红外成像定量遥测生产装置VOCs泄漏的方法的装置原理图如图1所示。主要包含由红外成像仪1测量生产装置的红外成像，测距模块2(可采用但不仅限于激光测距或共焦测距)测量红外成像仪与生产装置之间的距离，数据处理模块3(可采用但不仅限于笔记本电脑或数字信号处理器)对来自红外成像仪1与测距模块2的数据进行处理，提取红外成像数据中的污染物含量信息及风速信息，通过计算将污染物泄漏点包含在内的固定区域的边界上污染物流量及区域内污染物含量的变化量，实现定量计算生产装置的污染物泄漏率。
其工作原理为：
首先，在工业现场对生产装置泄漏进行检测时，先采用红外成像仪观测各生产装置的红外成像，对于没有泄漏或微量泄漏的生产装置其红外成像中不含有可见的烟气状的红外吸收，对于出现严重泄漏的生产装置其红外成像中将有明显的烟气状的红外吸收，由此可从大量的待测生产装置中快速筛选出少数泄漏明显的生产装置并按下述步骤对污染物排放进行定量测量，根据测量结果是否超过泄漏阈值决定是否需要及时修复。
对于上述筛查出的包含严重泄漏的生产装置，由于VOCs及其它污染物具有各自的特征吸收波谱，根据生产装置红外成像中泄漏气体的红外吸收波谱可定性识别泄漏污染物的化学组成。选择识别出的泄漏污染物特征吸收波段对生产装置进行红外成像测量，以测量获得的红外成像中吸收最强烈的像素点作为泄漏点的位置。
使用红外成像仪中非污染物吸收的红外波段测量装置泄漏点所在区域的红外成像S0,由于S0不受污染物吸收影响，其主要体现装置表面不同位置的反射特性信息，对于下列步骤中使用污染物吸收波段测量获得的污染物红外成像均先进行减除S0的预处理，消除反射特性对红外成像带来的影响。
使用污染物的特征吸收波段，将泄漏点所在位置(像素)置于红外成像的中心附近，对其进行测量。测量获得的红外成像I1可以写成，
I1(x，y，t)＝Ienv(x，y，t)·kf·T(x，y，t)
其中，Ienv为入射到装置表面的环境光强，x,y为红外成像中像素坐标,t为时间，kf为装置表面对环境光的反射率，T为生产装置反射的红外光穿过泄漏出的污染物区域时的透过率。上述红外成像各成分中kf为高频分量，可由前述的除以S0的预处理进行归一化；Ienv为随空间坐标x,y以及时间t而缓慢改变的低频分量，T体现了污染物吸收的信息，其随空间坐标x,y以及时间t均会发生快速改变，为高频分量，一般情况下红外成像中只有少部分的沿污染物气体扩散路径上的像素存在明显的(高于检出限的)污染物红外吸收，即存在T＜1的情况，而绝大部分像素上不存在污染物吸收，这些像素上T＝1，即红外成像在这些像素上应与成像背景相等。根据上述分量处于频率域中高频、低频两个区域的特点，可采用同态滤波方法将二者解耦分离，从而计算获得与污染物含量相关的参数透过率T。
其中，在解耦过程中采用的同态滤波方法是基于傅里叶变换的分配性等基本性质：
Ψ(f(x，y))<＝>F(u，v)
其中F(u，v)是对任意函数f(x，y)的傅里叶变化，Ψ为傅里叶变换符号，则有
Ψ(f1(x，y)+f2(x，y))＝Ψ(f1(x，y))+Ψ(f2(x，y))
对于f1(x，y)与f2(x，y)相乘的情况，若f1(x，y)与f2(x，y)分别为低频与高频成分，则可采用先取对数再进行傅里叶变换的方法对低频与高频进行解耦，即
Ψ{ln(f1(x，y)·f2(x，y))}＝Ψ{ln(f1(x，y))+ln(f2(x，y))}＝Ψ{ln(f1(x，y))}+Ψ{ln(f2(x，y))}
此时，由于f1(x，y)与f2(x，y)分别为低频与高频成分，ln(f1(x，y))与ln(f2(x，y))也会分别为低频与高频成分，通过低通(高通)滤波将低频成分与高频成分分离后再进行幂指数运算可计算获得f1(x，y)与f2(x，y)。在本专利实施中即采用同态滤波的方法从红外成像中分离出属于高频分量的透过率T，进而可通过Lambert-Beer定律求出红外成像各像素上污染物的浓度距离积。Lambert-Beer定律为：
此式中A为污染气体的吸光度，T为透过率，K为污染物对其特征红外波段的吸收系数，VOCs及其它污染物各自的K值均可查表获得，l为光路的光程(即距离)，c为光路上污染物的平均浓度。吸光度与污染物的浓度距离积(lc)之间满足线性关系。
接下来使用测距模块测量红外成像仪到生产装置间的距离，例如可采用但不仅限于激光测距或共焦测距进行距离测量，根据测量获得的距离及红外成像仪镜头的焦距，通过几何光学成像公式计算生产装置在红外成像仪中成像的放大倍率，通过放大倍率计算红外成像仪中单个像素对应的生产装置所在距离处的投影面积。将每个像素点上的浓度距离积与像素在生产装置所在距离处的投影面积相乘，获得此像素点包含的污染物的含量。
采用红外成像仪以固定采样频率(即相同采样时间间隔)对生产装置泄漏点所在区域进行连续测量，测量获得多幅红外成像。设两幅红外成像间测量时间间隔为t，由测量的时间顺序对测量获得的连续红外成像图像依次以从1开始的正整数编号为
按下述循环迭代的步骤(其流程图如图2所示)对红外成像的风速图进行计算：对于测量获得的红外成像
根据气体扩散公式及预设风速图仿真计算下一张红外成像
其中，计算首张红外成像
时预设风速图设定为各处均为0，计算其它红外成像
时风速图初始设定为前一张红外成像
最终计算出的风速图。由仿真计算与仪器实测的红外成像的误差
作为反馈，基于光流法对风速图
进行修正，并重新仿真计算图像
直至中所有像素点上的值的均方根最小(继续循环迭代也无法使
的均方根降低)，从而获得红外成像
的风速图
最后，选取红外成像中将泄漏点包含在内的一个具有固定边界的区域，例如可以但不仅限于选取一个以泄漏点为中心的矩形区域或圆形区域，基于风速图、红外成像的采样时间t以及气体扩散方程计算每幅红外成像在采样时间内穿越区域边界的污染物含量，其与区域内污染物含量的改变量之和即为污染物泄漏量，其中区域内污染物含量的改变量可由本幅红外成像与下一幅红外成像在区域中的污染物含量的相减获得。将污染物泄漏量除以采样时间t获得污染物泄漏流量。将测量获得的所有红外成像图的污染物泄漏流量取平均值即可获得所测量装置的泄漏率。
其中，仿真计算时间t后的红外成像时所采用的气体扩散方程为Fick第一定律与第二定律，即污染物在空气中扩散的动力源于污染物浓度梯度，根据Fick第一定律单位时间内通过垂直于扩散方向的单位截面积的扩散流量与该截面处的浓度梯度成正比：
其中，J为扩散流量，D为扩散系数，
为Hamilton梯度算子，n为浓度。设由红外成像仪到待测生产装置的测量光路方向为z方向，z方向垂直于红外成像所在平面，与红外成像中的x、y坐标轴所在方向互相正交。由于污染物沿z方向的扩散分量不会影响红外成像中每个像素内污染物的含量，因此在仿真研究中可只考虑污染物沿x方向与y方向的扩散分量：
污染气体浓度随时间t的变化可由Fick第二定律获得：
其中，此式中的Δ为拉普拉斯算子，基于上述气体扩散方程可仿真计算经时间t后污染气体的扩散情况。
Claims (2)
1.一种基于红外成像定量遥测生产装置VOCs泄漏的方法，其特征在于：
1)使用红外成像仪对生产装置进行观测，VOCs及其它污染物具有各自的特征红外吸收波谱，根据特征红外吸收波谱定性识别泄漏污染物的化学组成，以污染物的特征红外吸收波段对生产装置进行红外成像，将红外成像中吸收最强烈的像素点所在的位置定位为泄漏点位置；
2)在红外成像仪中选择一个特定的非污染物特征吸收的红外波段，对生产装置泄漏点所在区域进行测量，将获得的红外成像作为成像背景，该成像背景反映了泄漏点区域不同位置即像素处的反射特性信息，即为本底空白红外反射信息；选择污染物的吸收波段，采用红外成像仪以固定的采样时间间隔连续测量泄漏点区域的红外成像，将测量获得的红外成像数据进行减除成像背景的预处理，消除由泄漏点区域不同位置处反射特性不同造成的影响，根据测量时间的先后顺序对预处理后的红外成像编号；
3)红外成像数据是待测生产装置表面发射的红外光透过光路上的污染物，被污染物部分吸收后由成像仪测量得到的结果，即S＝I·T，其中S为红外成像数据，I为生产装置表面发射的红外光强，T为红外光透过光路上污染物的透过率；在红外成像平面中，I为低频变化量，T为高频变化量；对S中所有像素值取对数，得到lnS＝lnI+lnT；在红外成像平面上对lnS高通滤波，获得高频分量lnT，经幂指数计算求得T，并进一步求得污染物吸收率
采用Lambert-Beer定律A＝klc，其中k为污染物吸收系数，l为距离，c为污染物浓度，计算红外成像中每个像素上污染物的浓度距离积lc；
4)采用测距技术测量红外成像仪与生产装置间的距离，根据几何光学成像公式计算生产装置在红外成像仪中成像的放大倍数，由放大倍数计算红外成像中单个像素在生产装置距离处的投影面积；将每个像素上的浓度距离积与像素在生产装置距离处的投影面积相乘，获得像素上的污染物含量；
5)通过对比仿真计算的红外成像与实测红外成像间的差异，基于循环迭代的流程，计算每幅红外成像的风速图：在计算第n幅红外成像的风速图时，由第n幅红外成像的污染物含量分布作为初始条件，基于设定的红外成像中的初始风速图及气体扩散方程仿真计算一个采样时间间隔后即测量第n+1幅红外成像时的污染物含量分布；其中，对于n＝1时初始风速图设定为处处为零，对于n>1时初始风速图设定为之前求得的第n-1幅红外成像的风速图；通过将实测的第n+1幅红外成像与由第n幅红外成像仿真计算获得的第n+1幅红外成像的污染物含量分布图相减，获得由于仿真使用的风速图与实际风速图存在差异导致的实测与仿真红外成像间的误差，以此误差作为反馈基于光流法对初始风速图进行修正；使用新的风速图进行仿真，通过不断循环迭代上述过程直至使用的风速图仿真的红外成像与实测红外成像间误差的均方根降低到最小，即继续循环迭代无法进一步降低误差的均方根为止；以此时的风速图作为第n幅红外成像采集时刻的风速图；
6)在红外成像中划分出一个具有固定边界的将泄漏点包含在内的区域，对测量获得的每幅红外成像图，根据其风速图、红外成像的采样时间、气体扩散方程计算采样时间内穿越区域边界的污染物含量，将其与采样时间内区域内的污染物含量的改变量相加获得采样时间内的污染物泄漏量，将污染物泄漏量除以采样时间获得污染物泄漏流量；将测量获得的所有红外成像图的污染物泄漏流量取平均值获得所测量装置的泄漏率。
2.根据权利要求1所述的一种基于红外成像定量遥测生产装置VOCs泄漏的方法，其特征在于：采用红外成像仪、测距模块、数据处理模块相结合的系统设计，采用红外成像仪测量生产装置的红外成像，采用测距模块测量红外成像仪与生产装置间的距离，采用数据处理模块提取连续测量获得的具有相同采样时间间隔的多幅红外成像数据中的污染物含量及风速信息，在红外成像中划分出一个将泄漏点包含在内的固定区域，计算区域边界上污染物流量及区域内污染物含量的变化，实现定量计算生产装置的污染物泄漏率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910981492.XA CN110672278B (zh) | 2019-10-16 | 2019-10-16 | 一种基于红外成像定量遥测生产装置VOCs泄漏的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910981492.XA CN110672278B (zh) | 2019-10-16 | 2019-10-16 | 一种基于红外成像定量遥测生产装置VOCs泄漏的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110672278A true CN110672278A (zh) | 2020-01-10 |
| CN110672278B CN110672278B (zh) | 2021-04-30 |
Family
ID=69082768
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910981492.XA Active CN110672278B (zh) | 2019-10-16 | 2019-10-16 | 一种基于红外成像定量遥测生产装置VOCs泄漏的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110672278B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112781791A (zh) * | 2020-12-30 | 2021-05-11 | 大连海事大学 | 一种基于光学气体成像的VOCs气体泄漏检测方法及系统 |
| CN113470050A (zh) * | 2021-08-01 | 2021-10-01 | 北京环拓科技有限公司 | 利用双光谱图像解析识别和量化voc泄漏的方法 |
| CN113720788A (zh) * | 2020-05-25 | 2021-11-30 | 中国石油化工股份有限公司 | 炼化生产泄漏监测方法、装置、系统及红外成像装置 |
| CN113780138A (zh) * | 2021-08-31 | 2021-12-10 | 中国科学技术大学先进技术研究院 | 自适应鲁棒性VOCs气体泄漏检测方法、系统及存储介质 |
| CN113791039A (zh) * | 2020-05-25 | 2021-12-14 | 中国石油化工股份有限公司 | 危化品泄漏的无人机载侦检方法与系统 |
| CN114441513A (zh) * | 2020-11-03 | 2022-05-06 | 中国石油化工股份有限公司 | 一种含硫化氢设备泄漏扩散距离的估算方法 |
| CN118134933A (zh) * | 2024-05-08 | 2024-06-04 | 国网江苏省电力有限公司苏州供电分公司 | 用于变电设备状态感知的sf6泄漏定量检测方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008261865A (ja) * | 2008-05-08 | 2008-10-30 | Shimadzu Corp | 揮発性有機化合物測定装置 |
| CN105203270A (zh) * | 2015-09-15 | 2015-12-30 | 慧感(上海)物联网科技有限公司 | 一种基于无线通信的气体泄漏监测设备及方法 |
| WO2016187671A1 (en) * | 2015-05-27 | 2016-12-01 | Crc Care Pty Ltd | A method and apparatus for automatically determining volatile organic compounds (vocs) in a sample |
| CN106841087A (zh) * | 2017-04-17 | 2017-06-13 | 中国石油化工股份有限公司 | 石油化工企业无组织排放源vocs排放量测算方法 |
| CN107314983A (zh) * | 2016-06-12 | 2017-11-03 | 中国石油化工股份有限公司 | 基于开路式红外测算炼化装置vocs排放量的方法 |
| CN109154538A (zh) * | 2016-05-18 | 2019-01-04 | 多传感器科学公司 | 烃泄漏成像和定量传感器 |
| CN109686059A (zh) * | 2018-12-29 | 2019-04-26 | 北京维禹特科技发展有限公司 | 一种VOCs泄漏监测溯源系统及方法 |
| CN110192098A (zh) * | 2016-11-14 | 2019-08-30 | 奥普加尔光电工业有限公司 | 用于量化气体泄漏的系统和方法 |
| KR102024074B1 (ko) * | 2019-03-21 | 2019-09-24 | 주식회사 효림 | 실시간 지중 휘발성유기화합물의 누출감지시스템 |
-
2019
- 2019-10-16 CN CN201910981492.XA patent/CN110672278B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008261865A (ja) * | 2008-05-08 | 2008-10-30 | Shimadzu Corp | 揮発性有機化合物測定装置 |
| WO2016187671A1 (en) * | 2015-05-27 | 2016-12-01 | Crc Care Pty Ltd | A method and apparatus for automatically determining volatile organic compounds (vocs) in a sample |
| CN105203270A (zh) * | 2015-09-15 | 2015-12-30 | 慧感(上海)物联网科技有限公司 | 一种基于无线通信的气体泄漏监测设备及方法 |
| CN109154538A (zh) * | 2016-05-18 | 2019-01-04 | 多传感器科学公司 | 烃泄漏成像和定量传感器 |
| CN107314983A (zh) * | 2016-06-12 | 2017-11-03 | 中国石油化工股份有限公司 | 基于开路式红外测算炼化装置vocs排放量的方法 |
| CN110192098A (zh) * | 2016-11-14 | 2019-08-30 | 奥普加尔光电工业有限公司 | 用于量化气体泄漏的系统和方法 |
| CN106841087A (zh) * | 2017-04-17 | 2017-06-13 | 中国石油化工股份有限公司 | 石油化工企业无组织排放源vocs排放量测算方法 |
| CN109686059A (zh) * | 2018-12-29 | 2019-04-26 | 北京维禹特科技发展有限公司 | 一种VOCs泄漏监测溯源系统及方法 |
| KR102024074B1 (ko) * | 2019-03-21 | 2019-09-24 | 주식회사 효림 | 실시간 지중 휘발성유기화합물의 누출감지시스템 |
Non-Patent Citations (4)
| Title |
|---|
| SHEN WANG等: "A new leakage measurement method for damaged seal material", 《MEASUREMENT SCIENCE AND TECHNOLOGY》 * |
| 吕世龙 等: "FTIR固定污染源VOCs在线监测系统", 《光谱学与光谱分析》 * |
| 朱亮 等: "OP-FTIR稳定性对VOCs浓度监测的影响", 《安全、健康和环境》 * |
| 王君博 等: "VOCs在线监测气体吸收池的传输效率优化设计", 《激光技术》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113720788A (zh) * | 2020-05-25 | 2021-11-30 | 中国石油化工股份有限公司 | 炼化生产泄漏监测方法、装置、系统及红外成像装置 |
| CN113791039A (zh) * | 2020-05-25 | 2021-12-14 | 中国石油化工股份有限公司 | 危化品泄漏的无人机载侦检方法与系统 |
| CN114441513A (zh) * | 2020-11-03 | 2022-05-06 | 中国石油化工股份有限公司 | 一种含硫化氢设备泄漏扩散距离的估算方法 |
| CN114441513B (zh) * | 2020-11-03 | 2024-02-09 | 中国石油化工股份有限公司 | 一种含硫化氢设备泄漏扩散距离的估算方法 |
| CN112781791A (zh) * | 2020-12-30 | 2021-05-11 | 大连海事大学 | 一种基于光学气体成像的VOCs气体泄漏检测方法及系统 |
| CN113470050A (zh) * | 2021-08-01 | 2021-10-01 | 北京环拓科技有限公司 | 利用双光谱图像解析识别和量化voc泄漏的方法 |
| CN113780138A (zh) * | 2021-08-31 | 2021-12-10 | 中国科学技术大学先进技术研究院 | 自适应鲁棒性VOCs气体泄漏检测方法、系统及存储介质 |
| CN118134933A (zh) * | 2024-05-08 | 2024-06-04 | 国网江苏省电力有限公司苏州供电分公司 | 用于变电设备状态感知的sf6泄漏定量检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110672278B (zh) | 2021-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110672278B (zh) | 一种基于红外成像定量遥测生产装置VOCs泄漏的方法 | |
| CN106841087B (zh) | 石油化工企业无组织排放源vocs排放量测算方法 | |
| CN104736986B (zh) | 使用同位素比测量在人口稠密地区中进行气体泄漏检测和定位的方法 | |
| CN104819958B (zh) | 傅里叶变换红外光谱气体检测中自动消除水汽干扰的方法与装置 | |
| CN106446307B (zh) | 基于气溶胶地基数据的aod垂直订正效果评价方法及系统 | |
| CN107643252B (zh) | Wms检测瓶内氧气浓度的实时扣背景非线性校正方法 | |
| CN111367959B (zh) | 一种零时滞非线性扩展Granger因果分析方法 | |
| CN112525977B (zh) | 一种无组织VOCs泄漏在线监测溯源方法和系统 | |
| CN108318491A (zh) | 一种基于频谱曲率分析的织物缺陷检测方法 | |
| CN107631993A (zh) | 一种基于水汽残差谱分析的红外光谱识别方法 | |
| CN111553877A (zh) | 基于太赫兹陶瓷基复合材料叶片损伤识别和寿命评估方法 | |
| CN111781584A (zh) | 一种基于目标辐射o2吸收相关k分布法的被动测距方法 | |
| CN102230891A (zh) | 一种紫外光学多组分气体分析仪的数据处理系统 | |
| CN111220571B (zh) | 一种基于幅值离散度的二次谐波信号拟合方法及系统 | |
| CN100350278C (zh) | 数字式光学膜厚控制仪 | |
| CN105277531A (zh) | 一种基于分档的煤质特性测量方法 | |
| CN205067360U (zh) | 一种二氧化硫气体成像遥测装置 | |
| JPH06117600A (ja) | ガス、蒸気等の漏洩地点および漏洩量推定システム | |
| CN106525764A (zh) | 基于太赫兹时域光谱的材料表面光洁度检测方法 | |
| Reiche et al. | Comparative study to evaluate three ground-based optical remote sensing techniques under field conditions by a gas tracer experiment | |
| Morris | Experimentation and Modeling of the Effects of Along-Wind Dispersion on Cloud Characteristics of Finite-Duration Contaminant Releases in the Atmosphere | |
| Zhang et al. | Optimized adjustment of speed resolution and time alignment data for improving emissions estimations | |
| CN112259172A (zh) | 一种存在空气污染物化学反应情况的污染源逆向辨识方法 | |
| CN112198136A (zh) | 一种基于中红外光谱的汽轮机油酸值无损检测方法 | |
| Goodarzi et al. | Identifying flight modes of aerial planting projectile using Hilbert-Huang transformation |
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 |