CN111579446B - 一种基于最优融合算法的粉尘浓度检测方法 - Google Patents
一种基于最优融合算法的粉尘浓度检测方法 Download PDFInfo
- Publication number
- CN111579446B CN111579446B CN202010426450.2A CN202010426450A CN111579446B CN 111579446 B CN111579446 B CN 111579446B CN 202010426450 A CN202010426450 A CN 202010426450A CN 111579446 B CN111579446 B CN 111579446B
- Authority
- CN
- China
- Prior art keywords
- fusion
- value
- dust concentration
- subunit
- values
- 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
- 239000000428 dust Substances 0.000 title claims abstract description 118
- 230000004927 fusion Effects 0.000 title claims abstract description 75
- 238000001514 detection method Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 55
- 238000000149 argon plasma sintering Methods 0.000 claims abstract description 53
- 230000006698 induction Effects 0.000 claims abstract description 40
- 238000005457 optimization Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 2
- 238000010606 normalization Methods 0.000 abstract description 3
- 238000002474 experimental method Methods 0.000 description 12
- 230000008901 benefit Effects 0.000 description 11
- 239000002245 particle Substances 0.000 description 7
- 239000003245 coal Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 238000001370 static light scattering Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000011258 core-shell material Substances 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 206010035653 pneumoconiosis Diseases 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
- G01N15/0656—Investigating concentration of particle suspensions using electric, e.g. electrostatic methods or magnetic methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
- G01N15/075—Investigating concentration of particle suspensions by optical means
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Dispersion Chemistry (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于最优融合算法的粉尘浓度检测方法，属于粉尘浓度检测技术领域。该方法具体包括：S1：通过调节融合单元的自动换向阀，分别获取光散射子单元和电荷感应子单元的AD值；S2：将获取的AD值进行最值归一化，然后分别绘制光散射子单元和电荷感应子单元的AD值曲线a(x)和b(x)；S3：将AD值曲线一段区间分成n个节点；根据数据融合和最优化原理，将某次测试的a(x)和b(x)的AD值进行融合，得到AD融合值；S4：根据不同粉尘浓度的AD融合值，建立粉尘浓度与融合值的检测回归方程；S5：将AD融合值带入到检测回归方程中，得到最优融合的粉尘浓度值。本发明减小了检测误差和提高了标定分辨率、线性度。
Description
技术领域
本发明属于粉尘浓度检测技术领域，涉及一种基于最优融合算法的粉尘浓度检测方法。
背景技术
粉尘对人体危害很大，长期吸入会引发尘肺病；环境粉尘浓度达到一定程度还存在爆炸 隐患。因此，对粉尘浓度进行在线连续检测是防患未然的重要手段。目前，应用最多的粉尘 浓度在线检测方法主要是光散射法、电荷感应法，而基于两种方法的粉尘浓度检测技术的推 广，证明了两种方法对矿山粉尘在线检测的可行性。
肖赛在文献“粉尘颗粒光散射特性研究”中，研究了单个粉尘颗粒的光散射特性，计算 了不同尺寸粉尘颗粒的散射强度以及消光系数、散射系数随尺寸参数的变化。Xueshan Han 等在文献“Influences of refractive index on forward lightscattering[J].Optics Communications,2014,316:198-205”中，基于MIE理论，研究了粉尘颗粒周围介质对散射信号 的影响，发现归因于介质的相对折射率。Luis A.Clementi等在文献“Arturo Quirantes. Characterization of spherical core–shell particlesby static light scattering.Estimation of the core-and particle-sizedistributions[J].Journal of Quantitative Spectroscopy and Radiative Transfer,2012,113(17):2255-2264”中提出了一种通过静态光散射测量来表征球形粉尘颗粒的数值方法。 Juliusz B.Gajewski建立了探针电位与动态空间的粉尘颗粒电荷密度和净电荷之间的数学模 型；刘东旭等基于电荷感应原理，设计了电荷感应法粉尘浓度传感器，对粉尘浓度与感应电 流之间的关系进行试验研究。
国内外学者已对光散射法和电荷感应法检测粉尘浓度进行了宏观和微观研究，但目前大 部分学者，比如李德文等发现：光散射法适用于低粉尘浓度检测，电荷感应法则相反；并提 出粉尘浓度检测的最优方案是光散射法与电荷感应法相结合。因此，针对两种检测方法的局 限性，亟需一种新的粉尘浓度检测技术来提高粉尘浓度检测的精准度。
发明内容
有鉴于此，本发明的目的在于提供一种基于最优融合算法的粉尘浓度检测方法，克服光 散射法和电荷感应法对粉尘浓度检测的局限性，集中了两者的优点来减小检测误差和提高标 定分辨率、线性度。
为达到上述目的，本发明提供如下技术方案：
一种基于最优融合算法的粉尘浓度检测方法，具体包括以下步骤：
S1：通过调节融合单元的自动换向阀，分别获取光散射子单元和电荷感应子单元的AD 值；
S2：预处理获取的AD值，然后分别绘制光散射子单元和电荷感应子单元的AD值曲线 a(x)和b(x)；
S3：划分AD值曲线，根据数据融合和最优化原理，将某次测试的a(x)和b(x)的AD值进行融合，计算得到AD融合值fi(x)，从而得到AD融合值曲线c(x)；
S4：根据不同粉尘浓度的AD融合值，建立粉尘浓度与融合值的检测回归方程F(x)；
S5：将AD融合值带入到检测回归方程F(x)中，计算得到最优融合的粉尘浓度值。
进一步，步骤S1中，调节融合单元的自动换向阀的具体过程为：假设调节单元开机时， 光散射子单元正在含尘气流气路中，若Ai(x)≤n1，自动换向阀不动；若Ai(x)>n1，自动换向阀 切换到电荷感应子单元通道；假设开机时，电荷感应子单元正在含尘气流气路中时，若 Bi(x)<n2，自动换向阀不动；若Bi(x)≥n2，自动换向阀切换到光散射子单元；其中，Ai(x)和Bi(x) 分别为AD值曲线a(x)和b(x)反演得到的与粉尘浓度相关函数，n1、n2分别为在分界点粉尘浓 度处的Ai(x)和Bi(x)值。
进一步，步骤S2中，所述预处理获取的AD值具体为：将获取的AD值最值归一化。
进一步，步骤S3具体包括：将AD值曲线[0，xn]区间分成n个节点：0<x1<x2<···<xn，根 据数据融合和最优化原理，将某次测试的a(x)和b(x)的AD值进行融合，计算得到AD融合值 fi(x)，从而得到AD融合值曲线c(x)；
所述AD融合值fi(x)的计算公式为：
fi(x)＝[amin+(amax-amin)ai(x)]Ai(x)+[bmin+(bmax-bmin)bi(x)]Bi(x)
其中，amax和amin分别为光散射子单元输出的最大和最小AD值，bmax和bmin分别为电荷感应子单元输出的最大和最小AD值；
当x≤分界点粉尘浓度时，Ai(x)＝k1x2+k2x+k3，Bi(x)＝0，其中k1、k2、k3为回归方程的曲线系数；
当x>分界点粉尘浓度时，Ai(x)＝0，
其中m1、m2为回归方程的系数。
本发明的有益效果在于：
(1)本发明利用的融合单元能并联自动切换光散射子单元和电荷感应子单元，实现一套 装置能同时实现光散射法和电荷感应法对粉尘浓度的检测，提高检测效率。
(2)本发明克服了光散射法和电荷感应法对粉尘浓度检测的局限性，集中了两者的优点， 进一步减小了检测的误差和提高了标定分辨率、线性度。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某 种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发 明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详 细描述，其中：
图1为融合结构示意图；
图2为光散射子单元、电荷感应子单元AD值和融合值归一化曲线图；
图3为三种单元粉尘浓度检测误差对比图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露 的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加 以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精 神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本 发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
请参阅图1～图3，本发明将光散射子单元和电荷感应子单元进行结构融合；然后基于数 据融合原理，提出一种粉尘浓度检测算法，完成基于最优融合的粉尘浓度检测技术。
如图1所示的融合结构，当含尘气流中的粉尘浓度较小时，自动换向阀将气流自动切换 到光散射子单元中，利用了光散射法对低粉尘浓度检测的优势；而当含尘气流中的粉尘浓度 较大时，自动换向阀将气流自动切换到电荷感应子单元中，凭借电荷感应法对高粉尘浓度检 测的优势来减小粉尘浓度的检测误差。
以图1的融合单元为基础，基于最优化原理，采用数据融合方法，本发明实施例将对同 一被测粉尘对象在不同子单元的检测数据进行融合，提出一种能够克服单子单元各自局限性 的检测算法，而不同子单元的数据来源于完备的实验系统及可靠的实验。
实施例1：
1、实验准备：
(1)粉尘制样和标准仪器
实验选用的粉尘样品是煤粉，制作过程如下：从煤矿现场采回较大的煤块；放入破碎机 进行初步粉碎；再使用研磨机进行精细研磨，使煤粉的中位径均小于＜75μm；最后将煤粉 放置到温度为(25±5)℃烘箱中进行24h烘干。
标准仪器选用粉尘浓度测量的国际通用仪器：手工采样器。
(2)实验系统和环境
由定量发尘器((0～1000)mg/m3)、静电除尘器、压气泵、除尘管道(风硐)、风速测定仪(0～ 30)m/s、电脑控制台及变频风机组成粉尘发尘系统。发尘系统内风速稳定，在变频风机的作 用下，风速均匀性偏差≤5％；定量发尘器将粉尘喷入管道，风硐管道截面粉尘浓度均匀性相 对标准偏差≤5％。
实验室使用恒温空调使环境相对湿度小于60％RH，温度为(25±5)℃，且稳定。
2、数据融合
将光散射子单元和电荷感应子单元同时置于实验系统中进行实验，以手工采样器采样称 重的粉尘浓度值作为标准。再将两种子单元检测的粉尘浓度值以及AD值(16位)(减去电路的 背景噪声)记录整理。经过50次实验之后，从中抽取实验数据如表1所示。
表1光散射子单元和电荷感应子单元检测粉尘浓度实验数据表
两种子单元输出的AD值是粉尘浓度标定的基础，为了在同一水平进行数据融合，将光 散射子单元、电荷感应子单元输出的AD值和融合值进行最值归一化，绘制的AD值曲线为 a(x)、b(x)、c(x)，见图2所示。
如表1，光散射子单元检测误差：当粉尘浓度≤100mg/m3时，检测误差<10％；当粉尘 浓度为(100～500)mg/m3时，检测误差约(10～14)％；当粉尘浓度为(500～1000)mg/m3时，检 测误差约(14～15)％。电荷感应子单元检测误差：当粉尘浓度≤100mg/m3时，检测误差约(13～ 15)％；当粉尘浓度为(100～500)mg/m3时，检测误差约(8～13)％；当粉尘浓度为(500～1000) mg/m3时，检测误差约(7～8)％。
光散射子单元标定分辨率：在较低浓度(≤100mg/m3)时，约110～130(即(110～130)标定 1mg/m3粉尘浓度值)；随粉尘浓度升高，标定分辨率逐步减小，甚至910.2mg/m3时，分辨率 为35.3。电荷感应子单元标定分辨率：在较低浓度(≤100mg/m3)时，约3～8；随粉尘浓度升 高，标定分辨率逐步增大，910.2mg/m3时，分辨率为65.0。
比较发现：粉尘浓度低时，光散射法的检测误差小、标定分辨率高，而电荷感应法的检 测误差大、标定分辨率低；粉尘浓度升高后，两种检测方法的检测误差、标定分辨率与低粉 尘浓度时相反。由此可见：光散射法适用于较低粉尘浓度的检测，电荷感应法对高粉尘浓度 检测有优势。换而言之，光散射法检测较高粉尘浓度、电荷感应法检测较低粉尘浓度有局限 性。
为了克服光散射法或电荷感应法单一方法对粉尘浓度检测的局限性，基于最优化原理， 本发明实施例将集中光散射法对低粉尘浓度和电荷感应法对高粉尘浓度的检测优点，将两者 的检测数据进行融合。
AD值是传感单元标定被测粉尘浓度的基础数据，本发明实施例将两种子单元输出的AD 值进行数据融合，得到AD融合值。
如图2，光散射子单元AD值曲线为a(x)，电荷感应子单元AD值曲线为b(x)。将[0，xn] 区间分成n个节点：0<x1<x2<…<xn，根据数据融合和最优化原理，则将某次测试的a(x)和b(x) 的AD值进行融合，计算两条AD曲线间的融合值曲线c(x)，而fi(x)为AD融合值，如式(1) 为融合算法。
fi(x)＝[amin+(amax-amin)ai(x)]Ai(x)+[bmin+(bmax-bmin)bi(x)]Bi(x) (1)
其中：Ai(x)＝k1x2+k2x+k3(x≤100，Bi(x)＝0)；
(x>100，Ai(x)＝0)。
Ai(x)和Bi(x)均通过表1和图2数学反演得到与粉尘浓度相关的函数。
光散射子单元输出的最大和最小AD值为：amax、amin；电荷感应子单元输出的最大和最 小AD值为：bmax、bmin。
根据最优化原则，当粉尘浓度较低时，适用光散射法；而粉尘浓度较高时，电荷感应法 具有优势。因此，本实施根据表1的实验数据，将100mg/m3作为分界点，此时光散射法和电 荷感应法在分界点位置的值，Ai(100)＝n1，Bi(100)＝n2。当粉尘浓度≤100mg/m3时，Ai(x)≤n1采用光散射法检测粉尘浓度，此时Bi(x)＝0；而粉尘浓度＞100mg/m3时，Bi(x)＜n2使用电荷感 应法检测粉尘浓度，此时Ai(x)＝0。
将表1的两种子单元的AD值带入式(1)提取AD融合值，表2所示。
表2不同粉尘浓度的AD融合值
如表1和表2，光散射子单元的平均标定分辨率是88.7，电荷感应子单元的平均标定分 辨率是24.1；而经最优融合的融合值的平均标定分辨率是112.8，与光散射子单元相比分辨率 提高了1.27倍，与电荷感应子单元比较分辨率提高了4.68倍。可见，最优融合的AD融合值 提高了粉尘浓度检测的分辨率；同时从图2可知，融合值曲线c(x)比a(x)、b(x)的线性度好， 说明最优融合法的标定线性度比光散射法、电荷感应法好。
然后，基于表2中的实验数据，建立粉尘浓度与融合值的检测回归方程F(x)。
3、粉尘浓度检测
基于图1所示的融合结构和融合值算法构成了最优融合单元，得到一种新的粉尘浓度检 测算法。其算法的步骤如下：
(1)首先融合单元开机，将光散射子单元置于含尘气流气路中进行初步测试；根据表1， 若AD值反演后Ai(x)≤n1，自动换向阀不动，继续进行测试；若Ai(x)＞n1，自动换向阀切换 到电荷感应子单元通道。假设开机时，电荷感应子单元正在含尘气流气路中时，其方法与前 面相同，不同之处在于需比较Bi(x)和n2的大小来决定自动换向阀的动作。
(2)根据表1，将a(x)和b(x)带入式(1)计算AD融合值；
(3)最后将AD融合值带入到回归方程F(x)中，计算得到最优融合的粉尘浓度值。
验证实验：
将新型粉尘浓度检测算法写入最优融合单元，使用实施例1中的粉尘、标准仪器、实验 系统和环境，采用同样的方法对光散射子单元、电荷感应子单元和融合单元进行粉尘浓度检 测实验，分别记录光散射子单元、电荷感应子单元和融合单元的粉尘浓度检测值。经过50次 实验之后，从中抽取实验数据如表3所示，检测误差对比图如图3所示。
表3光散射子单元、电荷感应子单元、最优融合单元的粉尘浓度检测实验数据表
实验发现：最优融合单元的检测误差≤11.3％，比光散射子单元的误差小3.6％，比电荷 感应子单元的误差小3.5％。实验证明：最优融合的粉尘浓度检测技术的检测误差减小；克服 了光散射法和电荷感应法对粉尘浓度检测的局限性，最优融合的技术优势显著。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施 例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进 行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求 范围当中。
Claims (4)
1.一种基于最优融合算法的粉尘浓度检测方法，其特征在于，该方法具体包括以下步骤：
S1：通过调节融合单元的自动换向阀，分别获取光散射子单元和电荷感应子单元的AD值；
S2：预处理获取的AD值，然后分别绘制光散射子单元和电荷感应子单元的AD值曲线a(x)和b(x)；
S3：划分AD值曲线，根据数据融合和最优化原理，将第i次测试的AD值曲线ai(x)和bi(x)的AD值进行融合，计算得到AD融合值fi(x)，从而得到AD融合值曲线c(x)；
S4：根据不同粉尘浓度的AD融合值，建立粉尘浓度与融合值的检测回归方程F(x)；
S5：将AD融合值带入到检测回归方程F(x)中，计算得到最优融合的粉尘浓度值。
2.根据权利要求1所述的一种基于最优融合算法的粉尘浓度检测方法，其特征在于，步骤S1中，调节融合单元的自动换向阀的具体过程为：假设调节融合单元开机时，光散射子单元正在含尘气流气路中，若Ai(x)≤n1，自动换向阀不动；若Ai(x)>n1，自动换向阀切换到电荷感应子单元通道；假设开机时，电荷感应子单元正在含尘气流气路中时，若Bi(x)<n2，自动换向阀不动；若Bi(x)≥n2，自动换向阀切换到光散射子单元；其中，Ai(x)和Bi(x)分别为AD值曲线ai(x)和bi(x)反演得到的与粉尘浓度相关函数，n1、n2分别为在分界点粉尘浓度处的Ai(x)和Bi(x)值。
3.根据权利要求2所述的一种基于最优融合算法的粉尘浓度检测方法，其特征在于，步骤S2中，所述预处理获取的AD值具体为：将获取的AD值最值归一化。
4.根据权利要求3所述的一种基于最优融合算法的粉尘浓度检测方法，其特征在于，所述步骤S3具体包括：将AD值曲线[0，xn]区间分成n个节点：0<x1<x2<···<xn，根据数据融合和最优化原理，将第i次测试的ai(x)和bi(x)的AD值进行融合，计算得到AD融合值fi(x)，从而得到AD融合值曲线c(x)；
所述AD融合值fi(x)的计算公式为：
fi(x)＝[amin+(amax-amin)ai(x)]Ai(x)+[bmin+(bmax-bmin)bi(x)]Bi(x)
其中，amax和amin分别为光散射子单元输出的最大和最小AD值，bmax和bmin分别为电荷感应子单元输出的最大和最小AD值；
当x≤分界点粉尘浓度时，Ai(x)＝k1x2+k2x+k3，Bi(x)＝0，其中k1、k2、k3为回归方程的曲线系数；
当x>分界点粉尘浓度时，Ai(x)＝0，
其中m1、m2为回归方程的系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010426450.2A CN111579446B (zh) | 2020-05-19 | 2020-05-19 | 一种基于最优融合算法的粉尘浓度检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010426450.2A CN111579446B (zh) | 2020-05-19 | 2020-05-19 | 一种基于最优融合算法的粉尘浓度检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111579446A CN111579446A (zh) | 2020-08-25 |
| CN111579446B true CN111579446B (zh) | 2021-02-09 |
Family
ID=72113876
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010426450.2A Active CN111579446B (zh) | 2020-05-19 | 2020-05-19 | 一种基于最优融合算法的粉尘浓度检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111579446B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113405958B (zh) * | 2021-06-18 | 2023-03-17 | 中煤科工集团重庆研究院有限公司 | 一种粉尘浓度传感器标定方法 |
| CN113405961B (zh) * | 2021-06-21 | 2022-10-14 | 中煤科工集团重庆研究院有限公司 | 一种基于多角度光散射的粉尘浓度检测方法 |
| CN117907174B (zh) * | 2024-01-10 | 2024-08-23 | 中国矿业大学 | 基于光吸收和电荷感应法融合的粉尘浓度检测系统及方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2752754Y (zh) * | 2004-10-15 | 2006-01-18 | 南京大陆中电科技股份有限公司 | 煤粉浓度在线检测装置 |
| GB201511587D0 (en) * | 2015-07-02 | 2015-08-19 | Ge Healthcare Bio Sciences Ab | A method and a system for determining a concentration range for a sample by means of a calibration curve |
| CN206388203U (zh) * | 2016-08-25 | 2017-08-08 | 河北国呈电子科技有限公司 | 一种环境监测系统 |
| CN107607449A (zh) * | 2017-08-21 | 2018-01-19 | 黑龙江科技大学 | 一种检测颗粒物质量浓度的装置及方法 |
| CN108535158A (zh) * | 2018-03-27 | 2018-09-14 | 北京理工大学 | 一种声-电复合的粉尘浓度检测系统及检测方法 |
| CN108918371B (zh) * | 2018-07-18 | 2021-01-26 | 中煤科工集团重庆研究院有限公司 | 一种高精度宽量程的粉尘浓度检测装置及粉尘浓度检测方法 |
| CN208476735U (zh) * | 2018-08-07 | 2019-02-05 | 余子轩 | 一种双通道粉尘浓度传感器及设备 |
| CN109726195B (zh) * | 2018-11-26 | 2020-09-11 | 北京邮电大学 | 一种数据增强方法及装置 |
| CN110006799A (zh) * | 2019-02-14 | 2019-07-12 | 北京市环境保护监测中心 | 一种热点网格污染类型的分类方法 |
| CN110595967B (zh) * | 2019-08-02 | 2022-03-22 | 张家界航空工业职业技术学院 | 一种粉尘浓度检测仪 |
-
2020
- 2020-05-19 CN CN202010426450.2A patent/CN111579446B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111579446A (zh) | 2020-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111579446B (zh) | 一种基于最优融合算法的粉尘浓度检测方法 | |
| CN111323353B (zh) | 基于多传感多源数据融合的粉尘浓度检测系统及方法 | |
| CN110231262B (zh) | 一种民用固体燃料燃烧大气污染物排放现场检测装置 | |
| CN114264582B (zh) | 一种超低粉尘在线监测分析控制系统 | |
| Bladh et al. | Influence of soot particle aggregation on time-resolved laser-induced incandescence signals | |
| CN113405961B (zh) | 一种基于多角度光散射的粉尘浓度检测方法 | |
| US7174767B2 (en) | Particulate matter analyzer and method of analysis | |
| Boac et al. | Size distribution and rate of dust generated during grain elevator handling | |
| CN114777855A (zh) | 基于加速度检测的涡街湿气分相流量测量方法 | |
| CN115563782B (zh) | 多因素影响下综掘面呼吸性粉尘分布模型的构建方法 | |
| CN111122392B (zh) | 一种气溶胶吸湿特性综合测量仪器 | |
| CN106248538B (zh) | 间接测定植物表面pm2.5的干沉降速率的方法 | |
| Kreisberg et al. | A new method for measuring the dependence of particle size distributions on relative humidity, with application to the Southeastern Aerosol and Visibility Study | |
| CN203011801U (zh) | 适用于高压气体管道内颗粒物在线检测的装置 | |
| Gini et al. | Characterization of carbon fractal-like aggregates by size distribution measurements and theoretical calculations | |
| CN114910395A (zh) | 一种基于音频信号的煤粉细度测量方法及系统 | |
| Sloane et al. | Measurements of aerosol particle size: improved precision by simultaneous use of optical particle counter and nephelometer | |
| CN115138479A (zh) | 湿式电除尘器的热风系统的节能优化控制方法及装置 | |
| CN108918358A (zh) | 一种基于dma的颗粒物粒径分布检测系统和方法 | |
| CN207020106U (zh) | 一种检测铁矿粉同化温度的设备 | |
| CN207816692U (zh) | 一种用于痕量气态污染物采样测量的三联除湿装置 | |
| Li et al. | A bipolar SMPS network for measuring atmospheric aerosols using natural air ions | |
| Niemelä et al. | A novel method for particle sampling and size-classified electrical charge measurement at power plant environment | |
| Ye et al. | A multifunctional HTDMA system with a robust temperature control | |
| Leinert et al. | A DMA and APS based technique for measuring aerodynamic hygroscopic growth factors of micrometer-size aerosol particles |
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 |