CN113176228B - 基于物联网的so2浓度被动遥感监测仪及监测方法 - Google Patents
基于物联网的so2浓度被动遥感监测仪及监测方法 Download PDFInfo
- Publication number
- CN113176228B CN113176228B CN202110321736.9A CN202110321736A CN113176228B CN 113176228 B CN113176228 B CN 113176228B CN 202110321736 A CN202110321736 A CN 202110321736A CN 113176228 B CN113176228 B CN 113176228B
- Authority
- CN
- China
- Prior art keywords
- concentration
- lens
- ccd detector
- temperature
- ccd
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000006855 networking Effects 0.000 title claims description 4
- 238000003384 imaging method Methods 0.000 claims abstract description 45
- 230000005540 biological transmission Effects 0.000 claims abstract description 16
- 230000003595 spectral effect Effects 0.000 claims description 45
- 230000005855 radiation Effects 0.000 claims description 37
- 230000003287 optical effect Effects 0.000 claims description 29
- 238000002834 transmittance Methods 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 24
- 239000000779 smoke Substances 0.000 claims description 15
- 238000010521 absorption reaction Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 8
- 210000003128 head Anatomy 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 239000007787 solid Substances 0.000 claims description 5
- 238000001816 cooling Methods 0.000 claims description 4
- 230000004907 flux Effects 0.000 claims description 4
- 210000001747 pupil Anatomy 0.000 claims description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 abstract description 16
- 239000003546 flue gas Substances 0.000 abstract description 16
- 238000009434 installation Methods 0.000 abstract description 3
- 230000005611 electricity Effects 0.000 abstract description 2
- 238000000738 capillary electrophoresis-mass spectrometry Methods 0.000 abstract 1
- 239000007789 gas Substances 0.000 description 35
- 208000037516 chromosome inversion disease Diseases 0.000 description 15
- 238000010586 diagram Methods 0.000 description 10
- 239000003570 air Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 239000003344 environmental pollutant Substances 0.000 description 4
- 231100000719 pollutant Toxicity 0.000 description 4
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 230000005457 Black-body radiation Effects 0.000 description 2
- 239000000443 aerosol Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004868 gas analysis Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000003916 acid precipitation Methods 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000002784 hot electron Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000001228 spectrum 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
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/85—Investigating moving fluids or granular solids
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/85—Investigating moving fluids or granular solids
- G01N2021/8578—Gaseous flow
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Physics & Mathematics (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)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于物联网的SO2浓度被动遥感监测仪,包括镜筒,镜筒内由上到下依次设置有入射光阑、菲涅尔透镜、滤光片成像透镜以及CCD探测器,还包括360°旋转云台,镜筒的底部固定在360°旋转云台上,CCD探测器通过线缆电连接有单片机,单片机通过无线传输的方式连接有云端服务器,云端服务器还通过无线传输的方式连接有用户控制端。本发明能实现对中距离范围内多支烟囱的排气浓度进行实时监测,避免CEMS烟气监测系统与烟囱一对一安装以及各种传感器纷繁复杂地使用,做到一机多用,有效节省成本。本发明还公开了一种基于物联网的SO2浓度被动遥感监测方法。
Description
技术领域
本发明属于被动遥感监测烟气浓度技术领域,涉及一种基于物联网的SO2浓度被动遥感监测仪,本发明还公开了一种基于物联网的SO2浓度被动遥感监测方法。
背景技术
我们研究大气主要关心两大类气体:与人类健康和生活密切相关的空气质量标志性气体,如NO2、SO2、CO、O3;另一类是与气候变化有关的温室气体,如CO2、CH4、N2O等。从烟筒口排放出来的气体成分有H2O、CO2、CO、SO2、N2、NO2和NO等。SO2是一种大气污染物,具有强烈的刺激气味,当达到一定浓度时容易导致“酸雨”的发生,直接毁坏森林、草原;使土地土壤酸化,农作物减产;还会加快建筑物的腐蚀,严重破坏生态系统的平衡。本发明选择被动遥感探测烟筒排放气体中的SO2作为探测源,主要因为其光谱吸收峰能量较大,便于检测;它的多数吸收峰不与其他气体的吸收峰发生重叠。
烟气排放连续监测技术经历了长时间的发展。上个世纪60年代,人们尝试把环境空气分析仪和工业过程监控仪用于污染源排放物的监测。由于当时制作的烟气稀释系统的稳定性差,环境空气分析仪在污染源排放物监测中的应用是不成功的。而工业过程监控仪,特别是紫外吸收和红外吸收原理的监测仪,比较适合于污染源排放物的监测。60年代末期至70年代初期,德国和美国更新设计了测量高浓度气体的环境分析仪和将探头直接插入烟道测量烟气的现场分析仪,比较有代表性的是德国的不透明度光学系统和美国的荧光检测技术,这些测试技术为实现烟气连续监测奠定了技术基础。
目前采用的烟囱的烟气排放检测设备是烟气排放连续监测系统CEMS(ContinuousEmissions Monitoring System)。CEMS是监测烟气污染物排放的现代化手段,可连续监测污染物(SO2、NOX烟尘等)的排放浓度和排放总量。
1971年,美国出现了第一台连续排放监测系统。此后,美国国家环境保护局制定了连续排放监测系统性能的技术指标,并规定在某些排放源进行安装,连续排放监测系统逐渐得到广泛应用。自80年代中期开始,以美国为代表的西方发达国家大量安装CEMS系统,用于及时监测大气污染物的排放总量,从而控制大气污染物的排放总量。
90年代初,我国部分环境科研单位开始研制烟气连续监测装置,如南京环境科学研究所研制的“JYZ-型烟气浓度在线监测仪”,太原中绿环保新技术公司生产的“TGH-Y型烟气自动监测仪”等,这些监测仪都只是在线式烟尘连续监测装置,对于SO2氮氧化物等气体连续监测的产品还在开发中。目前国内CEMS系统中使用的分析仪器主要是美国KVB公司和热电子公司的产品,但软硬件价格昂贵,可扩展性较差。
发明内容
本发明的目的是提供一种基于物联网的SO2浓度被动遥感监测仪,能实现对中距离范围内多支烟囱的排气浓度进行实时监测,避免CEMS烟气监测系统与烟囱一对一安装以及各种传感器繁复地使用,做到一机多用,有效节省成本。
本发明的另一目的是提供一种基于物联网的SO2浓度被动遥感监测方法。
本发明所采用的技术方案是,基于物联网的SO2浓度被动遥感监测仪,包括镜筒,镜筒内由上到下依次设置有入射光阑、菲涅尔透镜、滤光片成像透镜以及CCD探测器,还包括360°旋转云台,镜筒的底部固定在360°旋转云台上,CCD探测器通过线缆电连接有单片机,单片机通过无线传输的方式连接有云端服务器,云端服务器还通过无线传输的方式连接有用户控制端。
本发明第一种技术方案的特征还在于:
单片机还通过线缆连接360°旋转云台。
单片机上设置有ESP8266WiFi模块,ESP8266WiFi模块通过无线传输的方式连接云端服务器。
本发明采用的另一种技术方案是,基于物联网的SO2浓度被动遥感监测方法,采用上述一种基于物联网的SO2浓度被动遥感监测仪,具体为:
用户控制端通过云端服务器向单片机发来命令,ESP8266WiFi模块接收到命令后数据传回至单片机处理,单片机将按照命令旋转360°旋转云台将镜筒对准待检测烟囱,对烟囱及其周围小范围环境进行拍摄获取图像,光线依次通过入射光阑、菲涅尔透镜、滤光片成像透镜成像透镜后进入CCD探测器形成明暗相间的干涉圆环图像,干涉圆环图通过CCD探测器转换成数字信号传回单片机,单片机通过ESP8266WiFi模块向云端服务器发送图像数字信号,而后传回用户控制端,在用户控制端进行正演、反演处理,获得SO2浓度。
正演具体为:
将一种基于物联网的SO2浓度被动遥感监测仪的仪器参数以及的SO2的浓度和温度信息代入公式(1)中,对公式(1)中的m和n进行反复赋值,获得多个像素的电子计数值,然后采用多个像素的电子计数值通过MATLAB软件进行图像模拟,模拟CCD成像为正演图像,公式(1)具体为:
其中,Nm,n,k以电子计数为单位;是同一温度下不同谱线的光强值,以光子计数为单位;τtrans为大气透过率;Ff(m,n)是滤光片的透过率;Rm,n为(m,n)像素的响应度;t为CCD的曝光时间;Ib(Nnoise)是无辐射源时周围环境噪声信号,J为谱线数量,λi为SO2气体的i条特定谱线;
其中,I(λi)为SO2气体谱线λi的绝对辐射光强,具体计算方式为:
I(λi)=B(λi)·kab·Δw·Δs·λi·dz (3)
其中,B(λi)是黑体的辐射强度,kab为吸收系数,Δw是探测视场角度,具体为:以CCD探测器的镜头的中心点为顶点,以光线可通过镜头的最大范围的两条边缘构成的夹角,Δs为被探测气团沿镜筒中轴线方向上的投影面积,dz是被测气体团沿镜筒中心轴线方向上的厚度;
其中,黑体第一辐射常数c1=3.7427×108W·um4·m-2,黑体第二辐射常数c2=14388um·K,B(λi)的单位为W·m-2·um-1,光速c=2.99793×108m·s-1,普朗克常数h=6.6262×10-34J·s,玻尔兹曼常数k=1.3806×10-2J·K-1,T为温度;
kab=σ(v)·N (5)
其中,σ(v)是SO2的吸收截面积,单位为cm2,N是SO2的分子数密度,单位为:mol.cm-3.atm-1;
I(λi)re为某一温度下谱线λi的相对辐射强度:
I(λi)re=I(λi)a/Ia (8)
I(λi)a是某一温度下谱线λi的辐射强度,Ia是某一温度下i条谱线的辐射强度之和;
其中,l=h/(sinθ) (10)
其中,ksc为散射系数,Eλ,0是烟筒顶部口未传输前SO2气体辐射通量密度,经气层l后变成Eλ,l,l是SO2气体辐射光源从烟筒口到仪器镜头的距离走过的光程,h是烟筒高度,θ是探测时镜筒中轴线与地面的夹角,N是SO2的分子数密度,ml为烟尘的折射率,
其中,Ff(m,n)的计算方式为:
其中,λ0是滤光片成像透镜中心波长,DFWAM是滤光片成像透镜的半高宽,ne是滤光片成像透镜的有效折射率,θf是经滤光片成像透镜到CCD探测器的入射角,τf是滤光片成像透镜的峰值透过率;
其中,A是CCD探测器的入射光瞳的面积,Ω是CCD探测器的单像素立体角,q是CCD探测器的量子效率,τ是整体光学系统的透过率,即就是从入射光阑一直到CCD探测器的整体透过率,CADU是CCD探测器的数模转换因子;
然后根据上述公式(1)每个SO2浓度和一个对应的温度均通过对公式(1)中的m和n进行反复赋值,获得多个像素的电子计数值,然后采用多个像素的电子计数值进行图像模拟,模拟CCD成像为正演图像,从而获得不同温度、不同浓度下的多个正演图像。
温度每隔1K进行一次正演模拟,浓度每隔0.2%进行一次正演模拟,初始温度以及初始浓度根据被测烟囱的冷却温度和非工作时段的最低浓度进行设置,温度、浓度上限则根据企业烟气排放能达到的最大值设定。
反演具体为:
步骤1,将CCD探测器拍摄的传至用户控制端的干涉图像进行除暗去噪声、确定圆环中心、求圆环平均强度处理后,得到反演图片;
步骤2,通过MATLAB软件读取整幅反演图片上像素点对应的电子计数值;
步骤3,利用最小二乘法将实拍图像,即就是反演图片和正演图像上各干涉圆环上的像素点对应的电子计数求方差总和,通过将反演图片与不同正演图像对比拟合,方差之和最小时,认为拍摄图的数据与正演图数据吻合,则此时模拟该幅正演图时对应的浓度、温度信息即为此时烟囱口出来的待测数据SO2浓度和温度信息。
本发明的有益效果是:
本发明利用近红外CCD成像干涉技术和响应的窄带滤光片将目标气体辐射的光强提取出来,最终将探测目标谱线的光子数强度值转换成电子计数,通过干涉以明暗相间的圆环呈现出来,同时利用Arduino单片机及云端数据传送对CCD相机加以远程控制并实现信息传输,并进行正演比对,反演处理,在电脑上通过计算程序实时显示CCD相机拍摄的烟气图像并显示出对应烟囱排出烟气中的SO2浓度及含量的监测结果,本发明能对中距离范围内多支烟囱的排气浓度进行实时监测,避免类似CEMS烟气监测系统与烟囱一对一安装以及各种传感器纷繁复杂地使用,真正做到一机多用,有效节省成本。
附图说明
图1是本发明一种基于物联网的SO2浓度被动遥感监测仪的结构示意图;
图2是本发明一种基于物联网的SO2浓度被动遥感监测方法中黑体辐射强B度随波长λ变化的关系曲线图;
图3是本发明一种基于物联网的SO2浓度被动遥感监测方法中SO2气体分析谱线波长3.9839um处展宽后的3种谱线线型结构图;
图4是本发明一种基于物联网的SO2浓度被动遥感监测方法中不同谱线不同角度所对应的透过率曲线图;
图5是本发明一种基于物联网的SO2浓度被动遥感监测方法中被动遥感探测SO2气体浓度及温度的正演模拟图像;
图6是本发明一种基于物联网的SO2浓度被动遥感监测方法中SO2TAMON被动遥感探测SO2气体浓度及温度的正演模拟强度值曲线图;
图7是本发明一种基于物联网的SO2浓度被动遥感监测方法中CCD焦距与像素点的对应关系图。
图中,1.镜筒,2.入射光阑,3.菲涅尔透镜,4.滤光片成像透镜,5.CCD探测器,6.360°旋转云台,7.单片机,8.云端服务器,9.用户控制端,10.ESP8266WiFi模块。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种基于物联网的SO2浓度被动遥感监测仪,其结构如图1所示,包括镜筒1,镜筒1内由上到下依次设置有入射光阑2、菲涅尔透镜3、滤光片成像透镜4以及CCD探测器5,还包括360°旋转云台6,镜筒1的底部固定在360°旋转云台6上,CCD探测器5通过线缆电连接有单片机7,单片机7通过无线传输的方式连接有云端服务器8,云端服务器8还通过无线传输的方式连接有用户控制端9。
单片机7还通过线缆连接360°旋转云台6。
单片机7上设置有ESP8266WiFi模块10,ESP8266WiFi模块10通过无线传输的方式连接云端服务器8。
本发明采用的另一种技术方案是,基于物联网的SO2浓度被动遥感监测方法,采用上述一种基于物联网的SO2浓度被动遥感监测仪,具体为:
用户控制端9通过云端服务器8向单片机7发来命令,ESP8266WiFi模块10接收到命令后数据传回至单片机7处理,单片机7将按照命令旋转360°旋转云台6将镜筒1对准待检测烟囱,对烟囱及其周围小范围环境进行拍摄获取图像,光线依次通过入射光阑2、菲涅尔透镜3、滤光片成像透镜4成像透镜后进入CCD探测器5形成明暗相间的干涉圆环图像,干涉圆环图通过CCD探测器5转换成数字信号传回单片机7,单片机7通过ESP8266WiFi模块10向云端服务器8发送图像数字信号,而后传回用户控制端9,在用户控制端9进行正演、反演处理,获得SO2浓度。
正演具体为:
将一种基于物联网的SO2浓度被动遥感监测仪的仪器参数以及的SO2的浓度和温度信息代入公式(1)中,对公式(1)中的m和n进行反复赋值,获得多个像素的电子计数值,然后采用多个像素的电子计数值通过MATLAB软件进行图像模拟,模拟CCD成像为正演图像,公式(1)具体为:
其中,Nm,n,k以电子计数为单位;是同一温度下不同谱线的光强值,以光子计数为单位;τtrans为大气透过率;Ff(m,n)是滤光片的透过率;Rm,n为(m,n)像素的响应度;t为CCD的曝光时间;Ib(Nnoise)是无辐射源时周围环境噪声信号,J为谱线数量,λi为SO2气体的i条特定谱线;
其中,I(λi)为SO2气体谱线λi的绝对辐射光强,具体计算方式为:
I(λi)=B(λi)·kab·Δw·Δs·λi·dz (3)
其中,B(λi)是黑体的辐射强度,kab为吸收系数,Δw是探测视场角度,具体为:以CCD探测器5的镜头的中心点为顶点,以光线可通过镜头的最大范围的两条边缘构成的夹角,Δs为被探测气团沿镜筒中轴线方向上的投影面积,dz是被测气体团沿镜筒中心轴线方向上的厚度;
其中,黑体第一辐射常数c1=3.7427×108W·um4·m-2,黑体第二辐射常数c2=14388um·K,B(λi)的单位为W·m-2·um-1,光速c=2.99793×108m·s-1,普朗克常数h=6.6262×10-34J·s,玻尔兹曼常数k=1.3806×10-2J·K-1,T为温度;
kab=σ(v)·N (5)
其中,σ(v)是SO2的吸收截面积,单位为cm2,N是SO2的分子数密度,单位为:mol.cm-3.atm-1;
I(λi)re为某一温度下谱线λi的相对辐射强度:
I(λi)re=I(λi)a/Ia (8)
I(λi)a是某一温度下谱线λi的辐射强度,Ia是某一温度下i条谱线的辐射强度之和;
其中,l=h/(sinθ) (10)
其中,ksc为散射系数,Eλ,0是烟筒顶部口未传输前SO2气体辐射通量密度,经气层l后变成Eλ,l,l是SO2气体辐射光源从烟筒口到仪器镜头的距离走过的光程,h是烟筒高度,θ是探测时镜筒1中轴线与地面的夹角,N是SO2的分子数密度,ml为烟尘的折射率,
其中,Ff(m,n)的计算方式为:
其中,λ0是滤光片成像透镜4中心波长,DFWAM是滤光片成像透镜4的半高宽,ne是滤光片成像透镜4的有效折射率,θf是经滤光片成像透镜4到CCD探测器5的入射角,τf是滤光片成像透镜4的峰值透过率;
其中,A是CCD探测器5的入射光瞳的面积,Ω是CCD探测器5的单像素立体角,q是CCD探测器5的量子效率,τ是整体光学系统的透过率,即就是从入射光阑2一直到CCD探测器5的整体透过率,CADU是CCD探测器的5数模转换因子;
然后根据上述公式(1)每个SO2浓度和一个对应的温度均通过对公式(1)中的m和n进行反复赋值,获得多个像素的电子计数值,然后采用多个像素的电子计数值进行图像模拟,模拟CCD成像为正演图像,从而获得不同温度、不同浓度下的多个正演图像。
温度每隔1K进行一次正演模拟,浓度每隔0.2%进行一次正演模拟,初始温度以及初始浓度根据被测烟囱的冷却温度和非工作时段的最低浓度进行设置,温度、浓度上限则根据企业烟气排放能达到的最大值设定。
反演具体为:
步骤1,将CCD探测器5拍摄的传至用户控制端9的干涉图像进行除暗去噪声、确定圆环中心、求圆环平均强度处理后,得到反演图片;
步骤2,通过MATLAB软件读取整幅反演图片上像素点对应的电子计数值;
步骤3,利用最小二乘法将实拍图像,即就是反演图片和正演图像上各干涉圆环上的像素点对应的电子计数求方差总和,通过将反演图片与不同正演图像对比拟合,方差之和最小时,认为拍摄图的数据与正演图数据吻合,则此时模拟该幅正演图时对应的浓度、温度信息即为此时烟囱口出来的待测数据SO2浓度和温度信息。
实施例
一种基于物联网的SO2浓度被动遥感监测方法,采用上述一种基于物联网的SO2浓度被动遥感监测仪,具体为:
用户控制端9通过云端服务器8向单片机7发来命令,ESP8266WiFi模块10接收到命令后数据传回至单片机7处理,单片机7将按照命令旋转360°旋转云台6将镜筒1对准待检测烟囱,对烟囱及其周围小范围环境进行拍摄获取图像,光线依次通过入射光阑2、菲涅尔透镜3、滤光片成像透镜4成像透镜后进入CCD探测器5形成明暗相间的干涉圆环图像,干涉圆环图通过CCD探测器5转换成数字信号传回单片机7,单片机7通过ESP8266WiFi模块10向云端服务器8发送图像数字信号,而后传回用户控制端9,在用户控制端9进行正演,正演具体为:
将一种基于物联网的SO2浓度被动遥感监测仪的仪器参数以及的SO2的浓度和温度信息代入公式(1)中,对公式(1)中的m和n进行反复赋值,获得多个像素的电子计数值,然后采用多个像素的电子计数值通过MATLAB软件进行图像模拟,模拟CCD成像为正演图像,公式(1)具体为:
本发明从HITRAN数据库提取的数据中可知,SO2在4um,7.4um,8.7um波段的红外光吸收明显。4um附近的SO2的吸收峰较明显,且其泛频吸收带完全避开了主要气体CO2、水蒸气吸收带的干扰,因此选择SO2的3978.9312~3987.10665nm的6条谱线作为目标探测光源,谱线结果如表1所示,如表1所示:
表1 HITRAN数据库中提取的SO2气体的6条谱线
其中,Nm,n,k以电子计数为单位;是同一温度下不同谱线的光强值,以光子计数为单位;τtrans为大气透过率;Ff(m,n)是滤光片的透过率;Rm,n为(m,n)像素的响应度;t为CCD的曝光时间;Ib(Nnoise)是无辐射源时周围环境噪声信号,J为谱线数量,J=6,λi为SO2气体的i条特定谱线;
其中,I(λi)为SO2气体谱线λi的绝对辐射光强,具体计算方式为:
I(λi)=B(λi)·kab·Δw·Δs·λi·dz (3)
其中,B(λi)是黑体的辐射强度,kab为吸收系数,Δw是探测视场角度,具体为:以CCD探测器5的镜头的中心点为顶点,以光线可通过镜头的最大范围的两条边缘构成的夹角,Δs为被探测气团沿镜筒中轴线方向上的投影面积,dz是被测气体团沿镜筒中心轴线方向上的厚度;
如图2所示,为黑体辐射强B度随波长λ变化的关系,黑体第一辐射常数c1=3.7427×108W·um4·m-2,黑体第二辐射常数c2=14388um·K,B(λi)的单位为W·m-2·um-1,光速c=2.99793×108m·s-1,普朗克常数h=6.6262×10-34J·s,玻尔兹曼常数k=1.3806×10- 2J·K-1,T为温度;
kab=σ(v)·N (5)
其中,σ(v)是SO2的吸收截面积,单位为cm2,N是SO2的分子数密度,单位为:mol.cm-3.atm-1;
其中,C是SO2的浓度,是谱线λi的相对强度,fL(v)洛伦兹线型,fG(v)是高斯线型,由于考虑分子间碰撞所引起的洛伦兹线型(fL线型)展宽和由于辐射分子跟探测器之间的相对运动而引起的高斯线型(fG线型)展宽,我们将二者卷积成佛克脱线型(fV线型),如图3所示,是SO2气体分析谱线波长3.9839um处展宽后的3种谱线线型结构图;
I(λi)re为某一温度下谱线λi的相对辐射强度:
I(λi)re=I(λi)a/Ia (8)
I(λi)a是某一温度下谱线λi的辐射强度,Ia是某一温度下i条谱线的辐射强度之和;
其中,l=h/(sinθ) (10)
其中,ksc为散射系数,Eλ,0是烟筒顶部口未传输前SO2气体辐射通量密度,经气层l后变成Eλ,l,l是SO2气体辐射光源从烟筒口到仪器镜头的距离走过的光程,h是烟筒高度,θ是探测时镜筒1中轴线与地面的夹角,N是SO2的分子数密度,ml为烟尘的折射率,本实施例采用h=100m,θ=30°,则l=200m,烟尘的折射率为1.57-0.56i(i虚数),计算时取折射率为1.57,N为SO2的分子数密度根据卢正永的《气溶胶科学引论》可查得,密度为2.25g/cm3;燃煤为主的热电厂烟筒排出以H20、NO2、NO2、SO2、NO、CO2、CO等气体,由于所选波段完美地避开了以CO2和H2O等在红外波段具有强吸收的气体吸收峰,因此暂时不考虑大气分子的吸收对SO2气体辐射传输的影响。但因为排出气体是烟和雾的混合而成的大气混合物,且能知道这些烟尘的直径在0.1~10um不等,据此我们知道考虑SO2红外气体辐射的衰减时,所以本发明只考虑气溶胶粒子的米氏散射作用;
其中,Ff(m,n)的计算方式为:
其中,λ0是滤光片成像透镜4中心波长,本实施例选择λ0=3987.10665nm,DFWAM是滤光片成像透镜4的半高宽,本实施例中DFWAM=1nm,ne是滤光片成像透镜4的有效折射率,ne=2.05,θf是经滤光片成像透镜4到CCD探测器5的入射角,τf是滤光片成像透镜4的峰值透过率,如图4所示,为不同角度的不同谱线不同角度所对应的透过率曲线;
其中,A是CCD探测器5的入射光瞳的面积,Ω是CCD探测器5的单像素立体角,q是CCD探测器5的量子效率,τ是整体光学系统的透过率,即就是从入射光阑2一直到CCD探测器5的整体透过率,CADU是CCD探测器的5数模转换因子;
然后根据上述公式(1)每个SO2浓度和一个对应的温度均通过对公式(1)中的m和n进行反复赋值,获得多个像素的电子计数值,然后采用多个像素的电子计数值进行图像模拟,模拟CCD成像为正演图像,从而获得不同温度、不同浓度下的多个正演图像,如图5所示;
温度每隔1K进行一次正演模拟,浓度每隔0.2%进行一次正演模拟,初始温度以及初始浓度根据被测烟囱的冷却温度和非工作时段的最低浓度进行设置,温度、浓度上限则根据企业烟气排放能达到的最大值设定;通过调查得知,以热电厂为例的烟筒口温度大致在约364K(90℃)以上,所以本文设定初始温度为364K;
表2SO2TAMON被动遥感探测SO2气体浓度及温度的各项参数
如图6所示,为SO2 TAMON被动遥感探测SO2气体浓度及温度的正演模拟强度值。
反演具体为:
步骤1,将CCD探测器5拍摄的传至用户控制端9的干涉图像进行除暗去噪声、确定圆环中心、求圆环平均强度处理后,得到反演图片;
步骤2,通过MATLAB软件读取整幅反演图片上像素点对应的电子计数值;
步骤3,利用最小二乘法将实拍图像,即就是反演图片和正演图像上各干涉圆环上的像素点对应的电子计数求方差总和,通过将反演图片与不同正演图像对比拟合,方差之和最小时,认为拍摄图的数据与正演图数据吻合,则此时模拟该幅正演图时对应的浓度、温度信息即为此时烟囱口出来的待测数据SO2浓度和温度信息。
本发明的CCD像素为640×512,对于第i行j列的像素点,其与CCD中心的距离r(i,j)和透镜的焦距fCCD满足正切关系,即有以下对应关系,如图7所示,
fCCD tanθCCD=r(i,j) (13)
又由该探测系统设计原理有
因此在CCD上第i行j列的像素点所对应的角度为
其中,r(i,j)是第i行第j列的像素点到CCD中心的距离,f是成像透镜的焦距。
这里的θCCD即从滤光片成像系统(从法布里-珀罗干涉仪出来)的角度(theata),图4最上面的线是6条谱线叠加后对应的透过率的随出射角度的曲线图,经图7的光路后,在CCD上任意一个对应的r(i,j)旋转一周的曲线上对应的光透过率即图4上最上面的线上一个点(相对应一个角度)对应的透过率。这里透过率带入(6)式后得到每个像素点r(i,j)对应的电子计数。
本发明能够但不限于探测烟气中SO2的浓度及温度,通过更换滤光片成像透镜,选择合适的波长范围,可以对其他种类的气体进行精准探测。
本发明利用SO2气体在近红外辐射的谱线,利用近红外CCD成像干涉技术和响应的窄带滤光片将目标气体辐射的光强提取出来,最终将探测目标谱线的光子数强度值转换成电子计数,通过干涉以明暗相间的圆环呈现出来,同时利用Arduino单片机及云端数据传送对CCD相机加以远程控制并实现信息传输,在电脑上通过计算程序实时显示CCD相机拍摄的烟气图像并显示出对应烟囱排出烟气中的SO2浓度及含量的监测结果。并设计有360°云台,实现镜头的全方位拍摄,增大单位监测仪设备的覆盖范围。
Claims (1)
1.基于物联网的SO2浓度被动遥感监测方法,其特征在于,采用基于物联网的SO2浓度被动遥感监测仪,其特征在于,包括镜筒(1),所述镜筒(1)内由上到下依次设置有入射光阑(2)、菲涅尔透镜(3)、滤光片成像透镜(4)以及CCD探测器(5),还包括360°旋转云台(6),所述镜筒(1)的底部固定在所述360°旋转云台(6)上,所述CCD探测器(5)通过线缆电连接有单片机(7),所述单片机(7)通过无线传输的方式连接有云端服务器(8),所述云端服务器(8)还通过无线传输的方式连接有用户控制端(9);
所述单片机(7)还通过线缆连接所述360°旋转云台(6);
所述单片机(7)上设置有ESP8266WiFi模块(10),所述ESP8266WiFi模块(10)通过无线传输的方式连接所述云端服务器(8);
具体为:
用户控制端(9)通过云端服务器(8)向单片机(7)发来命令,ESP8266WiFi模块(10)接收到命令后数据传回至单片机(7)处理,单片机(7)将按照命令旋转360°旋转云台(6)将镜筒(1)对准待检测烟囱,对烟囱及其周围小范围环境进行拍摄获取图像,光线依次通过入射光阑(2)、菲涅尔透镜(3)、滤光片成像透镜(4)成像透镜后进入CCD探测器(5)形成明暗相间的干涉圆环图像,干涉圆环条纹通过CCD探测器(5)转换成数字信号传回单片机(7),单片机(7)通过ESP8266WiFi模块(10)向云端服务器(8)发送图像数字信号,而后传回用户控制端(9),在用户控制端(9)进行正演、反演处理,获得SO2浓度;
所述正演具体为:
将基于物联网的SO2浓度被动遥感监测仪的仪器参数以及的SO2的浓度和温度信息代入公式(1)中,对公式(1)中的m和n进行反复赋值,获得多个像素的电子计数值,然后采用多个像素的电子计数值通过MATLAB软件进行图像模拟,模拟CCD成像为正演图像,所述公式(1)具体为:
其中,Nm,n,k以电子计数为单位;是同一温度下不同谱线的光强值,以光子计数为单位;τtrans为大气透过率;Ff(m,n)是滤光片的透过率;Rm,n为(m,n)像素的响应度;t为CCD的曝光时间;是无辐射源时周围环境噪声信号,J为谱线数量,λi为SO2气体的i条特定谱线;
其中,I(λi)为SO2气体谱线λi的绝对辐射光强,具体计算方式为:
I(λi)=B(λi)·kab·Δw·Δs·λi·dz (3)
其中,B(λi)是黑体的辐射强度,kab为吸收系数,Δw是探测视场角度,具体为:以CCD探测器(5)的镜头的中心点为顶点,以光线可通过镜头的最大范围的两条边缘构成的夹角,Δs为被探测气团沿镜筒中轴线方向上的投影面积,dz是被测气体团沿镜筒中心轴线方向上的厚度;
其中,黑体第一辐射常数c1=3.7427×108W·um4·m-2,黑体第二辐射常数c2=14388um·K,B(λi)的单位为W·m-2·um-1,光速c=2.99793×108m·s-1,普朗克常数h=6.6262×10-34J·s,玻尔兹曼常数k=1.3806×10-2J·K-1,T为温度;
kab=σ(v)·N (5)
其中,σ(v)是SO2的吸收截面积,单位为cm2,N是SO2的分子数密度,单位为:mol.cm- 3.atm-1;
I(λi)re为某一温度下谱线λi的相对辐射强度:
I(λi)re=I(λi)a/Ia (8)
I(λi)a是某一温度下谱线λi的辐射强度,Ia是某一温度下i条谱线的辐射强度之和;
其中,l=h/(sinθ) (10)
其中,ksc为散射系数,Eλ,0是烟筒顶部口未传输前SO2气体辐射通量密度,经气层l后变成Eλ,l,l是SO2气体辐射光源从烟筒口到仪器镜头的距离走过的光程,h是烟筒高度,θ是探测时镜筒(1)中轴线与地面的夹角,N是SO2的分子数密度,ml为烟尘的折射率,
其中,Ff(m,n)的计算方式为:
其中,λ0是滤光片成像透镜(4)中心波长,DFWAM是滤光片成像透镜(4)的半高宽,ne是滤光片成像透镜(4)的有效折射率,θf是经滤光片成像透镜(4)到CCD探测器(5)的入射角,τf是滤光片成像透镜(4)的峰值透过率;
其中,A是CCD探测器(5)的入射光瞳的面积,Ω是CCD探测器(5)的单像素立体角,q是CCD探测器(5)的量子效率,τ是整体光学系统的透过率,即就是从入射光阑(2)一直到CCD探测器(5)的整体透过率,CADU是CCD探测器的(5)数模转换因子;
然后根据上述公式(1)每个SO2浓度和一个对应的温度均通过对公式(1)中的m和n进行反复赋值,获得多个像素的电子计数值,然后采用多个像素的电子计数值进行图像模拟,模拟CCD成像为正演图像,从而获得不同温度、不同浓度下的多个正演图像;
所述温度每隔1K进行一次正演模拟,所述浓度每隔0.2%进行一次正演模拟,初始温度以及初始浓度根据被测烟囱的冷却温度和非工作时段的最低浓度进行设置,温度、浓度上限则根据企业烟气排放能达到的最大值设定;
所述反演具体为:
步骤1,将CCD探测器(5)拍摄的传至用户控制端(9)的干涉图像进行除暗去噪声、确定圆环中心、求圆环平均强度处理后,得到反演图片;
步骤2,通过MATLAB软件读取整幅反演图片上像素点对应的电子计数值;
步骤3,利用最小二乘法将实拍图像,即就是反演图片和正演图像上各干涉圆环上的像素点对应的电子计数求方差总和,通过将反演图片与不同正演图像对比拟合,方差之和最小时,认为拍摄图的数据与正演图数据吻合,则此时模拟该幅正演图时所对应的浓度、温度信息即为此时烟囱口出来的待测数据SO2浓度和温度信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110321736.9A CN113176228B (zh) | 2021-03-25 | 2021-03-25 | 基于物联网的so2浓度被动遥感监测仪及监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110321736.9A CN113176228B (zh) | 2021-03-25 | 2021-03-25 | 基于物联网的so2浓度被动遥感监测仪及监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113176228A CN113176228A (zh) | 2021-07-27 |
CN113176228B true CN113176228B (zh) | 2023-05-02 |
Family
ID=76922332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110321736.9A Active CN113176228B (zh) | 2021-03-25 | 2021-03-25 | 基于物联网的so2浓度被动遥感监测仪及监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113176228B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109187359A (zh) * | 2018-09-17 | 2019-01-11 | 中国科学院武汉物理与数学研究所 | 船舶排放污染气体差量吸收滤光成像遥感监测装置及方法 |
KR20190046244A (ko) * | 2017-10-25 | 2019-05-07 | 주식회사엔엔에프텍 | 사회기반시설물을 위한 iot 기반 모듈형 데이터로거 |
CN111932837A (zh) * | 2020-07-14 | 2020-11-13 | 江苏云聚汇科技有限公司 | 一种基于5g网络的烟气远程实时监测系统 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003110935A (ja) * | 2001-09-28 | 2003-04-11 | Fujitsu General Ltd | Ccdカメラ |
US20080116377A1 (en) * | 2006-11-17 | 2008-05-22 | Wai Ming Luk | Method and System for Passive Remote Exhaust Emission Measurement |
CN201467366U (zh) * | 2009-06-10 | 2010-05-12 | 北京华美博弈软件开发有限公司 | 无线视频监控系统 |
US8330957B2 (en) * | 2009-06-29 | 2012-12-11 | Hager Enviromental and Atmospheric Technologies, LLC | Device and method for quantification of gases in plumes by remote sensing |
KR101221437B1 (ko) * | 2011-11-23 | 2013-01-31 | 이더테크놀로지(주) | 설치 및 사용이 간편한 cctv 카메라를 이용한 모니터링 시스템 |
US8854223B2 (en) * | 2012-01-18 | 2014-10-07 | Xerox Corporation | Image-based determination of CO and CO2 concentrations in vehicle exhaust gas emissions |
US10004451B1 (en) * | 2013-06-21 | 2018-06-26 | Fitbit, Inc. | User monitoring system |
CN106402664A (zh) * | 2016-08-31 | 2017-02-15 | 中国科学院合肥物质科学研究院 | 气体泄漏激光遥感机载探测装置 |
CN108387942B (zh) * | 2018-01-12 | 2020-01-14 | 西安理工大学 | 一种海底可燃冰探测仪及其探测方法 |
NL2020304B1 (en) * | 2018-01-22 | 2019-07-29 | Fugro N V | Method of and apparatus for monitoring positions on an object |
CN110095149B (zh) * | 2019-04-15 | 2021-09-10 | 西安理工大学 | 自动遥感探测高层大气温度和体发射率的气辉成像干涉仪 |
-
2021
- 2021-03-25 CN CN202110321736.9A patent/CN113176228B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190046244A (ko) * | 2017-10-25 | 2019-05-07 | 주식회사엔엔에프텍 | 사회기반시설물을 위한 iot 기반 모듈형 데이터로거 |
CN109187359A (zh) * | 2018-09-17 | 2019-01-11 | 中国科学院武汉物理与数学研究所 | 船舶排放污染气体差量吸收滤光成像遥感监测装置及方法 |
CN111932837A (zh) * | 2020-07-14 | 2020-11-13 | 江苏云聚汇科技有限公司 | 一种基于5g网络的烟气远程实时监测系统 |
Non-Patent Citations (1)
Title |
---|
李立城 等."基于 O2(0-1)谱带反演气辉层转动温度的研究".《光谱学与光谱分析》.2020,第40卷(第10期),3002-3009. * |
Also Published As
Publication number | Publication date |
---|---|
CN113176228A (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bluth et al. | Development of an ultra-violet digital camera for volcanic SO2 imaging | |
Liu et al. | Observations of aerosol color ratio and depolarization ratio over Wuhan | |
CN110199190A (zh) | 用于开放燃烧环境中的三维辐射和气体物质场估计的装置和方法 | |
CN108072459A (zh) | 一种测量钢板温度场及计算其辐射强度的方法 | |
Bi et al. | Measurement of scattering and absorption properties of dust aerosol in a Gobi farmland region of northwestern China–a potential anthropogenic influence | |
CN108731817B (zh) | 应用于林火热点判别的不同传感器红外辐射归一建模方法 | |
WO2023207579A1 (zh) | 基于超光谱遥感的痕量气体水平分布探测交通污染源方法 | |
CN107044958B (zh) | 一种基于紫外宽带二级吸收光谱的氧气浓度测量系统的氧气浓度测量方法 | |
CN110542663A (zh) | 一种便携式二氧化硫二维分布快速检测装置 | |
CN102520014A (zh) | 基于火焰自由基和温度测量的污染物排放量在线预测方法 | |
CN114295574A (zh) | 基于超光谱遥感的大气污染物水平分布反演方法 | |
CN105044110B (zh) | 一种二氧化硫气体成像遥测方法与装置 | |
CN116434457A (zh) | 森林火灾模拟监测方法及系统 | |
CN113176228B (zh) | 基于物联网的so2浓度被动遥感监测仪及监测方法 | |
CN103942806B (zh) | 基于高光谱数据的多信息融合火灾着火点的检测方法 | |
CN205067360U (zh) | 一种二氧化硫气体成像遥测装置 | |
CN108957573A (zh) | 危险源检测装置和方法 | |
CN207502480U (zh) | 单颗粒反应测量装置 | |
JP5533586B2 (ja) | 排ガスの分析方法及び排ガスの排出制御方法 | |
Swap et al. | The Southern African Regional Science Initiative (SAFARI 2000). Dry-Season Campaign: An Overview | |
Zhang et al. | An improved method for optimizing detection bands of marine exhaust SO2 concentration in ultraviolet dual-band measurements based on signal-to-noise ratio | |
CN111089846A (zh) | 一种机载与车载doas同步观测的污染源排放通量测量方法 | |
EP3367077B1 (en) | Continuous measurement of the temperature of an industrial plant torch | |
Gao et al. | Measurement of mesopause temperature using the mesospheric airglow spectrum photometer (MASP) | |
Lee et al. | 2-dimensional mapping of sulfur dioxide and bromine oxide at the Sakurajima volcano with a ground based scanning imaging spectrograph system |
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 |