CN115561185B - 基于光谱吸收技术的多组分气体在线分析系统及分析方法 - Google Patents
基于光谱吸收技术的多组分气体在线分析系统及分析方法 Download PDFInfo
- Publication number
- CN115561185B CN115561185B CN202211065660.9A CN202211065660A CN115561185B CN 115561185 B CN115561185 B CN 115561185B CN 202211065660 A CN202211065660 A CN 202211065660A CN 115561185 B CN115561185 B CN 115561185B
- Authority
- CN
- China
- Prior art keywords
- gas
- data
- sensor
- component gas
- overrun
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 84
- 238000010521 absorption reaction Methods 0.000 title claims abstract description 35
- 238000005516 engineering process Methods 0.000 title claims abstract description 33
- 238000001228 spectrum Methods 0.000 title claims abstract description 28
- 239000000428 dust Substances 0.000 claims abstract description 21
- 238000007791 dehumidification Methods 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 239000007789 gas Substances 0.000 claims description 248
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims description 35
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 34
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 34
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 33
- 238000000034 method Methods 0.000 claims description 30
- 238000007405 data analysis Methods 0.000 claims description 27
- 230000004927 fusion Effects 0.000 claims description 22
- 238000013500 data storage Methods 0.000 claims description 19
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 18
- 239000001569 carbon dioxide Substances 0.000 claims description 18
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 18
- 229910000037 hydrogen sulfide Inorganic materials 0.000 claims description 18
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 claims description 18
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 claims description 17
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 17
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 claims description 17
- 229910021529 ammonia Inorganic materials 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 15
- 229910052760 oxygen Inorganic materials 0.000 claims description 13
- 239000001301 oxygen Substances 0.000 claims description 13
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 12
- 238000012706 support-vector machine Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 11
- 238000012546 transfer Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 6
- 238000004090 dissolution Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 238000007500 overflow downdraw method Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 239000002360 explosive Substances 0.000 description 2
- 238000004868 gas analysis Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method 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
-
- 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
- G01N21/3103—Atomic absorption analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/22—Devices for withdrawing samples in the gaseous state
- G01N1/24—Suction devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/34—Purifying; Cleaning
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Sampling And Sample Adjustment (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了基于光谱吸收技术的多组分气体在线分析系统,包括壳体,所述壳体上设有进气孔和出气孔,分别用于与进气管和出气管相连,所述壳体内还设置有除尘除湿装置、微型真空泵、电子流量计、多个不同的气体传感器;除尘除湿装置,用于对从进气孔进入的气体进行除尘和除湿处理;微型真空泵,一端与所述除尘除湿装置通过管路连接,另一端与电子流量计相连;多个不同的气体传感器。本发明同时公开了基于光谱吸收技术的多组分气体在线分析系统的分析方法。结合本发明的多组分气体在线分析系统及分析方法,有效提高了工业环境气体监测的实时性和准确性,可准确判定工业环境气体危险性的发生发展状态,为应急救援和事故处置提供数据支撑。
Description
技术领域
本发明涉及气体检测技术领域,尤其涉及基于光谱吸收技术的多组分气体在线分析系统及分析方法。
背景技术
随着各种气体在生活或工业中广泛使用,气体分析仪作为气体的测量工具,在多种场景下起到重要作用。例如,工业环境中灾害气体的成分和浓度是表征发生灾害危险性的主要先兆信息,若工业环境中灾害气体的含量超标会导致人员伤亡和经济损失,因此需要实时监测工业环境中多种气体的成分和浓度,以避免发生事故。
现有技术中,对工业环境中的气体进行检测时,具有以下缺陷:
(1)当前常用的工业环境单组分或多组分气体分析仪受限于方法本身或现场条件,具体气体分析速度慢、系统误差大,尚不能满足危险工业环境气体的原位在线监测,定量分析效果欠佳,使得用户无法全面了解当前环境的气体组成情况,进而无法利用该检测结果进行操作。
(2)当前常用的工业环境气体分析仪缺乏针对气体监测数据的处理方法,当气体分析仪处于应急环境(如易燃工业环境或者易爆工业环境)中,需要针对监测数据快速开展危险性辨识,因此亟需提高工业环境气体监测数据预警方法的准确性和时效性,以便对多组分气体浓度进行定量分析,准确判定工业环境气体危险性的发生发展状态,为应急救援和事故处置提供数据支撑。
发明内容
本发明提供基于光谱吸收技术的多组分气体在线分析系统及分析方法。
本发明第一方面提出基于光谱吸收技术的多组分气体在线分析系统,包括壳体,所述壳体上设有进气孔和出气孔,分别用于与进气管和出气管相连,所述壳体内还设置有除尘除湿装置、微型真空泵、电子流量计、多个不同的气体传感器;
除尘除湿装置,所述除尘除湿装置与所述进气孔通过管路相连,用于对从进气孔进入的气体进行除尘和除湿处理;
微型真空泵,一端与所述除尘除湿装置通过管路连接,另一端与电子流量计相连,电子流量计用于控制和获取输入气体的流量;
多个不同的气体传感器,所述多个不同的气体传感器通过管路串联连接,所述多个不同的气体传感器串联的开始一侧与所述电子流量计连接,用于检测通过所述电子流量计的气体中的气体浓度,所述多个不同的气体传感器串联的末尾一侧通过管路与出气孔连接,用于将依次通过多个不同的气体传感器的气体通过所述出气孔排出。
进一步地,所述多个不同的气体传感器包括氧气传感器、甲烷传感器、一氧化碳传感器、二氧化碳传感器、硫化氢传感器、二氧化硫传感器、二氧化氮传感器和氨气传感器。
进一步地,所述基于光谱吸收技术的多组分气体在线分析系统还包括主板,主板上设有中央处理模块、数据存储模块、数据分析模块及通信模块;
所述中央处理模块包括信号转换器和处理器;所述信号转换器分别和所述微型真空泵、所述电子流量计、所述多个不同的气体传感器连接,用于接收所述微型真空泵、所述电子流量计、所述多个不同的气体传感器传输的电信号,并将所述接收到的电信号转换为数字信号;所述处理器与所述信号转换器连接,用于接收所述信号转换器传输的数字信号,并对所述数据信号进行处理;
所述数据存储模块与所述处理器连接,用于接收所述处理器发送的数据,并将所述接收到的数据进行存储;
所述数据分析模块与所述数据存储模块连接,用于获取所述数据存储模块中的多个不同的气体传感器传输的数据,并对数据进行分析;
所述通信模块,用于与外联设备进行数据传输。
进一步地,所述数据分析模块的分析方法包括以下步骤:
步骤a、利用SVM算法生成局部特征级数据;
将数据分析模块中各时刻多种不同种类气体的浓度数据作为数据样本的特征向量,然后将典型非线性特征值向量输入到数据融合处理中心,利用支持向量机的非线性映射功能对网络得到的各种征兆信息进行融合识别,生成局部特征级数据;
步骤b、根据数据融合D-S证据体融合方法构建多组分气体超限结果的证据集,包括以下步骤:
步骤b1、依据局部特征级数据的多组分气体超限的次数,确立多组分气体超限D-S证据理论的识别架构为:
Θ={FA,FB} (1)
式中:
Θ表示多组分气体超限D-S证据理论的识别集;
FA表示发生多组分气体超限的次数;
FB表示未发生多组分气体超限的次数;
上述多组分气体超限具体为:甲烷传感器、一氧化碳传感器、二氧化碳传感器、硫化氢传感器、二氧化硫传感器、二氧化氮传感器和氨气传感器检测的特定测试环境测定的某一种或几种气体浓度超过阈值;
步骤b2、将建立的支持向量机局部特征级数据作为D-S多源信息溶解证据体的输入,计算超限不确定性概率,具体实现方法如下:
m(θ)=En (2)
式(2)和式(3)中:
m(θ)表示超限不确定性概率;
p(Fi)表示SVM的实际输出;
y(Ei)表示期望输出;
En表示超限SVM输出误差;
N表示支持向量的数目;
步骤b3、在多组分气体超限数据融合判识过程中,拟定各多组分气体超限数据无交集,当mi(C)={m1,m2,…,mn}时,存在n个传递函数组成的证据体,根据下式合成:
式(4)中:
m(C)表示n个传递函数合成的源信息融合证据体;
Fj表示发生多组分气体超限的次数,j=1,2,…,t,t为超限气体类型的个数。
步骤c、按照多组分气体超限预警判识的决策规则对多组分气体是否超限进行判断:
所述多组分气体超限预警判识的决策规则为:m(θ)<0.01且m(C)>0.5;
满足上述决策规则时,则认为当前检测环境的气体浓度超限,进行预警。
进一步地,所述基于光谱吸收技术的多组分气体在线分析系统还包括触控显示屏,所述触控显示屏设置在所述壳体上,触控显示屏与主板相连接,用于展示所述数据分析模块的分析结果,并用于接收输入指令。
进一步地,所述壳体底部设置多个滚轮,便于所述壳体进行移动。
本发明第一方面提出基于光谱吸收技术的多组分气体在线分析系统的分析方法,包括以下步骤:
第一步,检查基于光谱吸收技术的多组分气体在线分析系统状态,开机预热10min;
第二步,测试前对各个气体传感器标定:在进气孔通入浓度为99.999%的N2,控制气体流速500mL/min,通气5min,待传感器输出示数稳定以后,在触控显示屏上点击标零和标量程;
第三步,开始测试:将基于光谱吸收技术的多组分气体在线分析系统搬运到待测试环境中,启动微型真空泵,将气体经除尘除湿装置,滤除环境中的灰尘或水分,然后依次经氧气传感器、甲烷传感器、一氧化碳传感器、二氧化碳传感器、硫化氢传感器、二氧化硫传感器、二氧化氮传感器和氨气传感器,对气体浓度进行监测,得到多组分气体浓度数据,信号转换器将各传感器的气体浓度数据的电信号转换为数字信号,处理器将数字信号进行处理形成数据,发送至数据存储模块进行存储,数据分析模块获取数据存储模块中的各时刻多种不同种类气体的浓度数据进行分析,得到预警分析结果,传送至触控显示屏进行显示并提示操作。
进一步地,所述数据分析模块的分析方法包括以下步骤:
步骤a、利用SVM算法生成局部特征级数据;
将数据分析模块中各时刻多种不同种类气体的浓度数据作为数据样本的特征向量,然后将典型非线性特征值向量输入到数据融合处理中心,利用支持向量机的非线性映射功能对网络得到的各种征兆信息进行融合识别,生成局部特征级数据;
步骤b、根据数据融合D-S证据体融合方法构建多组分气体超限结果的证据集,包括以下步骤:
步骤b1、依据局部特征级数据的多组分气体超限的次数,确立多组分气体超限D-S证据理论的识别架构为:
Θ={FA,FB} (1)
式中:
Θ表示多组分气体超限D-S证据理论的识别集;
FA表示发生多组分气体超限的次数;
FB表示未发生多组分气体超限的次数。
上述多组分气体超限具体为:甲烷传感器、一氧化碳传感器、二氧化碳传感器、硫化氢传感器、二氧化硫传感器、二氧化氮传感器和氨气传感器检测的特定测试环境测定的某一种或几种气体浓度超过阈值;
步骤b2、将建立的支持向量机局部特征级数据作为D-S多源信息溶解证据体的输入,计算超限不确定性概率,具体实现方法如下:
m(θ)=En (2)
式(2)和式(3)中:
m(θ)表示超限不确定性概率;
p(Fi)表示SVM的实际输出;
y(Ei)表示期望输出;
En表示超限SVM输出误差;
N表示支持向量的数目;
步骤b3、在多组分气体超限数据融合判识过程中,拟定各多组分气体超限数据无交集,当mi(C)={m1,m2,…,mn}时,存在n个传递函数组成的证据体,根据下式合成:
式(4)中:
m(C)表示n个传递函数合成的源信息融合证据体;
Fj表示发生多组分气体超限的次数,j=1,2,…,t,t为超限气体类型的个数。
步骤c、按照多组分气体超限预警判识的决策规则对多组分气体是否超限进行判断:
所述多组分气体超限预警判识的决策规则为:m(θ)<0.01且m(C)>0.5;
满足上述决策规则时,则认为当前检测环境的气体浓度超限,进行预警。
进一步地,所述第三步中的预警分析结果另外通过通信模块发送至外联设备,通过外联设备获得预警分析结果并对该在线分析系统进行控制,实现用户对在线分析系统的远程控制。
本发明提出的基于光谱吸收技术的多组分气体在线分析系统,可以通过多个不同的气体传感器,检测当前环境中气体中的痕量气体和常量气体的浓度,从而使得测量的气体种类更加丰富,进而使得基于多种气体的浓度得到的检测结果更加全面。
采用上述方案后,本发明的有益效果如下:
(1)本发明实现了包括工业环境痕量气体(氨气、二氧化硫、二氧化氮、硫化氢、一氧化碳)、常量气体(甲烷、二氧化碳、氧气)共8种气体的实时监测和在线分析,基本满足了易燃工业环境或者易爆工业环境多组分气体在线监测的需求。
(2)本发明结合SVM算法、特征级数据层、D-S证据体融合相结合的方法构建了多组分气体超限结果的证据集,并引入传递函数合成的源信息融合证据体,可实现到工业环境多组分气体超限不确定性概率和预警定量分析结果。
(3)结合本发明的多组分气体在线分析系统及分析方法,有效提高了工业环境气体监测的实时性和准确性,可准确判定工业环境气体危险性的发生发展状态,为应急救援和事故处置提供数据支撑。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本发明的基于光谱吸收技术的多组分气体在线分析系统的内部结构示意图;
图2为图1的右视图;
图3为图1的左视图;
图4为本发明的基于光谱吸收技术的多组分气体在线分析系统的后侧结构示意图;
图5为本发明的基于光谱吸收技术的多组分气体在线分析系统除去壳体后的内部结构安装位置示意图;
图6为发明的基于光谱吸收技术的多组分气体在线分析系统的外部结构示意图;
图7为本发明的基于光谱吸收技术的多组分气体在线分析系统的系统框图;
图中:1—壳体,2—除尘除湿装置,3—微型真空泵,4—电子流量计,5—氧气传感器,6—甲烷传感器,7—一氧化碳传感器,8—二氧化碳传感器,9—硫化氢传感器,10—二氧化硫传感器,11—二氧化氮传感器,12—氨气传感器,13—进气孔,14—出气孔,15—触控显示屏,16—滚轮,17—主板,18—中央处理模块,181—信号转换器,182—处理器,19—数据存储模块,20—数据分析模块,21—通信模块,22—外联设备。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
实施例一
参照图1-6,基于光谱吸收技术的多组分气体在线分析系统,包括壳体1,所述壳体1上设有进气孔13和出气孔14,分别用于与进气管和出气管相连,所述壳体1内还设置有除尘除湿装置2、微型真空泵3、电子流量计4、多个不同的气体传感器;
除尘除湿装置2,所述除尘除湿装置2与所述进气孔13通过管路相连,用于对进气孔13进入的气体进行除尘和除湿处理;
微型真空泵3,一端与所述除尘除湿装置2通过管路连接,另一端与电子流量计4相连,电子流量计4用于控制和获取输入气体的流量;
多个不同的气体传感器,所述多个不同的气体传感器通过管路串联连接,所述多个不同的气体传感器串联的开始一侧与所述电子流量计4连接,用于检测通过所述电子流量计4的气体中的气体浓度,所述多个不同的气体传感器串联的末尾一侧通过管路与出气孔14连接,用于将依次通过多个不同的气体传感器的气体通过所述出气孔14排出。
所述多个不同的气体传感器包括氧气传感器5、甲烷传感器6、一氧化碳传感器7、二氧化碳传感器8、硫化氢传感器9、二氧化硫传感器10、二氧化氮传感器11和氨气传感器12。分别用于测定O2(氧气)、CH4(甲烷)、CO(一氧化碳)、CO2(二氧化碳)、H2S(硫化氢)、SO2(二氧化硫)、NO2(二氧化氮)、NH3(氨气)的气体浓度。其中H2S(硫化氢)、NO2(二氧化氮)、SO2(二氧化硫)、NH3(氨气)为痕量气体;CO(一氧化碳)、CO2(二氧化碳)、CH4(甲烷)、O2(氧气)为常量气体。
所述基于光谱吸收技术的多组分气体在线分析系统还包括主板17,主板17通过安装板安装在壳体1内,位于二氧化碳传感器8的左侧(如图2-图5所示),主板17上设有中央处理模块18、数据存储模块19、数据分析模块20及通信模块21;
本发明中,壳体1的内部为空腔,内部为三层架体结构,微型真空泵3、所述电子流量计4、甲烷传感器6、一氧化碳传感器7、主板17、氧气传感器5布置在第一层架体上,硫化氢传感器9、氨气传感器12布置在第二层架体上,二氧化硫传感器10、二氧化氮传感器11布置在第三架体上。结构布置合理,节省空间,安装方便。
参照图7,所述中央处理模块18包括信号转换器181和处理器182;所述信号转换器181分别和所述微型真空泵3、所述电子流量计4、所述多个不同的气体传感器连接,用于接收所述微型真空泵3、所述电子流量计4、所述多个不同的气体传感器传输的电信号,并将所述接收到的电信号转换为数字信号;所述处理器182与所述信号转换器181连接,用于接收所述信号转换器181传输的数字信号,并对所述数据信号进行处理;
所述数据存储模块19与所述处理器182连接,用于接收所述处理器182发送的数据,并将所述接收到的数据进行存储;
所述数据分析模块与所述数据存储模块19连接,用于获取所述数据存储模块19中的多个不同的气体传感器传输的数据,并对数据进行分析;
所述通信模块21,用于与外联设备进行数据传输。
所述数据分析模块的分析方法包括以下步骤:
步骤a、利用SVM算法(Support Vector Machine,支持向量机)生成局部特征级数据;
将数据分析模块中各时刻多种不同种类气体的浓度数据作为数据样本的特征向量,然后将典型非线性特征值向量输入到数据融合处理中心,利用支持向量机的非线性映射功能对网络得到的各种征兆信息进行融合识别,生成局部特征级数据;
步骤b、根据数据融合D-S证据体融合方法构建多组分气体超限结果的证据集,包括以下步骤:
步骤b1、依据局部特征级数据的多组分气体超限的次数,确立多组分气体超限D-S证据理论的识别架构为:
Θ={FA,FB} (1)
式中:
Θ表示多组分气体超限D-S证据理论的识别集;
FA表示发生多组分气体超限的次数;
FB表示未发生多组分气体超限的次数。
上述多组分气体超限具体为:甲烷传感器6、一氧化碳传感器7、二氧化碳传感器8、硫化氢传感器9、二氧化硫传感器10、二氧化氮传感器11和氨气传感器12检测的特定测试环境测定的某一种或几种气体浓度超过阈值;
步骤b2、将建立的支持向量机局部特征级数据作为D-S多源信息溶解证据体的输入,计算超限不确定性概率,具体实现方法如下:
m(θ)=En (2)
式(2)和式(3)中:
m(θ)表示超限不确定性概率;
p(Fi)表示SVM的实际输出;
y(Ei)表示期望输出;
En表示超限SVM输出误差;
N表示支持向量的数目;
步骤b3、在多组分气体超限数据融合判识过程中,拟定各多组分气体超限数据无交集,当mi(C)={m1,m2,…,mn}时,存在n个传递函数组成的证据体,根据下式合成:
式(4)中:
m(C)表示n个传递函数合成的源信息融合证据体;
Fj表示发生多组分气体超限的次数,j=1,2,…,t,t为超限气体类型的个数。
步骤c、按照多组分气体超限预警判识的决策规则对多组分气体是否超限进行判断:
所述多组分气体超限预警判识的决策规则为:m(θ)<0.01且m(C)>0.5;
满足上述决策规则时,则认为当前检测环境的气体浓度超限,进行预警。
所述基于光谱吸收技术的多组分气体在线分析系统还包括触控显示屏15,所述触控显示屏15设置在所述壳体1上,触控显示屏15与主板17相连接,用于展示所述数据分析模块的分析结果,并用于接收输入指令。
所述壳体1底部设置多个滚轮16,便于所述壳体1进行移动。
实施例二
基于光谱吸收技术的多组分气体在线分析系统的分析方法,采用上述基于光谱吸收技术的多组分气体在线分析系统实现,包括以下步骤:
第一步,检查基于光谱吸收技术的多组分气体在线分析系统状态,开机预热10min;
第二步,测试前对各个气体传感器标定:在进气孔13通入浓度为99.999%的N2,控制气体流速500mL/min,通气5min,待传感器输出示数稳定以后,在触控显示屏15上点击标零和标量程,标量程时为确保待测气体精确性,最好选用满量程80%的标准气体,通入N2一方面为了清洗管路和传感器气室内部残余的杂质气体,另一方面可以对下一个待测传感器进行标零;
第三步,开始测试:将基于光谱吸收技术的多组分气体在线分析系统搬运到待测试环境中,启动微型真空泵3,将气体经除尘除湿装置21,滤除环境中水分尘或水份,然后依次经氧气传感器5、甲烷传感器6、一氧化碳传感器7、二氧化碳传感器8、硫化氢传感器9、二氧化硫传感器10、二氧化氮传感器11和氨气传感器12,对气体浓度进行监测,得到多组分气体浓度数据,信号转换器181将各传感器的气体浓度数据的电信号转换为数字信号,处理器182将数字信号进行处理形成数据,发送至数据存储模块19进行存储,数据分析模块20获取数据存储模块19中的各时刻多种不同种类气体的浓度数据进行分析,得到预警分析结果,传送至触控显示屏15进行显示并提示操作。
所述数据分析模块的分析方法包括以下步骤:
步骤a、利用SVM算法(Support Vector Machine,支持向量机)生成局部特征级数据;
将数据分析模块中各时刻多种不同种类气体的浓度数据作为数据样本的特征向量,然后将典型非线性特征值向量输入到数据融合处理中心,利用支持向量机的非线性映射功能对网络得到的各种征兆信息进行融合识别,生成局部特征级数据;
步骤b、根据数据融合D-S证据体融合方法构建多组分气体超限结果的证据集,包括以下步骤:
步骤b1、依据局部特征级数据的多组分气体超限的次数,确立多组分气体超限D-S证据理论的识别架构为:
Θ={FA,FB} (1)
式中:
Θ表示多组分气体超限D-S证据理论的识别集;
FA表示发生多组分气体超限的次数;
FB表示未发生多组分气体超限的次数。
上述多组分气体超限具体为:甲烷传感器6、一氧化碳传感器7、二氧化碳传感器8、硫化氢传感器9、二氧化硫传感器10、二氧化氮传感器11和氨气传感器12检测的特定测试环境测定的某一种或几种气体浓度超过阈值;
步骤b2、将建立的支持向量机局部特征级数据作为D-S多源信息溶解证据体的输入,计算超限不确定性概率,具体实现方法如下:
m(θ)=En (2)
式(2)和式(3)中:
m(θ)表示超限不确定性概率;
p(Fi)表示SVM的实际输出;
y(Ei)表示期望输出;
En表示超限SVM输出误差;
N表示支持向量的数目;
步骤b3、在多组分气体超限数据融合判识过程中,拟定各多组分气体超限数据无交集,当mi(C)={m1,m2,…,mn}时,存在n个传递函数组成的证据体,根据下式合成:
式(4)中:
m(C)表示n个传递函数合成的源信息融合证据体;
Fj表示发生多组分气体超限的次数,j=1,2,…,t,t为超限气体类型的个数;
步骤c、按照多组分气体超限预警判识的决策规则对多组分气体是否超限进行判断:
所述多组分气体超限预警判识的决策规则为:m(θ)<0.01且m(C)>0.5;
满足上述决策规则时,则认为当前检测环境的气体浓度超限,进行预警。
在本发明的实施例一和实施例二中,上述多组分气体在线分析系统置于工业环境中时,通过微型真空泵3采用抽吸的方式将气体通过进气孔13和除尘除湿装置2吸入,然后经过与微型真空泵3连接的电子流量计4获取输入气体的流量,通过电子流量计4的气体依次经过氧气传感器5、甲烷传感器6、一氧化碳传感器7、二氧化碳传感器8、硫化氢传感器9、二氧化硫传感器10、二氧化氮传感器11、氨气传感器12,各气体传感器会采集对应气体的浓度且不会对气体本身进行操作,然后通过出气孔14排出。
其中,在本发明的实施例一和实施例二中,上述多组分气体在线分析系统可以通过串联的氧气传感器5、甲烷传感器6、一氧化碳传感器7、二氧化碳传感器8、硫化氢传感器9、二氧化硫传感器10、二氧化氮传感器11、氨气传感器12分别采取输入气体中的对应气体的浓度,从而使得测量的气体种类更加丰富,进而使得基于多种气体的浓度得到的检测结果更加全面。
其中,在本发明的实施例一和实施例二中,上述气体在线分析系统处于大气环境中可以直接利用上述多种不同气体的浓度数据中的一种或多种进行分析得到当前空气质量。
在本发明的实施例一和实施例中,通过上述数据分析模块20可以利用各个时刻不同气体的浓度数据,对当前环境中的多种不同气体进行分析得到预警分析结果,从而使得用户可以更好地了解当前环境的危险程度。
在本发明的实施例一和实施例二中,数据分析模块20会定期将分析结果进行更新,并将更新后的分析结果发送至触控显示屏15进行显示,使得用户可以清晰地了解当前环境中各种气体的浓度。以及,在本发明的实施例中,上述触控显示屏15为矿用本安防爆显示屏,可以应用于不同的危险环境(例如工业危险环境中,仍然可以使用)。上述触控显示屏15还用于接收输入指令,并将输入指令传输至数据分析模块20。具体的,在本发明的实施例一和实施例二中,上述触控显示屏15可以直接接收用户输入的指令(如设置电子流量计中气体的流量),并将接收到的指令传输至与触控显示屏15连接的数据分析模块20。
在本发明的实施例一和实施例二中,外联设备22可以包括电脑、平板、手机、工控机中的一种或多种。进一步地,在本发明的实施例中,通过通信模块21可以将分析结果直接发送至外联设备22,具体地,通信模块21可采用WIFI使得用户可以远程了解当前环境的气体分析结果,同时用户还可以通过外联设备22对该在线分析系统进行控制,实现用户对在线分析系统的远程控制。
基于上述描述,本发明提出的基于光谱吸收技术的多组分气体在线分析系统具体可以应用的场景为,当某个工业环境发生泄漏时,用户可以通过外联设备22远程控制在线分析系统移动到该工业环境中,并对当前工业环境的气体进行分析得到分析结果,并根据分析结果提示用户当前工业环境中的气体组成成分和各种气体的含量,同时给出当前工业环境的危险程度和注意事项,以便用户可以利用在线分析系统对工业环境进行全面了解之后,再做出对应的响应,避免用户在不知晓工业环境的具体情况下做出响应,造成不必要的人员伤亡或损失。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (5)
1.基于光谱吸收技术的多组分气体在线分析系统,其特征在于,包括壳体,所述壳体上设有进气孔和出气孔,分别用于与进气管和出气管相连,所述壳体内还设置有除尘除湿装置、微型真空泵、电子流量计、多个不同的气体传感器;
除尘除湿装置,所述除尘除湿装置与所述进气孔通过管路相连,用于对从进气孔进入的气体进行除尘和除湿处理;
微型真空泵,一端与所述除尘除湿装置通过管路连接,另一端与电子流量计相连,电子流量计用于控制和获取输入气体的流量;
多个不同的气体传感器,所述多个不同的气体传感器通过管路串联连接,所述多个不同的气体传感器串联的开始一侧与所述电子流量计连接,用于检测通过所述电子流量计的气体中的气体浓度,所述多个不同的气体传感器串联的末尾一侧通过管路与出气孔连接,用于将依次通过多个不同的气体传感器的气体通过所述出气孔排出;
所述多个不同的气体传感器包括氧气传感器、甲烷传感器、一氧化碳传感器、二氧化碳传感器、硫化氢传感器、二氧化硫传感器、二氧化氮传感器和氨气传感器;
所述基于光谱吸收技术的多组分气体在线分析系统还包括主板,主板上设有中央处理模块、数据存储模块、数据分析模块及通信模块;
所述中央处理模块包括信号转换器和处理器;所述信号转换器分别和所述微型真空泵、所述电子流量计、所述多个不同的气体传感器连接,用于接收所述微型真空泵、所述电子流量计、所述多个不同的气体传感器传输的电信号,并将所述接收到的电信号转换为数字信号;所述处理器与所述信号转换器连接,用于接收所述信号转换器传输的数字信号,并对所述数据信号进行处理;
所述数据存储模块与所述处理器连接,用于接收所述处理器发送的数据,并将所述接收到的数据进行存储;
所述数据分析模块与所述数据存储模块连接,用于获取所述数据存储模块中的多个不同的气体传感器传输的数据,并对数据进行分析;
所述通信模块,用于与外联设备进行数据传输;
所述数据分析模块的分析方法包括以下步骤:
步骤a、利用SVM算法生成局部特征级数据;
将数据分析模块中各时刻多种不同种类气体的浓度数据作为数据样本的特征向量,然后将典型非线性特征值向量输入到数据融合处理中心,利用支持向量机的非线性映射功能对网络得到的各种征兆信息进行融合识别,生成局部特征级数据;
步骤b、根据数据融合D-S证据体融合方法构建多组分气体超限结果的证据集,包括以下步骤:
步骤b1、依据局部特征级数据的多组分气体超限的次数,确立多组分气体超限D-S证据理论的识别架构为:
Θ={FA,FB} (1)
式中:
Θ表示多组分气体超限D-S证据理论的识别集;
FA表示发生多组分气体超限的次数;
FB表示未发生多组分气体超限的次数;
上述多组分气体超限具体为:甲烷传感器、一氧化碳传感器、二氧化碳传感器、硫化氢传感器、二氧化硫传感器、二氧化氮传感器和氨气传感器检测的特定测试环境测定的某一种或几种气体浓度超过阈值;
步骤b2、将建立的支持向量机局部特征级数据作为D-S多源信息溶解证据体的输入,计算超限不确定性概率,具体实现方法如下:
m(θ)=En (2)
式(2)和式(3)中:
m(θ)表示超限不确定性概率;
p(Fi)表示SVM的实际输出;
y(Ei)表示期望输出;
En表示超限SVM输出误差;
N表示支持向量的数目;
步骤b3、在多组分气体超限数据融合判识过程中,拟定各多组分气体超限数据无交集,当mi(C)={m1,m2,…,mn}时,存在n个传递函数组成的证据体,根据下式合成:
式(4)中:
m(C)表示n个传递函数合成的源信息融合证据体;
Fj表示发生多组分气体超限的次数,j=1,2,…,t,t为超限气体类型的个数;
步骤c、按照多组分气体超限预警判识的决策规则对多组分气体是否超限进行判断:
所述多组分气体超限预警判识的决策规则为:m(θ)<0.01且m(C)>0.5;
满足上述决策规则时,则认为当前检测环境的气体浓度超限,进行预警。
2.如权利要求1所述的基于光谱吸收技术的多组分气体在线分析系统,其特征在于,所述基于光谱吸收技术的多组分气体在线分析系统还包括触控显示屏,所述触控显示屏设置在所述壳体上,触控显示屏与主板相连接,用于展示数据分析模块的分析结果,并用于接收输入指令。
3.如权利要求1所述的基于光谱吸收技术的多组分气体在线分析系统,其特征在于,所述壳体底部设置多个滚轮,便于所述壳体进行移动。
4.基于光谱吸收技术的多组分气体在线分析系统的分析方法,采用如权利要求1所述的基于光谱吸收技术的多组分气体在线分析系统实现,其特征在于,包括以下步骤:
第一步,检查基于光谱吸收技术的多组分气体在线分析系统状态,开机预热10min;
第二步,测试前对各个气体传感器标定:在进气孔通入浓度为99.999%的N2,控制气体流速500mL/min,通气5min,待传感器输出示数稳定以后,在触控显示屏上点击标零和标量程;
第三步,开始测试:将基于光谱吸收技术的多组分气体在线分析系统搬运到待测试环境中,启动微型真空泵,将气体经除尘除湿装置,滤除环境中的灰尘或水分,然后依次经氧气传感器、甲烷传感器、一氧化碳传感器、二氧化碳传感器、硫化氢传感器、二氧化硫传感器、二氧化氮传感器和氨气传感器,对气体浓度进行监测,得到多组分气体浓度数据,信号转换器将各传感器的气体浓度数据的电信号转换为数字信号,处理器将数字信号进行处理形成数据,发送至数据存储模块进行存储,数据分析模块获取数据存储模块中的各时刻多种不同种类气体的浓度数据进行分析,得到预警分析结果,传送至触控显示屏进行显示并提示操作。
5.如权利要求4所述的基于光谱吸收技术的多组分气体在线分析系统的分析方法,其特征在于,所述第三步中的预警分析结果另外通过通信模块发送至外联设备,通过外联设备获得预警分析结果并对该在线分析系统进行控制,实现用户对在线分析系统的远程控制。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211065660.9A CN115561185B (zh) | 2022-09-01 | 2022-09-01 | 基于光谱吸收技术的多组分气体在线分析系统及分析方法 |
PCT/CN2022/137985 WO2024045410A1 (zh) | 2022-09-01 | 2022-12-09 | 基于光谱吸收技术的多组分气体在线分析系统及分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211065660.9A CN115561185B (zh) | 2022-09-01 | 2022-09-01 | 基于光谱吸收技术的多组分气体在线分析系统及分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115561185A CN115561185A (zh) | 2023-01-03 |
CN115561185B true CN115561185B (zh) | 2023-05-23 |
Family
ID=84738913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211065660.9A Active CN115561185B (zh) | 2022-09-01 | 2022-09-01 | 基于光谱吸收技术的多组分气体在线分析系统及分析方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115561185B (zh) |
WO (1) | WO2024045410A1 (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1648638A (zh) * | 2005-02-05 | 2005-08-03 | 西安交通大学 | 基于支持向量机的多组分气体浓度定量分析仪 |
RU98818U1 (ru) * | 2010-06-01 | 2010-10-27 | Александр Львович Чапкевич | Устройство для контроля газовой среды |
CN111779540A (zh) * | 2020-02-24 | 2020-10-16 | 中国矿业大学 | 矿井下密闭环境参数原位探测与远程监测分析系统及方法 |
CN113049636A (zh) * | 2021-02-24 | 2021-06-29 | 戴天智能科技(上海)有限公司 | 一种具有多种气体检测能力的数据处理终端 |
RU2762858C1 (ru) * | 2021-02-18 | 2021-12-23 | Общество с ограниченной ответственностью "Техавтоматика" | Газоанализатор для проведения мониторинга состояния объектов окружающей среды и способ его работы |
CN114582107A (zh) * | 2022-03-01 | 2022-06-03 | 中用科技有限公司 | 有限空间作业安全智能预警系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205352939U (zh) * | 2015-09-02 | 2016-06-29 | 煤科集团沈阳研究院有限公司 | 一种便携式煤矿有害气体预警分析仪 |
CN108150221A (zh) * | 2017-12-06 | 2018-06-12 | 山西宏安翔科技股份有限公司 | 一种矿用多参数监测仪 |
-
2022
- 2022-09-01 CN CN202211065660.9A patent/CN115561185B/zh active Active
- 2022-12-09 WO PCT/CN2022/137985 patent/WO2024045410A1/zh unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1648638A (zh) * | 2005-02-05 | 2005-08-03 | 西安交通大学 | 基于支持向量机的多组分气体浓度定量分析仪 |
RU98818U1 (ru) * | 2010-06-01 | 2010-10-27 | Александр Львович Чапкевич | Устройство для контроля газовой среды |
CN111779540A (zh) * | 2020-02-24 | 2020-10-16 | 中国矿业大学 | 矿井下密闭环境参数原位探测与远程监测分析系统及方法 |
RU2762858C1 (ru) * | 2021-02-18 | 2021-12-23 | Общество с ограниченной ответственностью "Техавтоматика" | Газоанализатор для проведения мониторинга состояния объектов окружающей среды и способ его работы |
CN113049636A (zh) * | 2021-02-24 | 2021-06-29 | 戴天智能科技(上海)有限公司 | 一种具有多种气体检测能力的数据处理终端 |
CN114582107A (zh) * | 2022-03-01 | 2022-06-03 | 中用科技有限公司 | 有限空间作业安全智能预警系统 |
Non-Patent Citations (2)
Title |
---|
FTIR固定污染源VOCs在线监测系统;吕世龙;赵会杰;任利兵;王昕;尉昊;李岩;;光谱学与光谱分析(第10期);172-175 * |
基于支持向量机的煤矿极性气体光谱定量分析;郝从娜;左晨;田富超;;煤矿安全(第06期);124-129 * |
Also Published As
Publication number | Publication date |
---|---|
WO2024045410A1 (zh) | 2024-03-07 |
CN115561185A (zh) | 2023-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019128203A1 (zh) | 具有传感器检测元件的有毒有害气体网络监测仪及监测数据处理方法 | |
EP0509171B1 (en) | Method and apparatus for improving the specificity of an ion mobility spectrometer utilizing sulfur dioxide dopant chemistry | |
JP2007309770A (ja) | 油中ガス分析装置、油中ガス分析装置を備えた変圧器、及び油中ガスの分析方法 | |
US11408876B2 (en) | Modular gas monitoring system | |
US11555808B2 (en) | Wide-concentration multi-component hazardous gas detector and implementation method thereof | |
CN103245757A (zh) | 气体环境应急检测系统 | |
CN112526070B (zh) | 一种lel和voc组合式废气分析系统 | |
CN108956875A (zh) | 一种基于物联网的实验室安全监测系统及方法 | |
CN113552110A (zh) | 基于拉曼光谱的锂离子电池热失控动态预警系统及方法 | |
CN115561185B (zh) | 基于光谱吸收技术的多组分气体在线分析系统及分析方法 | |
KR102198520B1 (ko) | 가스절연기기 진단용 가스센서 모듈 | |
US4642296A (en) | Method of measuring the magnitude of an environmental parameter, especially the concentration of an explosion-generating gas in a subterranean atmosphere | |
CN109187850A (zh) | 一种实验室智能安全管理系统及其工作方法 | |
US20240133804A1 (en) | On-line multi-component gas analysis system based on spectral absorption technology and analysis method thereof | |
CN106770532A (zh) | 一种气体浓度预测装置、及气体浓度实时检测和预测系统 | |
CN2804861Y (zh) | 空气质量检测装置 | |
CN114062617A (zh) | 一种面向危险化学品事故的气体检测装置 | |
KR20010039446A (ko) | 변압기 이상 감시장치 | |
US6728643B2 (en) | Process and device for measuring the concentrations of a plurality of gas components in a gas sample | |
TWI796829B (zh) | 氣體檢測系統及其檢測方法 | |
CN218824198U (zh) | 一种煤矿用便携式气体分析仪 | |
CN104956414B (zh) | 具有内部寿命测试的电化学检测系统 | |
KR100511874B1 (ko) | 지리정보시스템을 이용한 이동용 측정장치 | |
CN108828154B (zh) | 一种氧气检测仪检定装置与方法 | |
RU221253U1 (ru) | Станция анализа газового состава атмосферы |
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 |