CN115684076A - 多通道红外气体传感器数据处理方法 - Google Patents

Abstract

本发明的实施例公开了一种多通道红外气体传感器数据处理方法，其中多通道红外气体传感器数据处理方法包括步骤S1、采集一通道内一物质的浓度数据y_i，经数据处理，获得初步浓度数据c₀；步骤S2、基于最小二乘法，搭建试验平台，拟合温度对初步浓度数据c₀的影响；步骤S3、基于卡尔曼滤波算法，迭代更新数据，得到该物质的实际浓度数据。根据本发明，能剔除偶然出现的脉冲性干扰，减小数据波动的影响，以得到最接近气体实际真实浓度的实际浓度数据。

Description

多通道红外气体传感器数据处理方法

技术领域

本发明涉及红外气体传感器技术领域，特别涉及一种多通道红外气体传感器数据处理方法。

背景技术

红外气体传感器是基于不同气体分子的近红外光谱选择吸收特性，利用气体浓度与吸收强度关系(Lambert-Beer定律)鉴别气体组分并确定其浓度的气体传感装置。相较于其他类型传感器而言，其气体选择性高、工作温度范围广、灵敏度不会衰减、传感器集成体积小、可靠性高。目前红外气体传感器的测量精度不高，在实际气体测量使用中具有局限性。

发明内容

本发明的实施例提供一种多通道红外气体传感器数据处理方法，能剔除偶然出现的脉冲性干扰，减小数据波动的影响，以得到最接近气体实际真实浓度的实际浓度数据。

为了解决上述技术问题，本发明的实施例公开了如下技术方案：

一方面，提供了一种多通道红外气体传感器数据处理方法，该数据处理方法包括如下步骤：步骤S1、采集一通道内一物质的浓度数据y_i，经数据处理，获得初步浓度数据c₀；步骤S2、基于最小二乘法，搭建试验平台，拟合温度对初步浓度数据c₀的影响；步骤S3、基于卡尔曼滤波算法，迭代更新数据，得到该物质的实际浓度数据；步骤S4、重复上述步骤若干次，得到多通道的若干物质的若干实际浓度数据。

除了上述公开的一个或多个特征之外，或者作为替代，所述步骤S1包括S11、对一通道内的某一物质设置一级阈值m_i和二级阈值n_i；S12、第一次采集该物质的浓度数据y_i，并对其进行去偶然脉冲性干扰处理、去噪处理得到滤波数据y′_i；S13、再一次采集该物质的浓度数据y_i+1，计算浓度数据y_i+1与滤波数据y′_i之间的差值ω，将差值ω的值与阈值m_i的值、阈值n_i的值进行比较：若差值ω大于M_i，则以滤波数据y′_i替代浓度数据y_i+1；若阈值N_i小于差值ω，差值ω小于阈值M_i，则连续采集后续m个数据，计算m个浓度数据分别与滤波数据y′_i之间的m个差值ω，取m个差值ω的均值q，将均值q的值与α个阈值N_i的值进行比较：若均值q小于α个阈值N_i，则以滤波数据y′_i替代浓度数据y_i+1的值，否则，保留浓度数据y_i+1；S14、滤波数据y′_i或浓度数据y_i+1设定为初步浓度数据c₀。

除了上述公开的一个或多个特征之外，或者作为替代，所述去偶然脉冲性干扰采用限幅平均滤波法。

除了上述公开的一个或多个特征之外，或者作为替代，所述去噪处理采用平滑滤波法。

除了上述公开的一个或多个特征之外，或者作为替代，所述步骤S2包括S21、设定温度梯度，记录温度梯度内对应温度t_i下所采集的温度浓度数据z_i，计算n个温度浓度数据z_i分别与初步浓度数据c₀之间的n个差值δ_i，得到多个数值坐标(t_i，δ_i)；

S22、构建初步的拟合曲线，设定拟合曲线为：

x：温度t_i的值,

与温度t_i所对应的差值δ_i的值；

S23、选择部分数值坐标(t_i，δ_i)代入拟合曲线，通过最小二乘法计算得到k和b的值，之后将k和b的值代入合曲线得到拟合函数；

S24、计算拟合优度R²和误差平方和SSE；设定需求拟合优度值为1，判断计算所得的拟合优度R²的值是否接近需求拟合优度的值：若计算所得的拟合优度R²的值接近需求拟合优度的值，则保留拟合函数；若计算所得的拟合优度R²的值远离需求拟合优度的值，则进入步骤S25；

S25、重复步骤S22、步骤S23和步骤S24，得到新的拟合函数。

除了上述公开的一个或多个特征之外，或者作为替代，所述拟合优度R²的计算公式：

其中，f(x)是拟合函数，f(i)为i时刻对应拟合函数值。

除了上述公开的一个或多个特征之外，或者作为替代，所述误差平方和SSE的计算公式：

除了上述公开的一个或多个特征之外，所述步骤S3包括S31、设定某一时刻为k时刻，k-1时刻的浓度预测值为

则k时刻浓度的预测函数的计算公式：

其中，u_i是设定函数；

S32、计算k时刻浓度预测值的理论误差

S33、计算卡尔曼增益θ_k；

S34、经过温度补偿后，k时刻浓度测量值为温度浓度数据z_k的值，则k时刻实际浓度的计算公式：

经计算得到k时刻实际浓度数据。

除了上述公开的一个或多个特征之外，或者作为替代，述理论误差

的计算公式：

除了上述公开的一个或多个特征之外，或者作为替代，所述步骤S3包括S35、更新理论误差

同时重复步骤S31、步骤S32、步骤S33和步骤S34，得到新的k时刻实际浓度数据。

上述技术方案中的多通道红外气体传感器数据处理方法具有如下优点或有益效果：步骤S2能剔除偶然出现的脉冲性干扰，同时能去噪，步骤S3减小由于环境因素及温度补偿不彻底造成的数据波动的影响，以得到最接近气体实际真实浓度的实际浓度数据。

附图说明

下面结合附图，通过对本发明的具体实施方式详细描述，将使本发明的技术方案及其它有益效果显而易见。

图1是根据本发明实施例提供的一种多通道红外气体传感器数据处理方法的方法步骤图；

图2是根据本发明实施例提供的一种多通道红外气体传感器数据处理方法的流程示意图。

具体实施方式

为了使本发明的目的、技术方案和有益效果更加清晰明白，以下结合附图和具体实施方式，对本发明进行进一步详细说明。应当理解的是，本说明书中描述的具体实施方式仅仅是为了解释本发明，并不是为了限定本发明。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是指两个或两个以上，除非另有明确具体的限定。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度小于第二特征。

在气体探测器领域，主要有半导体气体传感器、电化学型气体传感器、固体电解质气体传感器、接触燃烧式气体传感器、光学式气体传感器等，而NDIR(Non-DispersiveInfraRed，非分散红外技术)红外气体传感器因不同气体的红外吸收峰不同，通过测量红外吸收前后能量变化来检测气体体积分数。

红外气体传感器是基于不同气体分子的近红外光谱选择吸收特性，利用气体浓度与吸收强度关系(Lambert-Beer定律)鉴别气体组分并确定其浓度的气体传感装置。相较于其他类型传感器而言，其气体选择性高、工作温度范围广、灵敏度不会衰减、传感器集成体积小、可靠性高，广泛应用于CO、CO2、甲烷、NO等气体的检测中。目前红外气体传感器的测量精度不高：

通过对多次采集的待测气体的浓度值分析可知，一方面，数据中存在偶然出现的脉冲性干扰，若不对脉冲性干扰进行处理，将会出现不合理的浓度值，不合理的浓度值是指该浓度值与实际真实浓度值有大的偏差。

另一方面，即使在对待测气体的温度补偿后，也受限于温度变化的时延、温度采集的波动及其他环境因素的影响，数据可能有较大波动，常用消除波动的方法有均值滤波、中位数滤波等，但上述方法会改变数据真实变化情况。在实际气体测量中具有局限性。

因此，本文公开的示例性多通道红外气体传感器数据处理方法，该数据处理方法包括如下步骤：步骤S1、采集一通道内一物质的浓度数据y_i，经数据处理，获得初步浓度数据c₀；步骤S1的数据处理是指对多通道红外传感器的浓度数据中所出现的偶然脉冲性性干扰进行剔除，同时除去浓度数据中的噪声，以获取初步浓度数据c₀，其中初步浓度数据c₀是初步稳定的物质浓度，避免出现不合理的浓度值的现象。

步骤S2、基于最小二乘法，搭建试验平台，拟合温度对初步浓度数据c₀的影响；步骤S2主要对初步浓度数据c₀进行温度补偿。

步骤S3、基于卡尔曼滤波算法，迭代更新数据，得到该物质的实际浓度数据；步骤S3能迭代更新数据，基于卡尔曼滤波算法调整参数，以计算得到准确的实际浓度数据。

步骤S4、重复上述步骤若干次，得到多通道的若干物质的若干实际浓度数据。本实施例的红外气体传感器具有多通道，每个通道可以根据需求通入一种或多种物质，物质指的是气体。针对一种气体，实施步骤1、步骤S2和步骤S3，即可得到该物质的实际浓度数据，该实际浓度数据是剔除了偶然出现的脉冲性干扰，并减小由于环境因素及温度补偿不彻底造成的数据波动的影响后所得到的最接近于气体实际通入时的真实值。针对多种气体，重复实施步骤1、步骤S2和步骤S3，即可得到多种物质的多个实际浓度数据。同时针对多种气体，本实施例不限制一次数据处理方法时所针对处理气体的个数。

采用本实施例的多通道红外气体传感器数据处理方法，能剔除偶然出现的脉冲性干扰，同时能去噪，并减小由于环境因素及温度补偿不彻底造成的数据波动的影响，以得到最接近气体实际真实浓度的实际浓度数据。

在本发明实施例中，所述步骤S1包括S11、对一通道内的某一物质设置一级阈值m_i和二级阈值n_i；对各通道数据变化范围分析，设定阈值数值。一种气体，设置两个阈值，分别是一级阈值m_i和二级阈值n_i，其中，一级阈值m_i大于二级阈值n_i。

S12、第一次采集该物质的浓度数据y_i，并对其进行去偶然脉冲性干扰处理、去噪处理得到滤波数据y′_i；滤波数据y′_i是相对于浓度数据y_i更稳定。

S13、再一次采集该物质的浓度数据y_i+1，计算浓度数据y_i+1与滤波数据y′_i之间的差值ω，将差值ω的值与阈值m_i的值、阈值n_i的值进行比较：若差值ω大于M_i，则以滤波数据y′_i替代浓度数据y_i+1；若阈值N_i小于差值ω，差值ω小于阈值M_i，则连续采集后续m个数据，计算m个浓度数据分别与滤波数据y′_i之间的m个差值ω，取m个差值ω的均值q，将均值q的值与α个阈值N_i的值进行比较：若均值q小于α个阈值N_i，则以滤波数据y′_i替代浓度数据y_i+1的值，否则，保留浓度数据y_i+1；通过差值ω的值与阈值m_i的值、阈值n_i的值进行比较，确定选择滤波数据y′_i或是浓度数据y_i+1。

S14、滤波数据y′_i或浓度数据y_i+1设定为初步浓度数据c₀；若选择滤波数据y′_i，则设定滤波数据y′_i为初步浓度数据c₀，若选择浓度数据y_i+1，则设定滤波数据y′_i为初步浓度数据c₀。通过差值ω的值与阈值m_i的值、阈值n_i的值进行比较，确定初步浓度数据c₀。

在本发明实施例中，所述去偶然脉冲性干扰采用限幅平均滤波法。值得说明的是，限幅平均滤波法只是剔除偶然出现的脉冲性干扰的一种方法，在实施例采用限幅平均滤波法仅是示例性地给出，只要能剔除偶然出现的脉冲性干扰均在本申请的保护范围内。

在本发明实施例中，所述去噪处理采用平滑滤波法。值得说明的是，平滑滤波法只是去噪的一种方法，在实施例采用平滑滤波法仅是示例性地给出，只要能去噪均在本申请的保护范围内。

在本发明实施例中，所述步骤S2包括S21、设定温度梯度，记录温度梯度内对应温度t_i下所采集的温度浓度数据z_i，计算n个温度浓度数据z_i分别与初步浓度数据c₀之间的n个差值δ_i，得到多个数值坐标(t_i，δ_i)。其中，温度梯度的合集是[t₁，t_2,，t₃…t_n]，n个差值δ_i的的合集是[δ₁，δ_2,，δ₃…δ_n]。示例性的，t₁温度下所采集的温度浓度数据z₁，温度浓度数据z₁与初步浓度数据c₀之间的差值δ₁，数值坐标是(t₁，δ₁)。

S22、构建初步的拟合曲线，设定拟合曲线为：

x：温度t_i的值,

与温度t_i所对应的差值δ_i的值。

S23、选择部分数值坐标(t_i，δ_i)代入拟合曲线，通过最小二乘法计算得到k和b的值，之后将k和b的值代入合曲线得到拟合函数。拟合函数不是固定不变的，在选取的数值坐标(t_i，δ_i)发生变化后，通过最小二乘法计算得到k和b的值也会发生变化，将新的k和b的值代入拟合曲线后，就得到新的拟合函数。

S24、计算拟合优度R²和误差平方和SSE；设定需求拟合优度值为1，判断计算所得的拟合优度R²的值是否接近需求拟合优度的值：若计算所得的拟合优度R²的值接近需求拟合优度的值，则保留拟合函数；若计算所得的拟合优度R²的值远离需求拟合优度的值，则进入步骤S25。拟合优度R²越接近1，拟合模型效果越好。误差平方和SSE越小，代表误差越小，模型效果越好。判断计算所得的拟合优度R²的值是否接近需求拟合优度的值，可根据实际需求或者满足设计要求去做选择。如果所得到的拟合优度R²满足实际需求，或者满足设计要求，则不用进入S25，否则进入S25。示例性的，拟合优度R²为0.8，可认为拟合优度R²的值接近需求拟合优度的值。

S25、重复步骤S22、步骤S23和步骤S24，得到新的拟合函数。针对拟合优度R²不满足实际需求，或者不满足设计要求，也即所得到的拟合函数与模型偏差较大，通过步骤S25可进行调整。

在本发明实施例中，所述拟合优度R²的计算公式：

其中，f(x)是拟合函数，f(i)为i时刻对应拟合函数值。f(x)是拟合函数自行设定的函数。

在本发明实施例中，所述误差平方和SSE的计算公式：

在本发明实施例中，所述步骤S3包括S31、设定某一时刻为k时刻，k-1时刻的浓度预测值为

则k时刻浓度的预测函数的计算公式：

其中，u_i是设定函数；

S32、计算k时刻浓度预测值的理论误差

S33、计算卡尔曼增益θ_k；卡尔曼增益θ_k是一个中间计算系数。

S34、经过温度补偿后，k时刻浓度测量值为温度浓度数据z_k的值，则k时刻实际浓度的计算公式：

经计算得到k时刻实际浓度数据。

在本发明实施例中，所述

在本实施例中，测量值是温度浓度数据z_k的值，理论估计值是k时刻浓度预测值。

在本发明实施例中，所述步骤S3包括S35、更新理论误差

同时重复步骤S31、步骤S32、步骤S33和步骤S34，得到新的k时刻实际浓度数据。理论误差

不是固定不变的，在测量值、理论估计值发生变化后，理论误差

改变。将新的理论误差

的值代入k时刻实际浓度的计算公式进行计算，就得到新的k时刻实际浓度数据。

以上步骤所提供的介绍，只是用于帮助理解本发明的方法、结构及核心思想。对于本技术领域内的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也同样属于本发明权利要求保护范围之内。

Claims (10)

1.一种多通道红外气体传感器数据处理方法，其特征在于，该数据处理方法包括如下步骤：

步骤S1、采集一通道内一物质的浓度数据y_i，经数据处理，获得初步浓度数据c₀；

步骤S2、基于最小二乘法，搭建试验平台，拟合温度对初步浓度数据c₀的影响；

步骤S3、基于卡尔曼滤波算法，迭代更新数据，得到该物质的实际浓度数据；

步骤S4、重复上述步骤若干次，得到多通道的若干物质的若干实际浓度数据。

2.如权利要求1所述的多通道红外气体传感器数据处理方法，其特征在于，所述步骤S1包括S11、对一通道内的某一物质设置一级阈值m_i和二级阈值n_i；S12、第一次采集该物质的浓度数据y_i，并对其进行去偶然脉冲性干扰处理、去噪处理得到滤波数据y′_i；S13、再一次采集该物质的浓度数据y_i+1，计算浓度数据y_i+1与滤波数据y′_i之间的差值ω，将差值ω的值与阈值m_i的值、阈值n_i的值进行比较：若差值ω大于M_i，则以滤波数据y′_i替代浓度数据y_i+1；若阈值N_i小于差值ω，差值ω小于阈值M_i，则连续采集后续m个数据，计算m个浓度数据分别与滤波数据y′_i之间的m个差值ω，取m个差值ω的均值q，将均值q的值与α个阈值N_i的值进行比较：若均值q小于α个阈值N_i，则以滤波数据y′_i替代浓度数据y_i+1的值，否则，保留浓度数据y_i+1；S14、滤波数据y′_i或浓度数据y_i+1设定为初步浓度数据c₀。

3.如权利要求2所述的多通道红外气体传感器数据处理方法，其特征在于，所述去偶然脉冲性干扰采用限幅平均滤波法。

4.如权利要求2所述的多通道红外气体传感器数据处理方法，其特征在于，所述去噪处理采用平滑滤波法。

5.如权利要求1所述的多通道红外气体传感器数据处理方法，其特征在于，所述步骤S2包括S21、设定温度梯度，记录温度梯度内对应温度t_i下所采集的温度浓度数据z_i，计算n个温度浓度数据z_i分别与初步浓度数据c₀之间的n个差值δ_i，得到多个数值坐标(t_i，δ_i)；

S22、构建初步的拟合曲线，设定拟合曲线为：

x：温度t_i的值，

与温度t_i所对应的差值δ_i的值；

S23、选择部分数值坐标(t_i，δ_i)代入拟合曲线，通过最小二乘法计算得到k和b的值，之后将k和b的值代入合曲线得到拟合函数；

S24、计算拟合优度R²和误差平方和SSE；设定需求拟合优度值为1，判断计算所得的拟合优度R²的值是否接近需求拟合优度的值：若计算所得的拟合优度R²的值接近需求拟合优度的值，则保留拟合函数；若计算所得的拟合优度R²的值远离需求拟合优度的值，则进入步骤S25；

S25、重复步骤S22、步骤S23和步骤S24，得到新的拟合函数。

6.如权利要求5所述的多通道红外气体传感器数据处理方法，其特征在于，所述拟合优度R²的计算公式：

其中，f(x)是拟合函数，f(i)为i时刻对应拟合函数值。

7.如权利要求5所述的多通道红外气体传感器数据处理方法，其特征在于，所述误差平方和SSE的计算公式：

8.如权利要求1所述的多通道红外气体传感器数据处理方法，其特征在于，所述步骤S3包括S31、设定某一时刻为k时刻，k-1时刻的浓度预测值为

则k时刻浓度的预测函数的计算公式：

其中，u_i是设定函数；

S32、计算k时刻浓度预测值的理论误差

S33、计算卡尔曼增益θ_k；

S34、经过温度补偿后，k时刻浓度测量值为温度浓度数据z_k的值，则k时刻实际浓度的计算公式：

经计算得到k时刻实际浓度数据。

9.如权利要求8所述的多通道红外气体传感器数据处理方法，其特征在于，所述理论误差

的计算公式：理论误差

10.如权利要求8所述的多通道红外气体传感器数据处理方法，其特征在于，所述步骤S3包括S35、更新理论误差

同时重复步骤S31、步骤S32、步骤S33和步骤S34，得到新的k时刻实际浓度数据。

Images