CN116337783A - 一种气体分析仪的多点标定方法和系统 - Google Patents
一种气体分析仪的多点标定方法和系统 Download PDFInfo
- Publication number
- CN116337783A CN116337783A CN202310391227.2A CN202310391227A CN116337783A CN 116337783 A CN116337783 A CN 116337783A CN 202310391227 A CN202310391227 A CN 202310391227A CN 116337783 A CN116337783 A CN 116337783A
- Authority
- CN
- China
- Prior art keywords
- calibration
- analyzer
- target
- spectrum curve
- concentration
- 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.)
- Pending
Links
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
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
- G01N21/278—Constitution of standards
-
- 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)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (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)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种气体分析仪的多点标定方法和系统,所述方法包括:通过基准分析仪得到基准标定参数;通过目标分析仪得到目标光谱曲线数据;对目标光谱曲线的波长像素点位置进行校准;根据基准标定参数反演计算得到各标准气体的反演浓度值;各标准气体的反演浓度值和标准浓度值拟合计算得到浓度校准系数;通过基准标定参数和浓度校准系数计算获得目标分析仪的出厂标定参数。所述系统包括基准分析仪和目标分析仪,基准分析仪包括测量池一、光谱仪一、标定计算模块一、存储模块和浓度校准模块,目标分析仪包括测量池二、光谱仪二、像素点校准模块和标定计算模块二。本发明可以在保证测量精度的同时,降低每台气体分析仪的出厂标定时间,提高测量效率。
Description
技术领域
本发明涉及一种气体分析仪,具体涉及一种气体分析仪的多点标定方法和系统,属于环境检测技术领域。
背景技术
气体分析仪在正式运行前都需要进行出厂标定以获得一条浓度值和响应值线性关系的标定系数曲线,将待测样品的响应值代入从而获得待测样品的浓度值。通常采用的标定方法包括单点标定法和多点标定法,单点标定法是采用一种与被测定标准样品浓度相近的基准气体作为分析标准,对基准气体重复测定二次以上,获得一标定系数,操作简单、标定时间短,但是这种方法精度低,且分析仪量程小;多点标定法是采用多个不同浓度的基准气体作为分析标准,对基准气体重复测量两次以上,将获得的光谱曲线不同像素点的光谱值与对应浓度值进行拟合,进而获得标准参数曲线,这种方法需多个浓度的标准气体,操作比较复杂,但测量精度高,且分析仪量程宽。随着我国环境保护标准的提高,对气体分析仪的精度要求也越来越高,因此,越来越多的气体分析仪选择多点标定的方法保证气体分析测量的精度。
但传统的多点标定法由于需要采集大量不同浓度的标准气体数据以保证较高的测量精度,因此不仅标定时间长,同时需要耗费大量的标准气体,在实际的生产过程中,由于不同气体分析仪间存在一定差异,因此每台气体分析仪都需要进行单独标定,从而导致测量效率降低,标定成本提高。
发明内容
为克服现有技术的不足,本发明提供一种气体分析仪的多点标定方法和系统,可以在保证测量精度的同时,降低每台气体分析仪的出厂标定时间,提高测量效率,降低标定成本。
本发明公开了一种气体分析仪的多点标定方法,包括以下步骤:
S1,向基准分析仪中通入n个C=[C1,C2,…,Cn]不同浓度的标准气体,获得基准光谱曲线数据,利用多点标定方法对基准分析仪进行出厂标定,得到基准标定系数A;
S2,向目标分析仪中通入m个c=[c1,c2…,cm]∈C不同浓度的标准气体,得到目标分析仪的目标光谱曲线数据s=[s1,s2,…,sm],3≤m<n;
S3,以基准分析仪的基准光谱曲线为标准,对目标分析仪中同一浓度气体下获得的目标光谱曲线的波长像素点位置进行校准;
S4,将校准后的目标光谱曲线数据s’输入基准分析仪中,通过基准标定系数A反演得到各标准气体的反演浓度值c’=[c1’,c2’…,cm’];
S5,对c和c’进行拟合,得到浓度校准系数P;
S6,将基准标定系数A和浓度校准系数P输入目标分析仪中,计算获得目标分析仪的出厂标定系数B。
步骤S1中,利用多点标定方法对基准分析仪进行出厂标定,得到基准标定系数A,具体如下:
S11,向基准分析仪中通入n个C=[C1,C2,…,Cn]不同浓度的标准气体,获取各浓度标准气体的基准光谱曲线数据S=[S1,S2,…,Sn]T;
S12,在每个浓度标准气体的光谱曲线上选取波长像素点k个;
S13,根据标准气体浓度C和光谱幅度S之间函数关系,S=A*C,利用拟合算法计算得到基准标定系数A=[a1,a2,…,ak]。
可选的,步骤S3中,通过内插平移算法或者神经网络深度学习算法或者波长-像素点映射法对目标分析仪中同一浓度气体下获得的目标光谱曲线的波长像素点位置进行校准。
具体的,所述内插平移算法步骤如下:
S31,选取基准光谱曲线和目标光谱曲线中同一浓度下的曲线数据,计算目标光谱曲线的波长像素点偏移量Δλ;
S32,截取目标光谱曲线中包括标准气体吸收波段的所有像素点区间,选择比上述像素点区间更宽的一段区间作为波长窗,对波长窗内目标光谱的所有像素点进行内插,得到内插后目标光谱曲线;
S33,计算内插后目标光谱曲线与基准光谱曲线之间的波长像素点偏移量;
S34,根据波长偏移量平移目标光谱曲线,对目标分析仪内各气体浓度下获得的光谱曲线进行校准。
进一步的,所述波长像素点偏移量为波长像素点粗偏移量和波长像素点精偏移量之和,所述波长像素点粗偏移量的精度为1个内插点,所述波长像素点精偏移量的精度为0.0001个内插点。
步骤S4中,步骤S4中,将s’带入公式s’=A*c’,通过迭代寻优算法反演计算获得标准气体的反演浓度值c’=[c1’,c2’…,cm’]。
步骤S5中,对c和c’进行拟合,得到浓度校准系数P,具体如下:
令c为X,c′为Y,对X和Y进行二阶多项式拟合Y=p2X2+p1X+p0,P=[p0,p1,p2]。
步骤S6中,根据基准标定系数A和浓度校准系数P计算获得目标分析仪的出厂标定系数为B=A*P=[a1*P,a2*P,…,ak*P]T。
本发明还公开了一种气体分析仪的多点标定系统,包括基准分析仪和目标分析仪,基准分析仪包括测量池一和光谱仪一,目标分析仪包括测量池二和光谱仪二;
基准分析仪还包括标定计算模块一、存储模块和浓度校准模块,不同浓度的标准气体通入测量池一中,光谱仪一用于获取各浓度标准气体的基准光谱曲线数据并分别发送至标定计算模块一和存储模块一中,标定计算模块一计算得到基准标定系数并发送至存储模块一;
所述目标分析仪还包括像素点校准模块和标定计算模块二,不同浓度的标准气体通入测量池二中,光谱仪二获取各浓度标准气体的目标光谱曲线数据并分别发送至标定计算模块二和像素点校准模块中,所述基准光谱曲线数据输入像素点校准模块中,像素点校准模块用于根据基准光谱曲线校准目标光谱曲线位置,并将校准后的目标光谱曲线数据发送至基准分析仪的浓度校准模块,浓度校准模块根据校准后的目标光谱曲线反演计算得到各标准气体的反演浓度值,并根据各标准气体的标准浓度值和反演浓度值拟合计算得到浓度校准系数;所述标定计算模块用于根据浓度校准系数和基准标定系数计算得到目标分析仪的出场标定系数。
本发明还公开了一种非暂态计算机可读存储介质,包括用于执行所述气体分析仪的多点标定方法的任一指令。
本发明所提供的方法和系统,首先通过传统的多点标定方法获得1台基准分析仪的基准标定系数,再向目标分析仪内通入较少组不同浓度的标准气体来获得目标分析仪的较少目标光谱曲线数据,并根据基准光谱曲线对目标光谱曲线进行波长像素点校准,然后将校准后的目标光谱曲线输入基准分析仪内进行浓度反演计算、浓度拟合计算,进而得到浓度校准系数P,最后根据基准标定系数A和浓度校准系数P进行矩阵计算得到目标分析仪的出厂标定系数B,此时目标分析仪的出厂标定系数包含的像素点个数等于基准标定系数包含的像素点个数,保证了目标分析仪的出厂标定精度,运用本方法对目标分析仪进行标定不仅可以大大减少标准气体的通气量,节约生产升本,还可以缩短出厂标定时间,且得到的出场标定系数进行反演浓度计算,其示值误差也在1%以内,完全满足分析仪的高精度要求。
附图说明
图1为本发明提供的气体分析仪的多点标定方法流程示意图;
图2为本发明具体实施例提供的方法流程示意图;
图3为本发明具体实施例中基准分析仪的基准标定系数曲线图;
图4为本发明具体实施例中目标分析仪的出厂标定系数曲线图;
图5为本发明具体实施例中750浓度下的基准分析仪的基准光谱曲线和目标分析仪的目标光谱曲线对比图;
图6为通过本发明进行出厂标定后反演计算的SO2浓度误差表;
图7为本发明提供的气体分析仪的多点标定系统示意图。
具体实施方式
为更清楚的阐述本发明,下面结合附图和具体实施例对本发明作进一步说明。
如图1所示,一种气体分析仪的多点标定方法,包括以下步骤:
S1,向基准分析仪中通入n个C=[C1,C2,…,Cn]不同浓度的标准气体,获得基准光谱曲线数据,利用多点标定方法对基准分析仪进行出厂标定,得到基准标定系数A;
S2,向目标分析仪中通入m个c=[c1,c2…,cm]∈C不同浓度的标准气体,得到目标分析仪的目标光谱曲线数据s=[s1,s2,…,sm],3≤m<n;
S3,以基准分析仪的基准光谱曲线为标准,对目标分析仪中同一浓度气体下获得的目标光谱曲线的波长像素点位置进行校准;
S4,将校准后的目标光谱曲线数据s’输入基准分析仪中,通过基准标定系数A反演得到各标准气体的反演浓度值c’=[c1’,c2’…,cm’];
S5,对c和c’进行拟合,得到浓度校准系数P;
S6,将基准标定系数A和浓度校准系数P输入目标分析仪中,计算获得目标分析仪的出厂标定系数B。
步骤S1中,利用多点标定方法对基准分析仪进行出厂标定,得到基准标定系数A,具体如下:
S11,向基准分析仪中通入n个C=[C1,C2,…,Cn]不同浓度的标准气体,获取各浓度标准气体的基准光谱曲线数据S=[S1,S2,…,Sn]T;
S12,在每个浓度标准气体的光谱曲线上选取波长像素点k个;
S13,根据标准气体浓度C和光谱幅度S之间函数关系,S=A*C,利用拟合算法计算得到基准标定系数A=[a1,a2,…,ak]。
步骤S3中,通过内插平移算法或者神经网络深度学习算法或者波长-像素点映射法对目标分析仪中同一浓度气体下获得的目标光谱曲线的波长像素点位置进行校准。
具体的,所述内插平移算法步骤如下:
S31,选取基准光谱曲线和目标光谱曲线中同一浓度下的曲线数据,计算目标光谱曲线的波长像素点偏移量Δλ;
S32,截取目标光谱曲线中包括标准气体吸收波段的所有像素点区间,选择比上述像素点区间更宽的一段区间作为波长窗,对波长窗内目标光谱的所有像素点进行内插,得到内插后目标光谱曲线;
S33,计算内插后目标光谱曲线与基准光谱曲线之间的波长像素点偏移量;
S34,根据波长偏移量平移目标光谱曲线,对目标分析仪内各气体浓度下获得的光谱曲线进行校准。
进一步的,所述波长像素点偏移量为波长像素点粗偏移量和波长像素点精偏移量之和,所述波长像素点粗偏移量的精度为1个内插点,所述波长像素点精偏移量的精度为0.0001个内插点。
步骤S4中,步骤S4中,将s’带入公式s’=A*c’,通过迭代寻优算法反演计算获得标准气体的反演浓度值c’=[c1’,c2’…,cm’]。
步骤S5中,对c和c’进行拟合,得到浓度校准系数P,具体如下:
令c为X,c′为Y,对X和Y进行二阶多项式拟合Y=p2X2+p1X+p0,P=[p0,p1,p2]。
步骤S6中,根据基准标定系数A和浓度校准系数P计算获得目标分析仪的出厂标定系数为B=A*P=[a1*P,a2*P,…,ak*P]T。
本发明首先利用一台基准分析仪进行多点标定获得基准标定系数,为了保证标定精度,需要获取足够的光谱数据,因此需要通入不同浓度的标准气体足够长的时间,假设一种浓度的标准气体通入的时间为t,那么n组不同浓度的标准气体所需要的标定时间约为n*t;现向目标分析仪内通入m组不同浓度的标准气体,m远小于n,然后依次通过对目标分析仪内的光谱曲线进行波长像素点校准、浓度反演计算、拟合计算得到浓度校准系数P,最后根据基准标定系数A和浓度校准系数P进行矩阵计算得到目标分析仪的出厂标定系数B,此时目标分析仪的出厂标定系数包含的像素点个数等于基准标定系数包含的像素点个数,保证了目标分析仪的出厂标定精度,且每台目标分析仪所需的标定时间约为m*t,当对多台分析仪进行出厂标定时可以大大缩短时间。
为更清楚的说明本方法实施过程,现以通入不同浓度的SO2气体为例来对目标分析仪出厂标定,如图2所示,一种气体分析仪的多点标定方法,包括以下步骤:
S101,向基准分析仪中通入氮气和11组浓度值分别为C=[750,600,450,300,150,100,80,60,40,20,5]的SO2气体,利用多点标定方法对基准分析仪进行出厂标定,获取各浓度SO2气体的基准光谱曲线数据,记作S=[S1,S2,…,S11]T;
S102,每个浓度SO2气体的300nm吸收波段光谱曲线,选取k个波长像素点,在实际计算中,k大于或者等于150,但为了便于对本方法步骤进行具体说明,本实施例中每个光谱曲线选取5个吸收峰像素点进行计算;
S103,根据标准气体浓度C和基准光谱曲线S之间函数关系,S=A*C,利用拟合算法计算得到基准分析仪的基准标定系数,
A=[13.50,-10.05,10.21,-11.02,12.76];
S104,向目标分析仪通入氮气和3组浓度值分别为c=[750,100,5]的SO2气体,获取目标分析仪的各浓度SO2气体的目标光谱曲线数据,记作s=[s1,s2,s3];
S105,以基准光谱曲线为标准,可以通过内插平移算法或者神经网络深度学习算法或者波长-像素点映射法对目标分析仪中的目标光谱曲线的波长像素点位置进行校准;
本实施例中优选采用内插平移算法,步骤如下:
S1051,选取基准光谱曲线S1和目标光谱曲线s1来计算目标光谱曲线的波长像素点偏移量Δλ。如图5所示,选择750浓度的基准光谱曲线和目标光谱曲线来计算目标光谱曲线的整体波长像素点偏移量。
S1052,截取目标光谱曲线中包括标准气体吸收波段的所有像素点区间,选择比上述像素点区间更宽的一段区间作为波长窗,对波长窗内目标光谱的所有像素点进行内插,得到内插后的目标光谱曲线;
本实施例中选择波长窗口像素点区间为5-132,次采用FFT内插法在每相邻两个像素点间内插16个点。
S1053,利用相关系数法或最小二乘法计算内插后目标光谱曲线与基准光谱曲线之间的波长像素点偏移量。
本实例以相关系数法计算为例进行说明,步骤包括:
a.从波长窗的最左端像素点开始至波长窗最右端像素点结束,对内插后的目标光谱曲线每隔16个像素点依次抽取1个内插点,得到321幅新的目标光谱曲线;
b.分别计算每幅所述新的目标光谱曲线与基准光谱曲线之间的相关系数;
c.比较所有相关系数,选出与基准光谱曲线相关系数最大的目标光谱曲线,本实施例中,与基准光谱曲线相关系数最大的为第18个目标光谱曲线,则波长像素点粗偏移量为18个内插点;
d.采用多项式拟合法,定义原点及原点左右的对称点作为X值,取基准光谱曲线与目标背景光谱之间最大相关系数及与最大相关系数左右邻近的相关系数作为Y值,对X和Y进行多项拟合;
e.计算多项拟合曲线的极值点横坐标值为0.5225,则波长像素点精偏移量为0.4854个内插点;
因此,目标光谱曲线的波长像素点偏移量Δλ=粗偏移量+精偏移量=18.5225。
目标光谱曲线通过计算粗偏移量和精偏移量两个过程,精度可以达到0.0001个内插点,提高了光谱波长像素点的校正精度,进一步保证后续浓度反演计算、浓度校准系数计算的精度。
S1054,根据Δλ对目标光谱曲线s=[s1,s2,s3]的波长像素点位置进行校准得到一组新的光谱数据,记为s’=[s1’,s2’,s3’]。
S106,将s’=[s1’,s2’,s3’]输入基准分析仪中,s’带入公式s’=A*c’,通过迭代寻优算法反演计算得到各标准气体的反演浓度值c’=[728.52,95.58,4.52]。本实施例中,所述迭代寻优算法采用的是最速下降法。
S107,对c和c’进行二项式拟合,令c=[750,100,5]为X,c’=[728.52,95.58,4.52]为Y,Y=p2X2+p1X+p0,得到浓度校准系数P=[-0.000023,1.0454,0.2774]。
S108,根据基准标定系数A和浓度校准系数P计算获得目标分析仪的出厂标定系数为B=A*P=[a1*P,a2*P,…,ak*P]T
目标分析仪中反演气体浓度数据c′和校准后的目标光谱数据s′函数关系为s′=A*c′;
令c为X,c′为Y,对X和Y进行二阶多项式拟合Y=p2X2+p1X+p0,P=[p0,p1,p2],因此c′=P*[1,c,c2]T;
s′=A*(P*[1,c,c2]T)=B*[1,c,c2]T
B=A*P=[a1*P,a2*P,…,ak*P]T
计算得到目标分析仪的出厂标定系数:
此时目标分析仪的出厂标定系数B为已给3*5的矩阵,像素点坐标为5个。当在实际计算中,每个光谱曲线选取吸收峰像素点值k大于或者等于150个时,基准分析仪的基准标定系数A的像素点坐标为k个,如图3所示,经过矩阵计算,出厂标定系数B像素点坐标同样为k个,如图4所示。
为了满足精度要求,按照传统多点标定方法对目标分析仪进行标定,需要通入足够多个浓度的标准气体进行标定,标定用时大约为120分钟,利用本方法可以通过采集较少标准气体光谱数据即可以获得和传统多点标定方法精度相当的出厂标定系数,标定时间约为30分钟左右,当对多台目标分析仪进行出厂标定时,可以大大节约标定时间;为了进一步验证本方法标定测量的精度,向目标分析仪通入浓度为[600,450,300,150,80,60,40,20]的SO2气体,根据上述方法进行出厂标定后分析仪通过反演计算,获取每个浓度SO2气体的浓度值,各浓度满量程示值误差如图6所示,可以看出,运用本方法对目标分析仪进行标定不仅可以大大减少标准气体的通气量,节约生产升本,还可以缩短出厂标定时间,反演浓度示值误差也在1%以内,完全满足分析仪的高精度要求。
如图7所示,本申请还公开一种气体分析仪的多点标定系统,包括基准分析仪和目标分析仪,基准分析仪包括测量池一和光谱仪一,目标分析仪包括测量池二和光谱仪二;
基准分析仪还包括标定计算模块一、存储模块和浓度校准模块,不同浓度的标准气体通入测量池一中,光谱仪一用于获取各浓度标准气体的基准光谱曲线数据并分别发送至标定计算模块一和存储模块一中,标定计算模块一计算得到基准标定系数并发送至存储模块一中;
所述目标分析仪还包括像素点校准模块和标定计算模块二,不同浓度的标准气体通入测量池二中,光谱仪二获取各浓度标准气体的目标光谱曲线数据并分别发送至标定计算模块二和像素点校准模块中,所述基准光谱曲线数据输入像素点校准模块中,像素点校准模块用于根据基准光谱曲线校准目标光谱曲线位置,并将校准后的目标光谱曲线数据发送至基准分析仪的浓度校准模块,浓度校准模块根据校准后的目标光谱曲线反演计算得到各标准气体的反演浓度值,并根据各标准气体的标准浓度值和反演浓度值拟合计算得到浓度校准系数;所述标定计算模块用于根据浓度校准系数和基准标定系数计算得到目标分析仪的出场标定系数。
一种非暂态计算机可读存储介质,包括用于执行上述任一实施例所述的气体分析仪的多点标定方法的指令。
一种电子设备,包括非暂态计算机可读存储介质;以及能够执行所述非暂态计算机可读存储介质的所述指令的一个或多个处理器。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种气体分析仪的多点标定方法,其特征在于,包括以下步骤:
S1,向基准分析仪中通入n个C=[C1,C2,…,Cn]不同浓度的标准气体,获得基准光谱曲线数据,利用多点标定方法对基准分析仪进行出厂标定,得到基准标定系数A;
S2,向目标分析仪中通入m个c=[c1,c2…,cm]∈C不同浓度的标准气体,得到目标分析仪的目标光谱曲线数据s=[s1,s2,…,sm],3≤m<n;
S3,以基准分析仪的基准光谱曲线为标准,对目标分析仪中同一浓度气体下获得的目标光谱曲线的波长像素点位置进行校准;
S4,将校准后的目标光谱曲线数据s’输入基准分析仪中,通过基准标定系数A反演得到各标准气体的反演浓度值c’=[c1’,c2’…,cm’];
S5,对c和c’进行拟合,得到浓度校准系数P;
S6,将基准标定系数A和浓度校准系数P输入目标分析仪中,计算获得目标分析仪的出厂标定系数B。
2.根据权利要求1所述的气体分析仪的多点标定方法,其特征在于,步骤S1中,利用多点标定方法对基准分析仪进行出厂标定,得到基准标定系数A,包括如下步骤:
S11,向基准分析仪中通入n个C=[C1,C2,…,Cn]不同浓度的标准气体,获取各浓度标准气体的基准光谱曲线数据S=[S1,S2,…,Sn]T;
S12,在每个浓度标准气体的光谱曲线上选取波长像素点k个;
S13,根据标准气体浓度C和光谱幅度S之间函数关系,S=A*C,利用拟合算法计算得到基准标定系数A=[a1,a2,…,ak]。
3.根据权利要求1所述的气体分析仪的多点标定方法,其特征在于,步骤S3中,通过内插平移算法或者神经网络深度学习算法或者波长-像素点映射法对目标分析仪中同一浓度气体下获得的目标光谱曲线的波长像素点位置进行校准。
4.根据权利要求3所述的气体分析仪的多点标定方法,其特征在于,所述内插平移算法步骤如下:
S31,选取基准光谱曲线和目标光谱曲线中同一浓度下的曲线数据,计算目标光谱曲线的波长像素点偏移量Δλ;
S32,截取目标光谱曲线中包括标准气体吸收波段的所有像素点区间,选择比上述像素点区间更宽的一段区间作为波长窗,对波长窗内目标光谱的所有像素点进行内插,得到内插后目标光谱曲线;
S33,计算内插后目标光谱曲线与基准光谱曲线之间的波长像素点偏移量;
S34,根据波长偏移量平移目标光谱曲线,对目标分析仪内各气体浓度下获得的光谱曲线进行校准。
5.根据权利要求4所述的气体分析仪的多点标定方法,其特征在于,所述波长像素点偏移量为波长像素点粗偏移量和波长像素点精偏移量之和,所述波长像素点粗偏移量的精度为1个内插点,所述波长像素点精偏移量的精度为0.0001个内插点。
6.根据权利要求1所述的气体分析仪的多点标定方法,其特征在于,步骤S4中,将s’带入公式s’=A*c’,通过迭代寻优算法反演计算获得标准气体的反演浓度值c’=[c1’,c2’…,cm’]。
7.根据权利要求1所述的气体分析仪的多点标定方法,其特征在于,步骤S5中,令c为X,c′为Y,对X和Y进行二阶多项式拟合Y=p2X2+p1X+p0,得到浓度校准系数P=[p0,p1,p2]。
8.根据权利要求1至7任一权利要求所述的气体分析仪的多点标定方法,其特征在于,步骤S6中,根据基准标定系数A和浓度校准系数P计算获得目标分析仪的出厂标定系数为B=A*P=[a1*P,a2*P,…,ak*P]T。
9.一种气体分析仪的多点标定系统,包括基准分析仪和目标分析仪,基准分析仪包括测量池一和光谱仪一,目标分析仪包括测量池二和光谱仪二;其特征在于,基准分析仪还包括标定计算模块一、存储模块和浓度校准模块,不同浓度的标准气体通入测量池一中,光谱仪一用于获取各浓度标准气体的基准光谱曲线数据并分别发送至标定计算模块一和存储模块一中,标定计算模块一计算得到基准标定系数并发送至存储模块一;
所述目标分析仪还包括像素点校准模块和标定计算模块二,不同浓度的标准气体通入测量池二中,光谱仪二获取各浓度标准气体的目标光谱曲线数据并分别发送至标定计算模块二和像素点校准模块中,所述基准光谱曲线数据输入像素点校准模块中,像素点校准模块用于根据基准光谱曲线校准目标光谱曲线位置,并将校准后的目标光谱曲线数据发送至基准分析仪的浓度校准模块,浓度校准模块根据校准后的目标光谱曲线反演计算得到各标准气体的反演浓度值,并根据各标准气体的标准浓度值和反演浓度值拟合计算得到浓度校准系数;所述标定计算模块用于根据浓度校准系数和基准标定系数计算得到目标分析仪的出场标定系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310391227.2A CN116337783A (zh) | 2023-04-11 | 2023-04-11 | 一种气体分析仪的多点标定方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310391227.2A CN116337783A (zh) | 2023-04-11 | 2023-04-11 | 一种气体分析仪的多点标定方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116337783A true CN116337783A (zh) | 2023-06-27 |
Family
ID=86892981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310391227.2A Pending CN116337783A (zh) | 2023-04-11 | 2023-04-11 | 一种气体分析仪的多点标定方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116337783A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116500121A (zh) * | 2023-06-28 | 2023-07-28 | 杭州泽天春来科技有限公司 | 气体分析仪的分析方法、系统及可读存储介质 |
CN117147475A (zh) * | 2023-10-30 | 2023-12-01 | 杭州泽天春来科技有限公司 | 气体分析仪的多目标气体分析方法、系统及可读介质 |
CN117250320A (zh) * | 2023-11-15 | 2023-12-19 | 珠海科创储能科技有限公司 | 气体传感器的校准方法、装置、存储介质及电子设备 |
-
2023
- 2023-04-11 CN CN202310391227.2A patent/CN116337783A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116500121A (zh) * | 2023-06-28 | 2023-07-28 | 杭州泽天春来科技有限公司 | 气体分析仪的分析方法、系统及可读存储介质 |
CN116500121B (zh) * | 2023-06-28 | 2023-10-24 | 杭州泽天春来科技有限公司 | 气体分析仪的分析方法、系统及可读存储介质 |
CN117147475A (zh) * | 2023-10-30 | 2023-12-01 | 杭州泽天春来科技有限公司 | 气体分析仪的多目标气体分析方法、系统及可读介质 |
CN117147475B (zh) * | 2023-10-30 | 2024-01-30 | 杭州泽天春来科技有限公司 | 气体分析仪的多目标气体分析方法、系统及可读介质 |
CN117250320A (zh) * | 2023-11-15 | 2023-12-19 | 珠海科创储能科技有限公司 | 气体传感器的校准方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116337783A (zh) | 一种气体分析仪的多点标定方法和系统 | |
EP2551650B1 (en) | Calibration method | |
CN108181266B (zh) | Tdlas气体浓度检测方法 | |
CN104198416B (zh) | 一种光谱仪波长漂移引起的测量误差实时补偿方法 | |
KR101984671B1 (ko) | 가스 검지기의 센서의 출력 특성을 자동으로 교정하는 방법 | |
CN110887800B (zh) | 一种用于光谱法水质在线监测系统的数据校准方法 | |
CN103475369B (zh) | 基于信号源误差一次性校准识别的高精度adc测试方法 | |
CN101358943A (zh) | 一种欠饱和岩心岩电实验参数m、n的校正方法 | |
CN112462078A (zh) | 一种用于荧光免疫分析仪台间差校准的方法 | |
CN108680523B (zh) | 利用多种拟合方式衔接标准曲线的待测物测定方法 | |
CN117109494B (zh) | 一种x射线测厚仪智能标定方法 | |
CN117554305A (zh) | 一种油墨印刷品的变色质量检验方法及系统 | |
CN104865228A (zh) | 基于融合熵优化求解的定量激光诱导击穿光谱检测方法 | |
CN104458630A (zh) | 一种紫外差分气体分析仪的数据处理方法及系统 | |
CN111896497A (zh) | 一种基于预测值的光谱数据修正方法 | |
CN109709060B (zh) | 一种沥青软化点、针入度和质量损失的测定方法 | |
CN104569887A (zh) | 一种单端口网络校准中的误差获取方法和装置 | |
CN110455902B (zh) | 一种环境检测多标样快速校准的方法 | |
CN109521002A (zh) | 一种固体燃料颗粒流的燃料特性测量方法 | |
CN111551579B (zh) | 一种利用空白校正确定x射线背景强度的方法 | |
CN110657833B (zh) | 一种用于高精度源表一体化测量设备的新型校准方法 | |
CN114002378A (zh) | 气体浓度传感器的浓度检测方法 | |
CN108918966B (zh) | 基于频谱仪的底噪对消方法 | |
CN114965794B (zh) | 一种天然气分析系统性能评价方法 | |
CN114563536A (zh) | 一种用于非线性烟气分析仪的气体浓度校准方法 |
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 |