CN116499920B - 一种尾气活性炭吸附状态在线监测方法 - Google Patents
一种尾气活性炭吸附状态在线监测方法 Download PDFInfo
- Publication number
- CN116499920B CN116499920B CN202310785753.7A CN202310785753A CN116499920B CN 116499920 B CN116499920 B CN 116499920B CN 202310785753 A CN202310785753 A CN 202310785753A CN 116499920 B CN116499920 B CN 116499920B
- Authority
- CN
- China
- Prior art keywords
- activated carbon
- adsorption
- saturation
- weight data
- sound frequency
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 356
- 238000001179 sorption measurement Methods 0.000 title claims abstract description 146
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012544 monitoring process Methods 0.000 title claims abstract description 20
- 238000005303 weighing Methods 0.000 claims abstract description 8
- 239000006096 absorbing agent Substances 0.000 claims abstract description 5
- 238000011426 transformation method Methods 0.000 claims abstract description 5
- 230000000875 corresponding effect Effects 0.000 claims description 22
- 229910052799 carbon Inorganic materials 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 6
- 239000000356 contaminant Substances 0.000 claims description 5
- 230000002596 correlated effect Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 239000007789 gas Substances 0.000 description 32
- 230000008859 change Effects 0.000 description 23
- 229920006395 saturated elastomer Polymers 0.000 description 8
- 239000000126 substance Substances 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 3
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 239000011148 porous material Substances 0.000 description 3
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
- G01N5/02—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by absorbing or adsorbing components of a material and determining change of weight of the adsorbent, e.g. determining moisture content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2131—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on a transform domain processing, e.g. wavelet transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- 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
Abstract
本申请涉及数据处理领域，提供一种尾气活性炭吸附状态在线监测方法包括：利用称重传感器采集吸附器的重量数据集合，重量数据集合包括n个重量数据，相邻两个重量数据的采集时间相差T间隔时间；基于重量数据集合确定尾气经过活性炭的声音频率；基于声音频率对初始阈值参数进行修正，得到优化阈值参数；利用小波变换方法基于优化阈值参数对重量数据进行去噪处理，得到去噪后的数据；基于去噪后的数据确定活性炭吸附的物质量。该方法能够提高小波检测的鲁棒性和准确性，为后续的监测提供更准确的数据。
Description
技术领域
本申请涉及数据处理领域，特别是涉及一种尾气活性炭吸附状态在线监测方法。
背景技术
随着全球经济的经济发展和社会生活水平的提高，环境保护标准的日趋严格化，活性炭的应用市场稳步扩大。随着人们对活性炭的深入研究，活性炭的各种功能开发也日渐加快，新活性炭和再生活性炭的混合循环使用方法可以非常有效的实现其吸附作用，且提高了活性炭的应用范围，前景广阔。总之，活性炭在环保领域的应用前景广阔，是一个十分有潜力的行业。在尾气处理中，活性炭的重要性不可忽视。它可以净化空气、保护设备、同时也可以满足环保要求，是一种非常有效的尾气处理方法。
活性炭在尾气处理中的作用是吸附有害气体，净化空气。尾气中的有害气体如二氧化硫、氮氧化物、苯、甲醛等，可以被活性炭吸附，从而减少它们对环境和人体的危害。但是活性炭吸附器中的活性炭如果在进行尾气处理时已经吸附了足够多的有害物质，达到了饱和状态，需要及时进行再生或更换活性炭。且未饱和状态和饱和状态下的活性炭在宏观上通常没有明显的区别。因为活性炭的外观通常是一致的，不受饱和程度的影响。所以需要通过称重传感器测量活性炭吸附器中的活性炭的重量，从而了解其吸附状态。因为当活性炭的表面吸附饱和时，就无法再吸附更多的物质，而活性炭的重量与其表面积是成正比的，因此当活性炭的表面吸附饱和时，其重量也会增加。
但是在进行尾气处理时，尾气气流会经过活性炭吸附器，气流通过吸附器产生的声音会随着活性炭的饱和程度的提高而变大，会产生较大的声音而导致干扰传感器采集到的数据，产生较多的噪声。而小波变换无法适应不同的噪声环境和信号特性，可能会导致算法的鲁棒性和可靠性下降。
发明内容
本发明提供一种尾气活性炭吸附状态在线监测方法，该方法能够提高监测可靠性和鲁棒性。
第一方面，本申请提一种尾气活性炭吸附状态在线监测方法，包括：
利用称重传感器采集吸附器的重量数据集合，重量数据集合包括n个重量数据，相邻两个重量数据的采集时间相差T间隔时间；
基于重量数据集合确定尾气经过活性炭的声音频率；
基于声音频率对初始阈值参数进行修正，得到优化阈值参数；
利用小波变换方法基于优化阈值参数对重量数据进行去噪处理，得到去噪后的数据；
基于去噪后的数据确定活性炭吸附的物质量。
在一实施例中，基于重量数据集合确定尾气经过活性炭的声音频率，包括：
基于重量数据集合计算活性炭的类饱和度，类饱和度与声音频率正相关；
基于类饱和度确定声音频率。
在一实施例中，基于重量数据计算活性炭的类饱和度，包括：
基于重量数据集合计算每一时刻活性炭的吸附速率；
基于每一时刻对应的吸附速率计算相邻时刻之间的吸附速率变化量；
基于吸附速率变化量计算活性炭的类饱和度。
在一实施例中，基于吸附速率变化量计算活性炭的类饱和度，包括：
利用如下公式计算活性炭的类饱和度：
；
其中，代表活性炭的类饱和度，/>是第/>组重量数据对应的吸附速率变化量，为吸附速率变化量的最小值。
在一实施例中，基于类饱和度确定声音频率，包括：
基于重量数据集合确定每一时刻对应的活性炭吸附量；
基于每一时刻对应的活性炭吸附量以及类饱和度计算声音频率。
在一实施例中，基于每一时刻对应的活性炭吸附量以及类饱和度计算声音频率，包括：
利用如下公式计算声音频率：
；
代表活性炭的类饱和度，/>为当前时刻的活性炭吸附量，/>和/>均为比例常数。
在一实施例中，基于重量数据集合计算每一时刻活性炭的吸附速率，包括：
基于当前时刻相对于上一时刻的活性炭吸附变化量计算当前时刻对应的活性炭的吸附速率。
在一实施例中，基于声音频率对初始阈值参数进行修正，得到优化阈值参数，包括：
利用如下公式计算得到优化阈值参数：
；
为气流通过吸附器产生的声音频率，/>表示初始阈值参数。
在一实施例中，基于去噪后的数据确定活性炭吸附的物质量，包括：
利用Langmuir方程等温线图基于去噪后的数据计算活性炭的吸附量和最大吸附量，构建Langmuir方程；
根据Langmuir方程，绘制出等温线图，从而确定活性炭吸附的物质量；等温线图的形状反映活性炭的吸附能力和吸附状态；等温线图横坐标为溶液中溶质的浓度，纵坐标为活性炭吸附的物质量。
在一实施例中，Langmuir方程为：
；
其中，表示活性炭吸附的物质量，/>表示活性炭的最大吸附量，/>为Langmuir常数，C为气体中污染物的浓度。
本申请的有益效果，区别于现有技术，本申请的尾气活性炭吸附状态在线监测方法包括：利用称重传感器采集吸附器的重量数据集合，重量数据集合包括n个重量数据，相邻两个重量数据的采集时间相差T间隔时间；基于重量数据集合确定尾气经过活性炭的声音频率；基于声音频率对初始阈值参数进行修正，得到优化阈值参数；利用小波变换方法基于优化阈值参数对重量数据进行去噪处理，得到去噪后的数据；基于去噪后的数据确定活性炭吸附的物质量。该方法能够提高小波检测的鲁棒性和准确性，为后续的监测提供更准确的数据。
附图说明
图1为本发明尾气活性炭吸附状态在线监测方法的一实施例的流程示意图；
图2为图1中步骤S12的一实施例的流程示意图；
图3为吸附曲线示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
通过结合空气经过活性炭所发出的声音会根据活性炭的吸附饱和度的增加而变大的特性，对小波变换数据去噪中软阈值的阈值参数进行自适应改进。活性炭是一种孔隙结构非常复杂的吸附材料，当空气经过活性炭时，其中的有机分子会被吸附在活性炭的表面和孔隙中。随着吸附饱和度的增加，活性炭表面和孔隙中的有机分子越来越多，这会导致空气在通过活性炭时受到更多的阻力，从而产生更大的摩擦力和振动，最终导致声音变大。而改进后的阈值参数可以根据活性炭的类饱和度的变大判断声音频率的大小，会根据声音频率的变化幅度适应性的增大阈值参数，使其以根据数据的特征进行动态调整，使得阈值能够更好地适应不同的数据，从而提高去噪的效果。下面结合附图和实施例对本申请进行详细的说明。
请参见图1，图1为本发明尾气活性炭吸附状态在线监测方法，包括：
步骤S11：利用称重传感器采集吸附器的重量数据集合，重量数据集合包括n个重量数据，相邻两个重量数据的采集时间相差T间隔时间。
首先，在每个吸附器内安装对应的称重传感器，传感器型号使用者可以根据实际情况自行决定，用称重传感器对每个吸附器内的活性炭进行数据采集，将其作为检测活性炭饱和状态的基础数据。每隔时间T之后对吸附器进行一次重量采集。
初始化重量传感器，并设置采集时间间隔T和数据序列长度n，每隔T时间间隔，读取重量传感器的数据，并将其存储到一个数组中，直到数组长度达到n，得到重量数据集合。具体序列长度n以及间隔时段T实施者自行定义，本发明中设置为n=200，T=1h。获取到监测活性炭吸附状态过程中活性炭重量变化的重量数据集合，作为监测活性炭吸附状态的基础数据。
步骤S12：基于重量数据集合确定尾气经过活性炭的声音频率。
在一实施例中，请结合图2，步骤S12包括：
步骤S21：基于重量数据集合计算活性炭的类饱和度，类饱和度与声音频率正相关。
具体的，基于重量数据集合计算每一时刻活性炭的吸附速率；基于每一时刻对应的吸附速率/>计算相邻时刻之间的吸附速率变化量；基于吸附速率变化量计算活性炭的类饱和度。
在一实施例中，对于采集到的活性炭重量变化的重量数据集合，对其进行分析。对得到的重量数据集合进行归一化处理，便于后续分析。经过归一化后的重量数据集合记为：
；
其中，为活性炭重量监测时，活性炭在时刻/>对应的重量数据。
首先从开始，将每个活性炭重量数据减去上一个重量数据，之后进行放大，并将第一项设为0，得到活性炭吸附量的数据：
；
为放大函数，使/>，其作用为将/>放大，原因是由于在时刻n内活性炭的重量增长量比较小，处理起来比较麻烦。/>为在n时刻相对于上一时刻的活性炭吸附量。
求出在各个时刻上活性炭的吸附量后，将吸附量随时间的变化绘制成吸附曲线，横轴为时间t，竖轴为活性炭在t时刻的吸附量，其吸附曲线可以反映出活性炭的吸附速率和饱和度。得到的吸附曲线图像大致如图3所示。
由于活性炭一直在吸收尾气，污染物分子会与活性炭表面上的吸附位点发生物理或化学作用，从而被吸附在活性炭的表面上。随着时间的推移，活性炭表面上的吸附位点会逐渐被污染物分子占据，导致吸附速率逐渐降低。此吸附曲线的斜率代表了活性炭的吸附速率，即规定时间内吸附量的增加量。吸附曲线斜率越大，说明吸附速率越快，反之则吸附速率越慢。吸附曲线的斜率在吸附初期一般较大，后期逐渐减小，直至趋于平稳。当吸附曲线呈现平稳状态时，斜率趋近于零，吸附量达到饱和状态。在一实施例中，基于当前时刻相对于上一时刻的活性炭吸附变化量计算当前时刻对应的活性炭的吸附速率。
计算每一时刻的活性炭吸附速率的方式为：
；
为在/>时刻相对于上一时刻的活性炭吸附量，/>为时间差，/>为在n时刻上活性炭的吸附速率，/>越大，代表在划分时间内活性炭的吸附量越大，吸附速率越大，饱和状态越小，相反，/>越小，代表在划分时间内活性炭的吸附量越小，吸附速率越平稳，越趋近于饱和状态。
在计算得到当前时刻对应的活性炭的吸附速率后，基于每一时刻对应的吸附速率/>计算相邻时刻之间的吸附速率变化量/>。
计算速率变化量的方式为：
表示两次采集点之间的吸附速率变化。当/>的值越来越小，表示吸附速率的变化越来越缓慢，吸附过程越来越接近饱和。
计算得到吸附速率变化量后，可以将/>的绝对值之和作为衡量吸附饱和度的指标，且Δv的绝对值之和与采集的数据点n相关，为减轻这种依赖，可以选择吸附速率变化量的最小值/>作为系数。进一步基于吸附速率变化量计算活性炭的类饱和度。在一实施例中，利用如下公式计算活性炭的类饱和度/>：
；
其中，代表在采集到第k个数据时的活性炭的类饱和度，/>值越大，表示活性炭越接近饱和状态，/>是第/>组重量数据对应的吸附速率变化量，表示两次采集点之间吸附速率的变化。分母代表的是第k个数据之前所有吸附速率变化量的均值，k越大，/>越小，均值也会随k的增大而减小，类饱和度/>随之变大。/>为吸附速率变化量的最小值，将/>值映射到0-1范围内。/>值越大，表示/>的平均变化越小，吸附速率的变化越缓慢，吸附过程越接近饱和。该公式根据吸附速率数据，构建出能通过速率表示类饱和状态的参数，并不能表达出活性炭真正的饱和状态，只是为后续声音特征的计算提供参考。
步骤S22：基于类饱和度确定声音频率。
具体的，基于重量数据集合确定每一时刻对应的活性炭吸附量；基于每一时刻对应的活性炭吸附量以及类饱和度计算声音频率。
具体的，将每个活性炭重量数据减去上一个重量数据，之后进行放大，并将第一项设为0，得到活性炭吸附量的数据：
；
为放大函数，使/>，其作用为将/>放大，原因是由于在时刻n内活性炭的重量增长量比较小，处理起来比较麻烦。而每个时刻内的活性炭增长量可以很好的反映出活性炭的吸附饱和状态，非常重要，将其主观放大可以更加清晰的判断出活性炭的吸附饱和状态。/>为在n时刻相对于上一时刻的活性炭吸附量。求出在各个时刻上活性炭的吸附量/>后，每一时刻对应的活性炭吸附量/>以及类饱和度/>计算声音频率。
利用如下公式计算声音频率：
；
代表活性炭的类饱和度，饱和度越大，活性炭缝隙越小且越复杂，空气通过缝隙所产生的声音频率/>会越高，反之/>会越低，/>为当前时刻的活性炭吸附量，/>越大，代表此时活性炭的吸附状态较好，还能吸附较多的有害物体，所以空气产生的声音频率/>越低，反之/>越小，/>越大。/>是为了抵消分母中/>的主观放大，使计算结果更贴合实际。/>和/>均为比例常数，/>的值代表声音频率与质量变化速率之间的比例关系，若/>，设/>小数点后连续为0的个数为/>，则/>，若/>，则/>。目的是将分母取值控制在0.1之上，防止变化过大。/>的值代表声音频率与饱和度之间的比例关系，经验值为0.3。/>综合考虑了质量变化速率和饱和度对声音频率的影响，可以实时对气流通过活性炭产生的声音频率做出判断。其中 ,气流通过吸附器产生的声音频率/>和当前时刻的活性炭吸附量/>成反比，同时，因为声音频率也会随饱和度/>的增加而升高。
步骤S13：基于声音频率对初始阈值参数进行修正，得到优化阈值参数。
采集到了吸附器内活性炭的重量变化数据之后，可以直接从活性炭的重量变化来判断活性炭的吸附状态，但是由于尾气经过活性炭时的声音会随着活性炭吸附饱和度的提高而变大，所以当活性炭吸附越饱和时，尾气经过活性炭发出声音对采集到的数据产生的噪声越大，会越来越降低噪数据的质量，影响数据的可靠性和分析结果，需要针对活性炭的重量变化对采集到的数据进行去噪方面的改进。
在本发明中采用小波函数对采集到的数据进行去噪，需要先将采集到的一维数据用/>小波基函数进行分解，得到多个子信号，对每个子信号进行阈值处理，本发明在此采用的是软阈值，软阈值为小波变换中常用的自适应阈值法，其公式如下：
；
为/>小波变换后的系数，/>和/>分别表示尺度和位置，/>为/>的符号函数，即当/>大于0时，/>等于1，当/>小于0时，/>等于-1，当/>等于0时，/>等于0。/>为阈值参数，阈值函数使用的是VisuShrink阈值计算方法，即：
；
为噪声标准差，N为数据序列的长度。
然而，软阈值处理数据是在假设数据平稳的状况下，即信号的统计特性不随时间变化。对于上述活性炭重量会根据时间而变大的非平稳信号，软阈值处理可能不适用，因为软阈值处理的缩放因子通常是通过试验得到的，而非从理论上推导。对于非平稳信号，缩放因子可能需要根据不同的时间段或频率段进行调整，这增加了软阈值处理的复杂性。对此，本发明提出一种改进方法，具体通过上述步骤计算得到尾气经过活性炭的声音频率，基于声音频率对初始阈值参数进行修正，得到优化阈值参数。
具体的，由于空气经过活性炭产生的声音频率会直接影响噪声的产生，根据上述声音频率对软阈值中的初始阈值参数进行修正，具体为：
；
为气流通过吸附器产生的声音频率，/>越大代表活性炭的饱和度越大，产生的声音频率越高，此时声音对数据采集产生噪声的影响越大，/>为优化阈值参数，取值范围为/>。具体表示为相对于/>增大程度越大，可以压缩更多由声音产生的噪声信号，从而有效地去除噪声，提高数据的质量和清晰度，增强数据的特征。/>越小时，活性炭的饱和度越小，产生的声音频率越低，/>相对于/>适当增大，反之/>越大时，活性炭的饱和度越大，产生的声音频率越高，/>相对于/>的增大程度更高，此改进方法可以通过声音频率/>的大小自适应的更改/>，当/>越小时，滤除噪声元素的效果越小，可以保留更多的数据特征，使得数据更加平滑，当/>越大时，/>会更强烈地减小小波系数的幅值，从而实现更强的去噪效果。使得算法的适应性更强，提高去噪的保真度和真实性。调整软阈值中的/>可以使得小波变换去噪算法更加灵活、有效和可靠，适用于不同的应用场景和噪声环境。
步骤S14：利用小波变换方法基于优化阈值参数对重量数据进行去噪处理，得到去噪后的数据。
将改进后的作为新的阈值参数带入到软阈值处理中，可以针对气体经过活性炭产生噪声的大小完成小波变换实现的数据去噪。
步骤S15：基于去噪后的数据确定活性炭吸附的物质量。
在一实施例中，利用Langmuir方程等温线图基于去噪后的数据计算活性炭的吸附量和最大吸附量，构建Langmuir方程；Langmuir方程为：
；
其中，表示活性炭吸附的物质量，/>表示活性炭的最大吸附量，/>为Langmuir常数，C为气体中污染物的浓度。
根据Langmuir方程，绘制出等温线图，从而确定活性炭吸附的物质量；等温线图的形状反映活性炭的吸附能力和吸附状态；等温线图横坐标为溶液中溶质的浓度，纵坐标为活性炭吸附的物质量。
具体的，利用相应的传感器对活性炭的质量、吸附前后空气污染物的浓度、吸附时间等进行数据采集，采集到数据之后用步骤二中的方法进行数据去噪，得到去噪后的数据之后，利用Langmuir方程等温线图计算活性炭的吸附量和最大吸附量，根据Langmuir方程，可以绘制出等温线图，图中横坐标为溶液中溶质的浓度，纵坐标为活性炭吸附的物质量。等温线图的形状可以反映活性炭的吸附能力和吸附状态。完成活性炭吸附状态的监测。
本发明通过称重传感器对吸附器中的活性炭进行质量数据采集，根据采集到的图像求取其在同一时刻内质量的变化速率，根据质量变化和时间的图像分析活性炭的吸附速率。根据求出的质量变化速率分析其类饱和度，类饱和度并不能准确的代表活性炭的吸附状态，只是通过理论分析其吸附效率变化，得到的类饱和情况。通过上述分析出来的参数，可以考虑质量变化速率和饱和度对声音频率的影响，可以实时对气流通过活性炭产生的声音频率做出判断。然后用声音频率对小波变换去噪中软阈值的阈值参数进行改进，使其阈值参数可以通过声音频率的变化自适应的增大，当吸附速率较快、类饱和度低的时候，声音频率较低，相对于原本的阈值参数进行适当增大，提高去噪的保真度和真实性；而当吸附速率较慢、类饱和度高的时候，声音频率较高，相对于原本的阈值参数的增大程度加强，以保证去噪后的数据更加准确。通过对气体经过活性炭发出声音频率的分析，提高小波监测的鲁棒性和准确性，为后续的监测提供更准确的数据。
以上仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (2)
1.一种尾气活性炭吸附状态在线监测方法，其特征在于，包括：
利用称重传感器采集吸附器的重量数据集合，所述重量数据集合包括n个重量数据，相邻两个重量数据的采集时间相差T间隔时间；
基于所述重量数据集合确定尾气经过活性炭的声音频率；
基于所述声音频率对初始阈值参数进行修正，得到优化阈值参数；
利用小波变换方法基于所述优化阈值参数对所述重量数据进行去噪处理，得到去噪后的数据；
基于去噪后的数据确定活性炭吸附的物质量；
其中，基于所述重量数据集合确定尾气经过活性炭的声音频率，包括：
基于所述重量数据集合计算活性炭的类饱和度，所述类饱和度与所述声音频率正相关；基于所述类饱和度确定所述声音频率；
其中，基于所述重量数据计算活性炭的类饱和度，包括：
基于所述重量数据集合计算每一时刻活性炭的吸附速率；基于每一时刻对应的吸附速率计算相邻时刻之间的吸附速率变化量；基于所述吸附速率变化量计算活性炭的类饱和度；
其中，基于所述吸附速率变化量计算活性炭的类饱和度，包括：
利用如下公式计算活性炭的类饱和度：
；
其中，代表在采集到第k个数据时的活性炭的类饱和度，/>是第/>组重量数据对应的吸附速率变化量，/>为吸附速率变化量的最小值；
其中，基于所述类饱和度确定所述声音频率，包括：
基于所述重量数据集合确定每一时刻对应的活性炭吸附量；基于每一时刻对应的活性炭吸附量以及类饱和度计算所述声音频率；
其中，基于每一时刻对应的活性炭吸附量以及类饱和度计算所述声音频率，包括：
利用如下公式计算声音频率：
；
代表活性炭的类饱和度，/>为当前时刻的活性炭吸附量，/>和/>均为比例常数，其中，/>的值代表声音频率与饱和度之间的比例关系，经验值为0.3；若/>，设/>小数点后连续为0的个数为/>，则/>，若/>，则/>；
其中，基于所述声音频率对初始阈值参数进行修正，得到优化阈值参数，包括：
利用如下公式计算得到优化阈值参数：
；
为气流通过吸附器产生的声音频率，/>表示初始阈值参数；
其中，基于去噪后的数据确定活性炭吸附的物质量，包括：
利用Langmuir方程等温线图基于去噪后的数据计算活性炭的吸附量和最大吸附量，构建Langmuir方程；
Langmuir方程为：
；
其中，表示活性炭吸附的物质量，/>表示活性炭的最大吸附量，/>为Langmuir常数，C为气体中污染物的浓度；
根据Langmuir方程，绘制出等温线图，从而确定活性炭吸附的物质量。
2.根据权利要求1所述的尾气活性炭吸附状态在线监测方法，其特征在于，基于所述重量数据集合计算每一时刻活性炭的吸附速率，包括：
基于当前时刻相对于上一时刻的活性炭吸附变化量计算当前时刻对应的活性炭的吸附速率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310785753.7A CN116499920B (zh) | 2023-06-30 | 2023-06-30 | 一种尾气活性炭吸附状态在线监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310785753.7A CN116499920B (zh) | 2023-06-30 | 2023-06-30 | 一种尾气活性炭吸附状态在线监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116499920A CN116499920A (zh) | 2023-07-28 |
| CN116499920B true CN116499920B (zh) | 2023-09-12 |
Family
ID=87328905
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310785753.7A Active CN116499920B (zh) | 2023-06-30 | 2023-06-30 | 一种尾气活性炭吸附状态在线监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116499920B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1049909A (zh) * | 1989-08-31 | 1991-03-13 | 卡伯特公司 | 重量法测定碳黑的碘值 |
| JP2010256268A (ja) * | 2009-04-28 | 2010-11-11 | Yazaki Corp | ガス分析装置 |
| JP2012113817A (ja) * | 2012-02-03 | 2012-06-14 | Toshiba Corp | 情報記憶媒体、情報再生方法、および情報記録方法 |
| CN107399218A (zh) * | 2016-05-20 | 2017-11-28 | 比亚迪股份有限公司 | 空调滤网的更换提示方法、系统和具有该系统的汽车 |
| CN109187549A (zh) * | 2018-07-26 | 2019-01-11 | 上海工程技术大学 | 一种用于后视镜后背层磨边缺损检测工位的检测方法 |
| CN112687281A (zh) * | 2020-12-28 | 2021-04-20 | 广州医科大学附属第五医院 | 一种异常肺部听诊音智能识别系统 |
| CN115681831A (zh) * | 2022-08-18 | 2023-02-03 | 浙江和达科技股份有限公司 | 一种基于互谱信息的漏水定位方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013115175A1 (ja) * | 2012-01-30 | 2013-08-08 | 京セラ株式会社 | 検体センサおよび検体センシング方法 |
| WO2020252493A1 (en) * | 2019-06-12 | 2020-12-17 | Texas Tech University System | Thermodynamic formulation for langmuir adsorption isotherms |
-
2023
- 2023-06-30 CN CN202310785753.7A patent/CN116499920B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1049909A (zh) * | 1989-08-31 | 1991-03-13 | 卡伯特公司 | 重量法测定碳黑的碘值 |
| JP2010256268A (ja) * | 2009-04-28 | 2010-11-11 | Yazaki Corp | ガス分析装置 |
| JP2012113817A (ja) * | 2012-02-03 | 2012-06-14 | Toshiba Corp | 情報記憶媒体、情報再生方法、および情報記録方法 |
| CN107399218A (zh) * | 2016-05-20 | 2017-11-28 | 比亚迪股份有限公司 | 空调滤网的更换提示方法、系统和具有该系统的汽车 |
| CN109187549A (zh) * | 2018-07-26 | 2019-01-11 | 上海工程技术大学 | 一种用于后视镜后背层磨边缺损检测工位的检测方法 |
| CN112687281A (zh) * | 2020-12-28 | 2021-04-20 | 广州医科大学附属第五医院 | 一种异常肺部听诊音智能识别系统 |
| CN115681831A (zh) * | 2022-08-18 | 2023-02-03 | 浙江和达科技股份有限公司 | 一种基于互谱信息的漏水定位方法 |
Non-Patent Citations (1)
| Title |
|---|
| 智能自动快速诊断变压器故障异常辅助装置;王园园;农村电工;第31卷(第03期);32-33 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116499920A (zh) | 2023-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109614851B (zh) | 大气污染颗粒物形态参数的图像检测方法 | |
| JP2008534989A (ja) | 音声アクティビティ検出装置および方法 | |
| CN104637491B (zh) | 用于内部mmse计算的基于外部估计的snr的修改器 | |
| SE534531C2 (sv) | Metod för feldetektion av rullningslager genom förhöjning av statistisk asymmetri | |
| Xu et al. | A novel Monte Carlo noise reduction operator | |
| CA2607169C (en) | Signal processing system for tonal noise robustness | |
| CN116499920B (zh) | 一种尾气活性炭吸附状态在线监测方法 | |
| US20160245784A1 (en) | Air quality sensing module and algorithm | |
| CN103163050A (zh) | 一种基于电磁感应信号的润滑油系统金属磨粒检测方法 | |
| CN111514663A (zh) | 空气净化装置滤芯寿命的计算方法及装置、存储介质 | |
| JP2009249130A (ja) | ウェブ蛇行修正装置及びウェブ蛇行修正方法 | |
| CN111366692A (zh) | 气体环境参数监测系统及方法 | |
| Tong et al. | Signal denoising method based on improved wavelet threshold function for microchip electrophoresis C 4 D equipment | |
| CN112671412A (zh) | 一种雷达回波数据压缩方法及装置 | |
| WO2014126842A1 (en) | Audio clipping detection | |
| WO2024036836A1 (zh) | 一种超声振动融合自适应调理电路及柔性模块 | |
| CN110988232A (zh) | 一种色谱基线降噪方法及其装置 | |
| CN112766044B (zh) | 疏松样品纵横波速度分析方法、装置及计算机存储介质 | |
| CN110596199A (zh) | 一种电子鼻、气味识别方法及存储介质 | |
| CN115632633A (zh) | 一种基于稳健m估计的最小误差熵自适应滤波方法 | |
| CN112129404A (zh) | 提高油浸式配电变压器出厂噪声测量精度的方法及装置 | |
| CN109857973B (zh) | 红外数据滤波方法及装置 | |
| CN107506779B (zh) | 一种植物茎干含水量的估算方法及系统 | |
| CN113659961B (zh) | 一种应用于二氧化碳传感器的滤波算法 | |
| Kirankumar et al. | Hybrid Technique for Denoising Multi Environment Noise in Speech Processing |
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 |