CN117501101A - 气体传感器设备和用于更新基线校正参数的方法 - Google Patents
气体传感器设备和用于更新基线校正参数的方法 Download PDFInfo
- Publication number
- CN117501101A CN117501101A CN202280042097.5A CN202280042097A CN117501101A CN 117501101 A CN117501101 A CN 117501101A CN 202280042097 A CN202280042097 A CN 202280042097A CN 117501101 A CN117501101 A CN 117501101A
- Authority
- CN
- China
- Prior art keywords
- model
- value
- gas sensor
- memory
- values
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000001228 spectrum Methods 0.000 claims abstract description 44
- 238000005259 measurement Methods 0.000 claims description 70
- 238000013178 mathematical model Methods 0.000 claims description 28
- 230000006870 function Effects 0.000 claims description 25
- 230000000737 periodic effect Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 36
- 229910002092 carbon dioxide Inorganic materials 0.000 description 18
- 239000001569 carbon dioxide Substances 0.000 description 18
- 238000004891 communication Methods 0.000 description 11
- 238000006243 chemical reaction Methods 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 7
- 230000032683 aging Effects 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 125000004122 cyclic group Chemical group 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000002803 fossil fuel Substances 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
-
- 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
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
- G01D3/028—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups mitigating undesired influences, e.g. temperature, pressure
- G01D3/036—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups mitigating undesired influences, e.g. temperature, pressure on measuring arrangements themselves
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0006—Calibrating gas analysers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/127—Calibration; base line adjustment; drift compensation
- G01N2201/12746—Calibration values determination
- G01N2201/12784—Base line obtained from computation, histogram
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
- Emergency Alarm Devices (AREA)
Abstract
描述了一种计算机实现的方法和气体传感器设备，该气体传感器设备包括光谱感测单元(2)、存储器(3)和控制单元(4)。控制单元(4)被配置为输出校正值，该校正值是由光谱感测单元(2)测量的气体组分的浓度的度量，其中，该校正值是根据从光谱感测单元(2)获得的测量值和从存储器(3)检索的基线校正参数确定的。控制单元被配置为通过以下方式来更新基线校正参数(零)：识别在预定第一时间段(14)期间获得的最小测量值，获得第一时间段(14)的时间，获得与获得的时间对应的模型值，基于最小测量值和模型值确定更新的基线校正参数，以及更新存储在存储器(3)中的基线校正参数。
Description
技术领域
本发明涉及一种气体传感器设备，该气体传感器设备包括光谱感测单元，例如像非色散红外(NDIR)感测单元。该气体传感器设备被配置为输出校正值，校正值是光谱感测单元测量的气体组分的浓度的度量，并且是根据从光谱感测单元获得的测量值与从存储器检索的基线校正参数确定的。本发明还涉及一种用于更新基线校正参数的方法。
背景技术
气体传感器是用于测量区域中气体的存在或浓度的设备并且在许多应用中发挥重要作用。光谱传感器被广泛地用于依赖于比尔-朗伯定律的气体传感器。非色散红外(NDIR)传感器是一种常用的光谱传感器类型，其中，使用非色散元件来将宽带光过滤成适合于感测特定气体的窄光谱。然而，光谱传感器已经被认为是对环境温度、大气压、湿度和一些其他环境因素的变化敏感的。此外，传感器部件的老化还导致传感器的不精确。因此，对于传感器的长期精度需要定期的校正。
现在，红外气体传感器自校正的现有技术是完善的ABC技术(自动基线校正)，其中，传感器被校正到假定为新鲜空气浓度的固定值。然而，该方法已经被证明在要求高精度时不能提供足够高的精度。因此，设计可广泛应用于不同环境中、更稳健且智能的自校正算法变得越来越重要。
发明内容
本发明的目的是提供一种用于自动校正来自光谱感测单元(例如像非色散红外(NDIR)感测单元)的测量值的方法，该方法提供比现有技术的方法更可靠的校正。本发明的另目的是提供一种用于对来自光谱感测单元的测量值进行自动校正的方法，该方法以比现有技术的方法更好的方式兼顾了光谱感测单元的老化。
本发明的另一目的是提供一种气体传感器设备，该气体传感器设备包括光谱感测单元，例如像非色散红外(NDIR)感测单元，提供比现有技术的方法更可靠的校正。
本发明的另一目的是提供一种气体传感器设备，该气体传感器设备包括光谱感测单元，例如像非色散红外(NDIR)感测单元，以比现有技术的方法更好的方式兼顾了感测单元的老化。
本发明的另一目的是提供一种用于自动校正来自光谱感测单元(例如像非色散红外(NDIR)气体感测单元)的测量值的计算机程序，提供比现有技术的方法更可靠的校正。
本发明的另一目的是提供一种用于自动校正来自光谱感测单元(例如像非色散红外(NDIR)气体感测单元)的测量值的计算机程序，该计算机程序以比现有技术的方法更好的方式兼顾光谱气体感测单元的老化。
利用根据独立权利要求的方法和计算机程序来实现这些目的中的至少一个。
其他优点通过从属权利要求的特征来实现。
根据本发明的第一方面，提供了一种气体传感器设备，该气体传感器设备包括光谱感测单元、存储器和控制单元，其中，控制单元被配置为输出校正值，该校正值是由光谱感测单元测量的气体浓度的度量，其中，该校正值是根据从光谱感测单元获得的测量值与从存储器检索的基线校正参数确定的。该气体传感器设备的特征在于，控制单元被配置为通过以下方式来更新该基线校正参数：识别在预定第一时间段期间获得的最小测量值；获得针对该第一时间段的时间；获得针对获得的时间的模型值；基于该最小测量值和该模型值确定更新的基线校正参数；并更新该存储器中存储的基线校正参数。
这些测量值可以是电信号，如来自强度传感器(未示出)的电流，该强度传感器测量已经透过待测量气体组分的光的强度。
测量值可以对应于强度信号。测量值可以与光强度具有非线性关系。
测量值可以在控制单元中转换成校正值，该校正值是光谱感测单元测量的气体浓度的度量。校正值可以是待测量的气体组分的浓度值。
校正值可以根据测量值和基线校正参数来确定。通过将测量值的函数设定为等于模型值，并且使用最小测量值，可求解等式以确定更新的基线校正参数。
在现有技术的气体传感器设备中，基线校正参数已经是固定值。现有技术的气体传感器设备的校正通常以预定间隔进行，例如每年进行预定次数的校正。在要测量的气体组分是CO2的情况下，已经假定二氧化碳浓度根据不同的人类活动(诸如具有内燃机的汽车的交通)和工业活动(诸如化石燃料发电厂)而变化。还已经假定二氧化碳浓度有时达到基础水平，例如当车流量处于最小值并且发电厂不产生电力时和/或当出现强风时。已经假定在现有技术中，气体传感器中基础二氧化碳浓度具有固定值，例如400ppm。在每个校正时刻，现有技术的气体传感器设备已在先前的时间段(例如像前一周)期间检索最低测量值并且调整基线校正参数，使得该气体传感器设备输出正确的二氧化碳浓度。通过本申请的气体传感器设备，基线校正参数遵循预测曲线。
该气体传感器设备可以被配置为使得这些校正值对应于气体组分(例如像二氧化碳)的浓度。校正值可以根据测量值和基线校正参数来确定。模型值对应于模型气体浓度并且可以由如下所述的不同方式获得。转化函数可以结合比尔-朗伯定律，并且还可以考虑环境因素。转换函数可描述如下：
M＝f(zero,E,F),
其中，M是二氧化碳浓度，E表示光谱感测单元的测量值，F表示环境因素，以及zero表示基线校正参数。环境因素可考虑诸如环境温度、大气压力和湿度的因素，并且在环境温度、大气压力和湿度恒定的情况下，环境因素可以是固定的或被省略。
控制单元可以被配置为使用转换函数确定二氧化碳浓度M。
M＝f(zero,E,F).
由于测量值所依赖的比尔-朗伯关系，转换函数可以是指数函数。
控制单元可以被配置为通过将等于模型值E的M设定为等于最小测量值来计算更新的基线校正参数。根据该因素的单独测量来设置环境因素F。求解等式以获得更新的基线校正参数。存在从现有技术传感器设备已知的求解这种等式的许多不同方式。然而，在现有技术的传感器设备中，假定基础二氧化碳浓度具有固定值，例如400ppm。
针对不同时间的一组模型值可以与其相关联的时间一起被存储在存储器中。可以通过从存储器检索的与获得的时间相关联的模型值来获得模型值。预先使用数学模型针对多个不同时间来计算模型值。以下将更详细地描述该数学模型。不同的模型值的数应该适配于所希望的校正间隔以及该气体传感器设备的预期寿命。
作为具有预存储在该气体传感器设备的存储器中的多个模型值的替代性方案，这些模型值可以通过以下方式获得：从存储器检索一组模型系数，使用获得的时间并且在该数学模型中使用检索的模型系数来计算模型值(其中，数学模型是时间的函数)。如果存储器中的存储空间有限，则该替代性方案可以是优选的。
该数学模型可以在控制单元中硬布线。这可以提供用于计算模型值的更短的时间。
数学模型可以是具有周期项的二次多项式。如果CO2是有待测量的气体组分，则这样的多项式将很适合已经在不同地理位置处测量的历史CO2值。周期项可以包括正弦项并且可以包括在正弦函数内的正弦项以考虑到CO2水平在夏季的下降比在冬季的上升速度更快。
多组系数可存储在存储器中，其中，每组系数与地理位置相关，并且其中，该控制单元基于该气体传感器设备的地理位置的信息检索要用于计算该模型测量值的一组系数。这样，该数学模型可以适应不同的地理位置。作为示例，当气体传感器设备周围有大森林时，系数应当不同于当气体传感器设备位于海洋中的小岛时。另一个重要因素是气体传感器位于南半球还是北半球。该气体传感器设备的地理位置可以由操作员设定。
当预先计算的模型值被存储在气体传感器设备中时，用于不同时间的多组模型值可以与它们相关联的时间一起被存储在存储器中，其中，每组模型值与地理位置相关，并且其中，该控制单元还基于该气体传感器设备的地理位置的信息来检索模型值。该气体传感器设备的地理位置可以由操作员设定。
气体传感器设备可以包括被配置为确定该气体传感器设备的地理位置的定位设备，其中，控制单元被配置为从该定位设备检索地理位置并且检索与检索的位置相对应的该组校正系数。该定位设备可以是卫星定位设备，例如GPS定位设备。通过包括定位设备，该气体传感器设备可以自动确定其自身的位置。
气体传感器设备可以包括内部时钟。这样，针对上述第一时间段的时间可以被确定。该气体传感器设备可以替代性地被配置为从外部时钟获得针对上述第一时间段的时间。外部时钟可以有许多不同种类。如果气体传感器设备包括诸如GPS定位设备的定位设备，则可以从定位设备获得时间。作为另一替代性方案，外部时钟可以是通过无线电信号发送时间的时钟设备。这种时钟设备中的时钟可以是原子时钟。时间还可以从蜂窝网络获得。在蜂窝网络中，从基站发送时间。以上仅是关于可从其获得时间的外部时钟的几个示例。
不需要将模型值的模型系数存储在存储器中。作为替代性方案，控制单元被配置为从存储器检索来自预定第二时间段的测量值，并且设置校正系数，使得数学模型拟合该测量值。这样，控制单元假定在安装到地点之后的第二时间段期间进行的测量是正确的。数学模型的系数被设置为拟合测量值。该数学模型当然必须被存储在该气体传感器设备中。
以上，将模型值描述为值。然而，每个模型值可以与不确定性相关联。
与每个模型值相关联的不确定性可以是基于较早一组测量值的不确定性函数。换言之，一组测量值可以用于确定用于模型值的不确定函数。
该不确定性可替代性地表示为与模型值的标准偏差或可以用于描述不确定性的任何其他统计度量。
不确定性函数可以基于由传感器设备本身和/或由至少一个其他气体传感器设备测量的测量值。测量值可能在前一年或几年期间获得。
根据本发明的第二方面，提供了一种用于更新存储在存储器中并用于确定校正值的基线校正参数的计算机实现的方法，该校正值是由光谱感测单元测量的气体浓度的度量，其中，校正值是根据基线校正参数以及从光谱感测单元获得的测量值确定的。计算机实现的方法的特征在于，该方法包括以下步骤：从光谱感测单元获得测量值，识别在预定第一时间段期间获得的最小测量值，获得针对第一时间段的时间；获得针对获得的时间的模型值；基于最小测量值和模型值确定更新的基线校正参数，以及更新存储在存储器中的基线校正参数。根据第二方面的方法可以在所谓的计算机云中执行。
可以通过以下步骤来计算模型值：从存储器检索一组模型系数；使用获得的时间并在数学模型中使用检索的模型系数来计算模型值，其中，数学模型是时间的函数。
多组系数可存储于存储器中，其中，每组系数与地理位置相关。该方法可以包括以下步骤：获得与测量值相关的地理位置的信息；并且还基于获得的与测量值相关的地理位置的信息来检索要用于计算该模型测量值的一组系数。可以从气体传感器设备或从存储器获得与测量值相关的地理位置的信息。在后一种情况下，测量值必须与识别气体传感器设备的识别码相关。地理位置可以与识别码一起存储在查找表中。
针对不同时间的一组模型值可以与其相关联的时间一起被存储在存储器中，并且其中，该模型值是通过从存储器检索与获得的时间相关联的模型值而获得的。预先使用数学模型针对多个不同时间计算模型值。以下将更详细地描述该数学模型。不同的模型值的数应该适应于所希望的校正间隔以及该气体传感器设备的预期寿命。
针对不同时间的多组模型值可以与其相关联的时间一起被存储在存储器中，其中，每组模型值与地理位置相关。该方法可以包括以下步骤：获得与测量值相关的地理位置的信息；以及还基于获得的与测量值相关的地理位置的信息来检索要用于计算模型测量值的模型值。可以从气体传感器设备或从存储器获得与测量值相关的地理位置的信息。在后一种情况下，测量值必须与识别气体传感器设备的识别码相关。地理位置可以与识别码一起存储在查找表中。
如以上对根据本发明的第一方面的气体传感器设备描述的，每个模型值可以与不确定性相关联。
与每个模型值相关联的不确定性可以是基于较早一组测量值的不确定性函数。换言之，一组测量值可以用于确定用于模型值的不确定函数。
该不确定性可替代性地表示为与模型值的标准偏差或可用于描述不确定性的任何其他统计度量。
不确定函数可以基于由传感器设备本身和/或由至少一个其他气体传感器设备测量的测量值。测量值可能在前一年或几年期间获得。
根据本发明的第三方面，提供了一种用于更新存储在存储器中并用于确定校正值的基线校正参数的计算机程序，校正值是由光谱感测单元测量的气体浓度的度量，其中，校正值是根据从基线校正参数以及光谱感测单元获得的测量值确定的，该计算机程序包括当被处理单元中的处理器执行时使该处理单元控制该处理单元执行根据第二方面的方法的指令。
光谱感测单元可以是非色散红外(NDIR)感测单元，其是一种常用的光谱感测单元的类型。
附图说明
图1示意性地示出了气体传感器设备。
图2示出了在莫纳洛亚山(Mauna Loa)从1958至2020的月平均CO2浓度。
图3以实线示出了在北半球的地理位置上的CO2浓度并且以虚线示出了CO2浓度的数学模型。
图4示出了用高精度气体传感器、低精度气体传感器和用本申请中的方法校正的低精度气体传感器获得的曲线之间的比较。
图5示出了用高精度气体传感器、用根据现有技术的方法校正后的低精度气体传感器以及用本申请中的方法校正后的低精度气体传感器获得的曲线。
图6示出了与远程设备20通信的气体传感器设备1，并且示出了根据不同实施例的方法。
图7示出了在大约两年测量中通过测量获得的九个不同的测量曲线簇。
图8示出了图7的九个不同的簇的结合。
具体实施方式
在本发明的以下具体实施方式中，将用相同的附图标号表示不同附图中的相似特征。
图1示意性地示出了气体传感器设备1，该气体传感器设备包括光谱感测单元2(例如像非色散红外(NDIR)感测单元)，存储器3以及具有处理器5的控制单元4，其中，控制单元4从光谱感测单元2获得测量值。来自光谱感测单元的测量值取决于光谱感测单元2测量的气体组分的浓度。光谱感测单元2在气体组分的吸收峰处测量，并且测量值取决于根据比尔-朗伯定律的气体浓度。测量信号可与检测到的光强度成比例。根据现有技术，光谱感测单元2的功能是众所周知的，并且将不在此进一步解释。
控制单元4被配置为输出校正值，该校正值是由光谱感测单元2测量的气体组分的浓度的度量。该气体传感器设备主要旨在用于测量大气中的二氧化碳的浓度。为了能够输出校正值，气体传感器设备1包括通信接口6，该通信接口被配置为与诸如基站(未示出)或任何其他形式的发射器或收发器的远程通信设备(未示出)进行无线通信。作为替代性方案，通信设备可以被配置为有线通信。根据从光谱感测单元2获得的测量值和从存储器检索的基线校正参数确定校正值。图1中还示出了控制单元中的可选的内部时钟15和可选的定位设备7。
测量值可以是穿透待测量气体的光的强度值。光谱感测单元2优选地被配置为测量特定波长间隔的光强度。该气体传感器还可以被配置为将该强度值转换成气体浓度。在这种情况下，气体浓度的度量是气体浓度。如果从光强度到气体浓度的转换对执行该方法的处理单元是已知的，则可以使用光强度。然而，如果从光强度到气体浓度的转换对该处理单元是未知的，则信任函数优选地是根据气体浓度的概率。
在现有技术的气体传感器设备中，基线校正参数已经是固定值。现有技术的气体传感器设备的校正通常以预定间隔进行，例如每年进行预定次数的校正。已经假定二氧化碳浓度根据不同的人类活动(诸如具有内燃机的汽车的交通)和工业活动(诸如化石燃料发电厂)而变化。还已经假定二氧化碳浓度有时达到基础水平，例如当车流量处于最小值并且发电厂不产生电力时和/或当出现强风时。已经假定在现有技术中，气体传感器中基础二氧化碳浓度具有固定值，例如400ppm。在每个校正时刻，根据现有技术的气体传感器设备已在先前的时间段(例如像前一周)期间检索最低测量值并且调整校正参数，这样使得该气体传感器设备输出正确的二氧化碳浓度。在根据现有技术的所描述的方法中，使用可以如下描述的转换函数将最小测量值转换成二氧化碳浓度：
M＝f(zero,E,F),
其中，M是二氧化碳浓度，E表示光谱感测单元2的测量值，F表示环境因素，以及zero表示基线校正参数。由于气体感测单元2的老化，基线校正参数必须随时间调整。这在现有技术中已经通过假定在固定时间段期间的最低二氧化碳浓度为400ppm来完成。该时间段通常被选择为一周。
发明人已认识到，如果期望浓度测量精度较高或如果传感器使用多年，则这种近似不是令人满意的。其原因在于，大气中的二氧化碳浓度逐年变化，逐年增加。图2示出了在Mauna Loa从1958至2020的月平均CO2浓度，表示为点8。图2中的实线9是CO2浓度的趋势。图2中的插图放大地示出了平均CO2浓度的季节性变化与年均值的偏离量，其中，实线10是月平均值的拟合。曲线10称为基林曲线(Keeling curve)。如可以观察到的，总CO2浓度随着约±3ppm的循环波动而增加。周期性波动的原因是北半球的季节。在夏季，植被吸收更多的CO2，这导致大气中CO2浓度降低。在南半球，夏季相移约6个月，并且CO2浓度的降低以相应的方式相移6个月。由于信风，大气中的空气的混合在赤道上受到限制。
图3以实线11示出了在北半球的地理位置上的最近3年的CO2浓度，并且以虚线12示出CO2浓度的数学模型。从图3可以看出，大气中CO2浓度的循环降低比循环增加更快。图3中的浓度值是通过根据如上所述的已知转换函数将测量值转换为浓度而获得：
M＝f(zero,E,F)
虚点线12所示的数学模型是具有周期项的二次多项式。在本示例中，周期项是正弦项。用于图3中所示的浓度的模型是
y＝c0+c1x+c2x2+(c3+c4x)sin(c5sin(kx+c6)+kx+c7)
其中，y是CO2的浓度并且x是以天计的时间。在图3的模型中，以下值已经用于c0-c7：
[3.145x102，2.056x10-3，9.939x10-8，2.852，2，495x10-5，5.024x10-1，9x10-1，1.145]。
如果较低的精度是可接受的，当然可以使用更简单的模型。通过简单地将一个或多个系数c0至c7设置为零可以实现这种更简单的模型。优选的是，数学模型是具有周期项的二次多项式，这反映了大气中CO2浓度的增加。周期项应具有1年的周期。这意味着项k应该等于2π/365.25。项c7是在北半球和南半球上不同的相移。
控制单元4被配置为通过识别在图3中示出的预定第一时间段14期间获得的最小测量值13来更新基线校正参数。这可以通过连续地存储最小测量值或者通过存储所有测量值并且然后识别最小值来完成。在图3的示例中，它是在转换为浓度之后识别的最小测量值12。使用以下函数进行转换：
M＝f(zero,E,F)
还可以在转换之前识别最小测量值12并且然后转换最小测量值12。通常，预定第一时间段14是大约1周，但是在图3中，第一时间段大约是一月。控制单元获得针对第一时间段的时间。从图3可以看出，即使是一个月内的变化，也是很小的。因此，针对最小测量值13的准确时间不必作为针对第一时间段14的时间。针对第一时间段的时间可以是针对最小测量值的时间或第一时间段14的开始和结束之间的任意时间。控制单元可以针对确定的时间从存储器3检索模型值。针对几年的模型值可以与它们相应的时间一起存储在存储器3中。如果每周仅更新一次基线校正参数，那么针对每年所需的基线校正值数目仅为52。作为替代性方案，控制单元4可以从存储器3检索一组模型系数并且使用针对第一时间段14的获得的时间并且在数学模型中使用检索的模型系数来计算模型值，其中，数学模型是时间的函数。所使用的数学模型如上所述，并且可以在控制单元4中硬布线，或者可以从存储器3检索。无论如何获得模型值，控制单元4然后基于最小测量值和模型值确定更新的基线校正参数，并更新存储在存储器3中的基线校正参数。在图3所示的示例中，使用函数M和本校正参数将测量值转换成CO2浓度。第一时间段中的最小值高于模型。这将导致更新的校正参数被确定，使得CO2浓度更低。
气体传感器设备1可以包括内部时钟5，该内部时钟为测量值提供必要的时间。可替代地，气体传感器设备1可以使用通信接口6从外部时钟获得时间。在这种情况下，可以省略内部时钟5。外部时钟可以有许多不同种类。如果气体传感器设备包括诸如GPS定位设备的定位设备，则可以从定位设备获得时间。作为另一替代性方案，外部时钟可以是通过无线电信号发送时间的时钟设备。这种时钟设备中的时钟可以是原子时钟。时间还可以从蜂窝网络获得。在蜂窝网络中，从基站发送时间。以上仅是在可以获得时间的外部时钟上的一些示例。
在所有测量值被存储在存储器3中的情况下，它们与针对每个测量值的对应时间一起被存储。在仅将最小测量值存储在存储器中的情况下，相应的时间也被存储在存储器3中。
气体传感器设备1可以被配置为具有存储在存储器中的针对不同时间的多组模型值及与该多组模型值相关联的时间。可替代地，气体传感器设备1可以被配置有存储在存储器3中的多组系数，其中，每组系数与地理位置相关。如上所述，基林曲线在不同的地理位置是不同的。如上所述，与北半球相比，由季节引起的周期性变化在南半球上相移约6个月。控制单元可从多组模型值中的一者检索模型值，其中，一组模型值的选择是基于关于气体传感器设备的地理位置的信息。相应地，对于具有存储在存储器3中的多组系数的情况，控制单元基于关于气体传感器设备1的地理位置的信息检索要用于计算模型测量值的一组系数。气体传感器设备1的位置可以由操作者输入，该操作者将该气体传感器设备设置在它将测量CO2浓度的位置处。可替代地，气体传感器设备1包括定位设备7，该定位设备被配置为确定该气体传感器设备的地理位置，其中，该控制单元被配置为从该定位设备7检索地理位置并且检索与检索的位置相对应的该组校正系数。定位设备7可使用诸如GPS或GLONASS的卫星定位系统。通过具有这种定位设备，控制单元可以从定位设备7获得气体传感器设备的位置。利用获得的位置，控制单元可以从存储器3检索正确的一组模型系数。当气体传感器设备1包括定位设备7时，控制单元4可以从定位设备7检索时间，因为大多数卫星定位系统是基于非常准确的时钟。
控制单元4可以另外地或可替代地被配置为从存储器中检索来自如图3所示的预定第二时间段16的测量值，该第二时间段比第一时间段长并且优选地至少为一年。控制单元确定一组模型系数，使得数学模型拟合第二时间段16中的测量值。所确定的该组模型系数然后用于传感器设备1的稍后校正。
图4示出了用高精度气体传感器获得的第一虚曲线21、用低精度气体传感器获得的第二实曲线22以及第三虚点曲线23，该第三虚曲线是用上述方法校正的第二曲线22。
图5示出了用高精度气体传感器获得的第一虚线曲线24、根据现有技术的方法用固定的基线校正参数校正后用低精度气体传感器获得的第二实曲线25、以及根据本发明的方法校正后用低精度气体传感器获得的第三虚点曲线26。
没有必要使该气体传感器设备被配置为使用测量值和基线校正参数进行这些测量值到气体浓度值的转换，并且更新该气体传感器设备中的基线校正参数。作为替代性方案，该气体传感器设备可以将所有测量值发送至远程计算机，该远程计算机可以是虚拟计算机，通常被称为云计算机。
图6示出了与远程设备20通信的气体传感器设备1，并且示出了根据不同实施例的方法。气体传感器设备1包括(非色散红外)光谱感测单元2、存储器3和具有处理器5和内部时钟的控制单元4，其中，控制单元4被配置为传输由光谱感测单元2获得的测量值，这些测量值取决于由光谱感测单元2感测的气体中组分的浓度。将测量值与它们相应的时间一起发送。该气体传感器设备是主要旨用于测量大气中的二氧化碳的浓度。为了能够输出校正值，气体传感器设备1包括通信接口6，该通信接口被配置为与设置在远程设备20中的远程通信设备6’进行无线通信。远程设备20的通信接口6’从该气体传感器设备的通信接口6接收测量值及其相应的时间。远程设备的处理器5’与存储器3通信。然后，处理器执行如上所述的方法。在需要气体传感器设备1的地理位置的情况下，远程设备可以从气体传感器设备1接收地理位置。可替代地，远程设备可以从气体传感器设备1接收标识号。远程设备然后可以通过使用标识号从数据库检索气体传感器设备1的位置。
测量值可以逐一传输或与多个测量值成组传输。
图7示出了在大约两年测量中通过测量获得的九个不同的测量曲线簇。每个集群包括多条测量曲线，这些测量曲线是在两年测量过程中利用定位在相同地理区域(例如，瑞典北部)中的不同传感器获得的。已经在相同的较大地理区域(例如，欧洲)中获得了所有集群。每个簇中的测量曲线具有扩展。该扩展可用于确定模型值的不确定性。不确定性可表示为与模型值的标准偏差，例如400ppm±10ppm。或者，不确定性可以表示为每个模型值的概率函数。每个簇中的平均曲线示出为粗线27。
图8示出了图7的九个不同的簇的结合。如果模型值将用于由所有九个集群表示的较大地理区域，那么不确定性将更大，如由图8中的曲线的较大扩展所说明的。来自每个簇的平均曲线示出为粗线27。
在不背离本发明的范围的情况下，可以以许多方式修改上述实施方式，本发明的范围仅由所附权利要求限定。
Claims (19)
1.一种气体传感器设备，包括光谱感测单元(2)、存储器(3)和控制单元(4)，其中，所述控制单元(4)被配置为输出校正值，所述校正值是由所述光谱感测单元(2)测量的气体组分的浓度的度量，其中，所述校正值是根据从所述光谱感测单元(2)获得的测量值和从所述存储器(3)检索的基线校正参数确定的，
其特征在于，所述控制单元被配置为通过以下方式更新所述基线校正参数(零)：
-识别在预定第一时间段(14)期间获得的最小测量值，
-获得所述第一时间段(14)的时间，
-获得与获得的时间对应的模型值，
-基于所述最小测量值和所述模型值确定更新的基线校正参数，以及
-更新存储在所述存储器(3)中的所述基线校正参数。
2.根据权利要求1所述的气体传感器设备，其中，所述校正值对应于气体浓度，并且所述校正值根据所述测量值和所述基线校正参数来确定，并且其中，所述模型值对应于模型气体浓度。
3.根据权利要求1所述的气体传感器设备，其中，将针对不同时间的一组模型值及与所述一组模型值相关联的时间一起存储在所述存储器中，并且其中，所述模型值是通过从所述存储器中检索与获得的时间相关联的所述模型值而获得的。
4.根据权利要求1所述的气体传感器设备，其中，所述模型值是通过以下方式获得的：
-从所述存储器检索一组模型系数，
-使用获得的时间并在数学模型中使用检索的模型系数来计算模型值，其中，所述数学模型是时间的函数。
5.根据权利要求4所述的气体传感器设备，其中，所述数学模型在所述控制单元(4)中硬布线。
6.根据权利要求4或5所述的气体传感器设备，其中，所述数学模型是具有周期项的二次多项式。
7.根据权利要求4至6中任一项所述的气体传感器设备(1)，其中，多组系数被存储在所述存储器(3)中，其中，每组系数与地理位置相关，并且其中，所述控制单元基于与所述气体传感器设备(1)的地理位置相关的信息，来检索要用于计算模型测量值的一组系数。
8.根据权利要求3所述的气体传感器设备，其中，将针对不同时间的多组模型值及与所述多组模型值相关联的时间存储在所述存储器中，其中，每组模型值与地理位置相关，并且其中，所述控制单元还基于所述气体传感器设备(1)的地理位置的信息来检索模型值。
9.根据权利要求7或8所述的气体传感器设备，包括定位设备(7)，所述定位设备被配置为确定所述气体传感器设备(1)的地理位置，其中，所述控制单元被配置为从所述定位设备(7)检索地理位置并且检索与检索的位置相对应的一组校正系数。
10.根据前述权利要求中任一项所述的气体传感器设备，包括内部时钟(15)。
11.根据权利要求5至7中任一项所述的气体传感器设备，其中，所述控制单元被配置为从所述存储器中检索来自预定第二时间段(16)的测量值，并且所述控制单元设置校正系数，使得所述数学模型拟合所述测量值。
12.根据前述权利要求中任一项所述的气体传感器设备，其中，每个模型值与不确定性相关联。
13.一种用于更新基线校正参数的计算机实现的方法，所述基线校正参数存储在存储器(3)中并用于确定校正值，所述校正值是由光谱感测单元(2)测量的气体组分的浓度的度量，其中，所述校正值是根据所述基线校正参数以及从所述光谱感测单元(2)获得的测量值确定的，
其特征在于，所述方法包括以下步骤：
-从所述光谱感测单元(2)获得所述测量值，
-识别在预定第一时间段期间获得的最小测量值，
-获得针对所述第一时间段(14)的时间，
-获得针对获得的时间的模型值，
-基于所述最小测量值和所述模型值确定更新的基线校正参数，以及
-更新存储在所述存储器(3)中的所述基线校正参数。
14.根据权利要求13所述的计算机实现的方法，其中，所述模型值是通过以下方式获得的：
-从所述存储器(3)中检索一组模型系数，
-使用获得的时间并在数学模型中使用检索的模型系数来计算所述模型值，其中，所述数学模型是时间的函数。
15.根据权利要求14所述的计算机实现的方法，其中，多组系数被存储在所述存储器(3)中，其中，每组系数与地理位置相关，所述方法包括步骤：
-获得与所述测量值相关的地理位置的信息，以及
-还基于获得的与所述测量值相关的地理位置的信息，检索用于计算模型测量值的一组系数。
16.根据权利要求13所述的计算机实现的方法，其中，将针对不同时间的一组模型值及与所述一组模型值相关联的时间一起存储在所述存储器(3)中，并且其中，所述模型值是通过从所述存储器(3)检索与获得的时间相关联的模型值来获得的。
17.根据权利要求16所述的计算机实现的方法，其中，将针对不同时间的多组模型值及与所述多组模型值相关联的时间存储在所述存储器中，其中，每组模型值与地理位置相关，所述方法包括以下步骤：
-获得与所述测量值相关的地理位置的信息，以及
-还基于获得的与所述测量值相关的地理位置的信息，检索用于计算模型测量值的模型值。
18.根据权利要求13至17中任一项所述的计算机实现的方法，其中，每个模型值与不确定性相关联。
19.一种用于更新基线校正参数的计算机程序，所述基线校正参数存储在存储器中并用于确定校正值，所述校正值是由光谱感测单元测量的气体浓度的度量，其中，所述校正值是根据所述基线校正参数以及从所述光谱感测单元(2)获得的测量值确定的，所述计算机程序包括当被处理单元(10)中的处理器(10)执行时使得所述处理单元(1)控制所述处理单元(1)执行根据权利要求12至16中任一项所述的方法的指令。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| SE2150764A SE545975C2 (en) | 2021-06-14 | 2021-06-14 | Gas sensor device and method for updating baseline calibration parameter |
| SE2150764-5 | 2021-06-14 | ||
| PCT/SE2022/050574 WO2022265562A1 (en) | 2021-06-14 | 2022-06-10 | Gas sensor device and method for updating baseline calibration parameter |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117501101A true CN117501101A (zh) | 2024-02-02 |
Family
ID=84526311
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202280042097.5A Pending CN117501101A (zh) | 2021-06-14 | 2022-06-10 | 气体传感器设备和用于更新基线校正参数的方法 |
Country Status (3)
| Country | Link |
|---|---|
| CN (1) | CN117501101A (zh) |
| SE (1) | SE545975C2 (zh) |
| WO (1) | WO2022265562A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3090881B1 (fr) * | 2018-12-19 | 2023-10-20 | Elichens | Procédé de calibration d'un capteur de gaz |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10677768B2 (en) * | 2017-07-29 | 2020-06-09 | Infineon Technologies Ag | Gas sensing systems and methods of operation thereof |
| CN110782640A (zh) * | 2019-11-07 | 2020-02-11 | 成都千嘉科技有限公司 | 在线自校准燃气报警器及其校准方法 |
| CN111855897A (zh) * | 2020-08-26 | 2020-10-30 | 精英数智科技股份有限公司 | 一种井下传感器调校状态识别方法、系统、设备及介质 |
-
2021
- 2021-06-14 SE SE2150764A patent/SE545975C2/en unknown
-
2022
- 2022-06-10 CN CN202280042097.5A patent/CN117501101A/zh active Pending
- 2022-06-10 WO PCT/SE2022/050574 patent/WO2022265562A1/en active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| SE2150764A1 (en) | 2022-12-15 |
| WO2022265562A1 (en) | 2022-12-22 |
| SE545975C2 (en) | 2024-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7509838B2 (en) | Correction of humidity measurement results of a radiosonde | |
| KR102109245B1 (ko) | 식물 생육 지표 측정 장치 및 그의 방법 그리고 식물 생육 지표 측정 시스템 | |
| Berkoff et al. | Nocturnal aerosol optical depth measurements with a small-aperture automated photometer using the moon as a light source | |
| Ladstädter et al. | Climate intercomparison of GPS radio occultation, RS90/92 radiosondes and GRUAN from 2002 to 2013 | |
| Hedelius et al. | Intercomparability of X CO 2 and X CH 4 from the United States TCCON sites | |
| CN109117555A (zh) | 一种区域加权平均温度的Bevis模型改进方法 | |
| US20230288388A1 (en) | System for estimating amount of absorbed carbon dioxide and method for estimating amount of absorbed carbon dioxide | |
| CN117501101A (zh) | 气体传感器设备和用于更新基线校正参数的方法 | |
| US20180180769A1 (en) | Method in connection with a radiosonde and system | |
| Jiang et al. | Development of time-varying global gridded T s–T m model for precise GPS–PWV retrieval | |
| Ingleby et al. | Changes to radiosonde reports and their processing for numerical weather prediction | |
| Cunnold et al. | Overview of UARS ozone validation based primarily on intercomparisons among UARS and Stratospheric Aerosol and Gas Experiment II measurements | |
| KR101742906B1 (ko) | 기상온도 측정 시스템 및 기상온도 측정 방법 | |
| CN115436570B (zh) | 一种基于多元数据的二氧化碳浓度遥感监测方法及装置 | |
| Brinksma et al. | Validation of 3 years of ozone measurements over Network for the Detection of Stratospheric Change station Lauder, New Zealand | |
| CN116167202A (zh) | 一种基于多源数据的卫星遥感二氧化碳排放反演方法 | |
| Ding | Reducing ZHD–ZWD mutual absorption errors for blind ZTD model users | |
| Bush et al. | Comparison of ARESE clear sky surface radiation measurements | |
| CN111695085A (zh) | 辐射定标订正系数序列构建方法、系统及电子设备 | |
| Charlock et al. | The global surface and atmosphere radiation budget: An assessment of accuracy with 5 years of calculations and observations | |
| Yee et al. | Towards land surface model validation from using satellite retrieved soil moisture | |
| CN117390971B (zh) | 一种基于供暖季的no2浓度的预估方法及系统 | |
| De Muer et al. | Influence of sulfur dioxide trends on Dobson measurements and electrochemical ozone surroundings | |
| Kruczyk | Comparison of Techniques for Integrated Precipitable Water Measurement in Polar Region | |
| Ladstädter et al. | Climate intercomparison of GPS radio occultation, RS90/92 radiosondes and GRUAN over 2002 to 2013 |
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 |