RU2804257C1 - Способ определения компонентов смеси газов - Google Patents

Abstract

Изобретение относится к измерительной технике и может быть использовано для создания быстродействующих портативных приборов для идентификации газов. Способ определения компонентов смеси газа заключается в генерации длин волн электромагнитного излучения в области поглощения анализируемых компонентов газа, в пропускании сгенерированных волн через газовые кюветы и в регистрации сгенерированных волн на выходе из кювет. Способ характеризуется тем, что источники и приемники электромагнитного излучения располагают по кругу узла ввода излучения в кюветы, а кюветы выполняют в виде капиллярных волокон с внутренней отражающей поверхностью. Концентрации j-гo компонента в виде оптического сигнала с выхода каждой кюветы передают на фотоприемники, усиливают его и передают через аналого-цифровые устройства к модулю предварительно обученной нейронной сети. Техническим результатом является повышение универсальности, информативности, чувствительности и точности измерений. 3 ил., 2 табл.

Description

Изобретение относится к измерительной технике, а именно к способам и устройствам для определения концентрации газов, например метана, окиси или двуокиси углерода, углеводородов, бензола, оксида азота и др., в атмосфере, производственных помещениях, технологических аппаратах и т.д.

Известен абсорбционный волоконно-оптический газоанализатор, содержащий последовательно установленные и оптически связанные излучатель, входное оптическое волокно, многоходовую кювету, состоящую из трех сферических зеркал, выходное оптическое волокно, блок регистрации и обработки информации. Между выходным оптическим волокном и блоком регистрации установлен спектральный интегральный демультиплексор, а на продолжении сферы зеркала-коллектива в непосредственной близости от его края с одной стороны установлены торцы входного и выходного оптических волокон, оба зеркала-объектива установлены с возможностью совместного поворота относительно центра кривизны зеркала-коллектива в общей меридиональной плоскости всех зеркал (RU 2091764, G 01 N 21/61, 1997).

Известен также оптический абсорбционный газоанализатор, содержащий оптически сопряженные лазерный источник инфракрасного электромагнитного излучения с длиной волны из области поглощения анализируемого газа, многоходовую газовую кювету, выполненную в виде интегрирующей сферы с внутренним светоотражающим покрытием, где оптический вход и выход расположены асимметрично относительно центра сферы, светофильтр и приемник излучения, подключенный через усилитель к блоку обработки и регистрации информационного сигнала (RU 2022249, G 01 N 21/61, 1994). Внутренняя поверхность интегрирующей сферы может быть выполнена эллипсоидной (WO 2004/013600, G 01 N). Для повышения точности и надежности исследований оптический абсорбционный газоанализатор содержит широкополосный оптический излучатель, расположенные по ходу его излучения трубчатую газовую кювету с внутренними светоотражающими стенками и два фотоприемника, снабженные светофильтрами в области поглощения и прозрачности анализируемого газа соответственно, подключенные к блоку дифференциальной обработки и регистрации информационных сигналов (US 6469303, G 01 J 005/02, 2002; US 2004/0007667, G 01 N 21/61).

Однако такие газоанализаторы являются сложными в изготовлении и эксплуатации.

Среди направлений развития данного вида техники прослеживается выполнение газовой кюветы совместно с оптическим фокусирующим элементом. Так, для контроля содержания газов, имеющих инфракрасный спектр поглощения, используют кювету, изготовленную в форме полого светоотражающего усеченного конуса с отверстием в боковой стенке, в котором установлен оптический фильтр с опорным приемником излучения, а источник излучения расположен в непосредственной близости к кювете (RU 2037809, G 01 N 21/61, 1995). Такая геометрия кюветы обеспечивает фокусировку и многократное отражение от ее стенок проходящих через контролируемую пробу световых лучей.

Наиболее близким к заявляемому является способ определения компонентов газа, описанный в патенте (RU 2109269, G 01 N 21/61, 1998).

Способ заключается в том что, генерируют электромагнитное излучение с длинами волн в области поглощения анализируемых компонентов газа, пропускают сгенерированные волны через газовые кюветы, и регистрируют сгенерированные волны на выходе из кювет фотоприемниками, при этом кюветы выполняют с внутренними светоотражающими стенками, сигнал с фотоприемника усиливают и передают в блок обработки и регистрации информации. Однако данный способ обладает низкой чувствительностью из-за ограниченной длины пути светового потока. Наличие одного канала без спектрального прибора не позволяет регистрировать одновременного наличия нескольких исследуемых газовых компонентов, что снижает информативность. Кроме того, оно обладает низкой точностью из-за возможности прямой засветки фотоприемника.

Технической задачей заявляемого способа является повышение универсальности, информативности, чувствительности и точности измерений путем увеличения пути светового потока, проходящего через набор капиллярных волокон.

Решение указанной технической задачи заключается в том, что в способе определения компонентов смеси газов, заключающимся в генерации длин волн электромагнитного излучения в области поглощения анализируемых компонентов смеси газов, в пропускании сгенерированных волн через газовые кюветы, и в регистрации сгенерированных волн на выходе из кювет, при этом источники электромагнитного излучения располагают по кругу узла ввода излучения в кюветы, а кюветы выполняют в виде капиллярных волокон с внутренней отражающей поверхностью по длине L_опт, которую определяют по формуле где ; k _j (λ _i ) – спектральный коэффициент поглощения j-гo компонента на i-й длине волны; с_j– концентрация j-гo компонента, передают оптический сигнал с выхода каждой кюветы на фотоприемники, усиливают его и передают через-аналого-цифровые устройства к модулю нейронной сети, которую предварительно обучают, для чего определяют параметр входного и выходного векторов и их нормализуют, задают диапазон изменения входов, выходов, весов и пороговых уровней, выбирают функцию активации, например, сигмоиду или другую, выбирают такие гиперпараметры нейронной сети, как число скрытых слоев, скорость обучения, количество нейронов в скрытом слое, нейроны смещения, с учетом необходимой точности и исключения переобучения, присваивают начальные значения весовым коэффициентам и пороговым уровням, и проводят обучение нейронной сети способом обратного распространения ошибки с градиентным спуском или другим способом.

На фиг 1 изображена схема, для реализации заявляемого способа, где 1 –светодиоды, 2 -фотодиоды, 3- оптические капиллярные кюветы, 4-клапаны ввода-вывода газов, 5- микронасос, 6- усилители, 7- компоненты смеси газов.

На фиг.2 приведены графики зависимости сигналов с датчиков от концентрации для газов

На фиг.3 приведена структура нейронной сети, где 8-данные с датчиков, 9- входной слой, 10-скрытый слой, 11-выходной слой,12- компоненты смеси газов.

Сущность заявляемого технического решения заключается в следующем. Выбирается газ, или смесь газов m, наличие которых предполагается определять при помощи заявляемого способа, определяются k _mпогл коэффициент поглощения или оптическая плотность каждого из упомянутых газа, с использованием которых рассчитывается для каждого газа длина кювет L _эффект .

Кюветы выполняют в виде капиллярных волокон с внутренней отражающей поверхностью (фиг.1.)

Для выбора оптимальной длины оптического пути в капиллярном волокне кюветы используем закон Бугера – Ламберта – Бера, в соответствии с которым интенсивность излучения, прошедшего путь в кювете I(λi) , для m-компонентной смеси определяется по формуле

где I ₀ (λ _i ) - интенсивность падающего излучения; l-длина оптического пути кюветы; k _j (λ _i ) – спектральный коэффициент поглощения j-гo компонента на i-й длине волны; с _j – концентрация j-гo компонента. Здесь оптические коэффициенты являются функцией длины волны падающего излучения.

Для каждого конкретного j –го компонента газа, выражение (1) можно представить в виде

Изменение интенсивности света на выходе из кюветы обусловленное присутствием в смеси j-ого компонента газа равняется разности интенсивности света на входе в кювету и поглощенного света j-ым компонентом газа внутри кюветы

Изменение сигнала смеси на выходе из кюветы, обусловленное изменением

j-го компонента смеси будет равно:

Очевидно, что чем больше производная, тем меньше ошибка измерения. Чтобы найти, при каком значении длины l _опт кюветы значение сигнала будет максимально, приравняем к 0 производную по длине l:

Откуда для каждого j-го компонента газовой смеси оптимальная длина кюветы будет равна

. (5)

Из полученного выражения следует, что длина кюветы должна быть такой, чтобы пропускание образца газовой смеси через неё, в исследуемом интервале спектра была равна примерно 0,37, т.е. поглощение было бы не менее 0,63.

После определения эффективной длины соответствующих кювет и их изготовления, источники, собирают устройство, в котором источники электромагнитного излучения располагают по кругу узла ввода излучения в кюветы (фиг. 1)

Оптический сигнал с выхода каждой кюветы на фотоприемники, усиливают и передают через-аналого-цифровые устройства к модулю нейронной сети, которую предварительно обучают, для чего определяют параметр входного и выходного векторов и их нормализуют, задают диапазон изменения входов, выходов, весов и пороговых уровней, выбирают функцию активации, например, сигмоиду или другую, выбирают такие гиперпараметры нейронной сети, как число скрытых слоев, скорость обучения, количество нейронов в скрытом слое, нейроны смещения, с учетом необходимой точности и исключения переобучения, присваивают начальные значения весовым коэффициентам и пороговым уровням, и проводят обучение нейронной сети путем обратного распространения ошибки с градиентным спуском.

Процесс обучения нейронной сети изложен в примере конкретного выполнения.

Пример конкретного выполнения. Реализация заявляемого способа осуществлялась на примере наличия компонента CO₂ в газовой смеси реального воздуха. Для расчета оптимальной длины кюветы использовались данные, приведенные в таблице.1

Данные для расчета	СО2	CH4
Частота, см-1	2362	3017
Длина волны, нм	4234	3315
Интегральный коэффициент поглощения для P=1 атм (для ширины спектра 5 см-1) k 0, см-1	70	15
kj	70	1000
cj	0, 0005	0,0006
Эффективная длина пути l 0, см	28,57	111,1

Химический состав атмосферного воздуха: азота - 78,08%; кислорода - 20,95%; углекислого газа – (0,1-0,07)%; инертных газов (аргон, неон, гелий, криптон, ксенон) - 0,93%;

Определение диоксида углерода в воздухе осуществлялось экспресс-методом Лунге - Цеккендорфа в модификации Д.В. Прохорова [https://studfile.net/preview/3598905/]. Воздух жилых помещений считается чистым, если концентрация CO₂ не превышает предельно допустимых концентраций – 0,07% [https://studfile.net/preview/3598905/]. Концентрация компонентов газа с_j углекислого газа, измеренная в реальном воздухе осуществлялась экспресс-методом Лунге – Цеккендорфа и была равна 0,05% в газовой смеси.

Длина кюветы для определения наличия углекислого газа в составе воздуха, оптимальная для 0,05% содержания СО₂, рассчитывалась по формуле (5) и равнялась соответственно для СО₂

Для сравнительной оценки результатов расчета оптимальной длины кюветы с экспериментальными данными были проведены опыты с разными значениями длины кювет. В частности для определения длины кюветы для определения СО₂ были изготовлены кюветы длины , длины которых составляли 10 см, 20 см, 30 см, 40см. Результаты этих экспериментов, приведены в таблице 2 и показали, что 30-сантиметровая кювета обеспечивает самую высокую чувствительность датчика при использовании CO₂ в качестве тестируемого газа. Сигнал датчика дифференциального напряжения относится к разнице между базовой линией (окружающий воздух) и реакция датчика в зависимости от сигнала при воздействии анализируемого вещества измеряется в вольтах (или милливольтах). Перепады напряжения в присутствии 1000 частей на миллион CO₂ (длина волны поглощения равна 4,2 мкм). Результаты эксперимента приведены в таблице 2.

Таблица 2

Длина капиллярных кювет, см	Напряжение сигнала датчика, mV
10	55.4
20	77.9
30	103.3
40	58.0

Расчетная длина кюветы равная , отличается от экспериментальной, равной 30 см., примерно на 3%, что подтверждает правильность определения оптимальной длины кюветы.

Аналогичным образом определялась длина кювет и для других компонентов газов, например для метана.

После определения оптимальной длины соответствующих кювет и их изготовления, источники, собирают устройство, в котором источники электромагнитного излучения располагают по кругу узла ввода излучения в кюветы (фиг. 1)

Оптический сигнал с выхода каждой кюветы на фотоприемники, усиливают и передают через-аналого-цифровые устройства к модулю нейронной сети, которую предварительно обучают, для чего определяют параметр входного и выходного векторов и их нормализуют, задают диапазон изменения входов, выходов, весов и пороговых уровней, выбирают функцию активации, например, сигмоиду или другую, выбирают такие гиперпараметры нейронной сети, как число скрытых слоев, скорость обучения, количество нейронов в скрытом слое, нейроны смещения, с учетом необходимой точности и исключения переобучения, присваивают начальные значения весовым коэффициентам и пороговым уровням, и проводят обучение нейронной сети способом обратного распространения ошибки с градиентным спуском.

Зависимости сигналов с датчиков приведены на фиг 2. Таким образом, можно одновременно измерять эти летучие соединения на различных длинах волн. Кюветы выполнены в виде капиллярного волокна с внутренней отражающей поверхностью, для чего на её внутреннюю поверхность нанесен светоотражающий слой из алюминия.

Изменения концентрации CO₂ в зависимости от реакции датчика показаны на фиг.2. Частота дискретизации оптических датчиков была установлена на 1 Гц (1 выборка в секунду). Отклики датчиков представлены с использованием скользящего среднего значение в 100 точек данных. Это указывает на то, что реакция датчика линейна до полиномиальной (второй степени) для изменений концентрации CO₂. График на фиг. 2 показывает, что предел обнаружения CO₂ при использовании этой технологии находится в диапазоне низких ppm.

В примере конкретного исполнения оценивалась проверка реакции на отдельные газы в различных концентрациях. Для этого были выбраны CO₂ и CH₄, поскольку они являются часто используемыми газами. Датчики NDIR обычно используются для этих газов из-за их относительно больших молярных коэффициентов поглощения. Газовые баллоны с номинальной концентрацией использовали 1000 частей на миллион CO₂ и 100 частей на миллион CH₄. Общий расход разбавленного газа был установлен на уровне 300 мл/мин. Для теста на CO₂ концентрацию CO₂ увеличивали линейно с 25 до 250 частей на миллион с шагом 25 частей на миллион. Кроме того, были протестированы концентрации 500, 750 и 1000 частей на миллион. Для теста на концентрацию СН4 увеличивали линейно с 2,5 до 25 частей на миллион с шагом 2,5 части на миллион.

Также были протестированы концентрации 50, 75 и 100 частей на миллион. Для обоих тестов периоды воздействия и восстановления были 25 минут между этапами концентрирования. CO₂ имеет длину волны поглощения 4,2 м, а CH₄ имеет длину волны поглощения в ИК-спектре (3,4 ).

Изменения концентрации СН₄ в зависимости от чувствительности датчика показаны на фиг.2 для частоты 3.4.мкм. Эти результаты показывают способность системы измерять выходные сигналы датчиков одновременно. Как и CO₂, отклики датчика показывают, что отклик является линейным до полиномиального (второй степени) для изменений концентрации CH₄. Фиг 2 показывает, что чувствительность к СН₄ менее 1 промилле, т.е. предел обнаружения для CH₄ при использовании этой технологии содержание также должно быть ниже 1 промилле.

Искусственная нейронная сеть состоит из слоёв. Первый слой — входной, последний — выходной, внутренний слой – скрытый. Для анализа смеси газов лучше использовать небольшую трехслойную сеть, чтобы ее можно было реализовать в микропроцессоре.

Во входном слое расположены «нейроны», принимающие сигнал, но не обрабатывающие его. Количество «нейронов» в этом слое зависит от количества данных. К примеру, подаём на сеть данные с двух каналов газоанализатора. В таком случае будет два входных нейрона. В скрытом слое располагаются нейроны, которые обрабатывают сигнал и выдают на выходное нейроны. Количество нейронов в нём может быть разное. В случае с запахом — выходной нейрон один - запах ацетона. Любой слой, расположенный между входным и выходным — скрытый. В нём находятся нейроны, которые обрабатывают информацию, полученную с предыдущих слоёв или входного, и передают на следующий выходной слой. Пусть количество их будет три.
Синапсы выполняют функцию умножения входного сигнала на синаптический вес. Нейроны выполняют более сложную функцию — складывают результаты синапсов и выводят через функцию активации. Часто применяемая функция - сигмоида. Она преобразует суммарный результат нейрона в вид от 0 до 1.

Модель нейронной сети выглядит следующим образом для анализа летучих молекул смеси газов (фиг.3.).

Входные данные для CO2– концентрация по оси х. Выходные данные напряжение сигнала в mV. Входные и выходные данные нормализуются для превращения их в безразмерные величины. измерения. Данные приводятся к виду от 0 до 1. Для этого каждое входное число делится на максимальное число из входных данных. Нормализация выходных данных выполняется при обучении. Для обучения нейронной сети составляем таблицу входных и выходных данных. обучающую выборку. В процессе обучение синаптические веса подстраиваются, чтобы нейронная сеть выдавала величину близкую к правильному значению и распознавала вид газа.

Обучение выполняется алгоритмом обратного распространения ошибки. Сначала вычисляется ошибка, затем распространяется от выхода по синапсам к скрытым слоям. При этом ошибка умножается на синаптические веса. Модифицированные ошибки хранятся в каких-либо переменных или массивах. Для подстройки синаптических коэффициентов применяют формулу дельта - правила, где n — скорость обучения, error — ошибка (yout- y)*, x — входное значение от датчиков

W(t+1)= w(t)+ (yout- y)*x*n

У выходного нейрона входными значениями будут являться значения, которые пришли со скрытых нейронов. Для скрытых нейронов входные значение — значения пришедшие с входного слоя.

Проводим нормализацию данных

Синапсы нейронной сети. Три скрытых нейрона и два входа, то у каждого скрытого нейрона будет по 2 синапса, в общем количестве — 6. Для этого составим двумерную матрицу, заполнив её случайными числами от 0 до 1. У выходного нейрона три синапса, так как три скрытых нейрона передают ему сигнал.

Обучение нейронной сети. Подаём на сеть данные из обучающей выборки, получаем ответ, вычисляем ошибку, распространяем её и корректируем веса по дельта правилу.

Обучать будем до значения минимальной ошибки. Подаём данные и вычисляем ответ. Перемножаем матрицы синапсов, суммируем и затем полученные значения умножаются на функцию активации.
Входные данные: 1000, 740, 500, 250, 225, 202 для CO2

Выходные данные: 635, 675, 693,714, 718, 720 для CO2

Входные данные: 100,75,50,24,22,19.5,16,14,12,10,8,4,2,-2

Выходные данные: 764,765.9,767.1,769.2,769.5,769.8,770,770.2,770.5,770.8,771.1,771.4,771.6,772.5

Синаптические коэффициенты (случайные): w₁₁=0.52, w₁₂=0.25,w₁₃=038

W₂₁=0.33; w₂₂=0.41; w₂₃=0.53 ; w₃₁=0.46; w₃₂=0.61; w₃₃=0.88 .

Нормализуем данные: 1, 0.74, 0.5, 0.25, 0.225, 0.202.

Находим сумму и умножаем на активационную функцию для каждого нейрона

S1= x₁*w₁₁+x₂*w₁₂ =1*0.52+0.74*0.25=0.705

S2= x₁*w₂₁+x₂*w₂₂=1*0.33 +0.74*0.41=0.63

S3=x₁*w₃₁ +x₂*w₃₂=1*0.46 + 0.74*0.61=0.91

Возьмем активационную функцию в виде сигмоиды

Задаем веса случайным образом для нейрона третьего слоя

Нормализуем выход: Yнорм=0.018. Ошибка равна error=(Yнорм- Y) = (1 – 0.018)

Для обучения подстраиваем веса w₃₁(t+1)=w₃1(t) + y1out*error*n=0.113 +0.608*0.982*0.1=0.059

Аналогично подстраиваем w₃₂, w₃₃, w₂₁,w₂₂,w₂₃,w₃₁,w₃₂,w_{33 .} и в цикле повторяем вычисление ошибки, пока ошибка не станет примерно 10e-3. В этом случае сеть обучилась распознавать летучие молекулы газа.

Для процесса измерения на вход системы подается совокупность летучих молекул в виде смеси газов (на примере смесь из двух газов), сигналы с датчиков поступают на вход нейронной сети и выполняется распознавание газа на заранее обученной нейронной сети.

Преимуществом предлагаемого способа определения компонентов смеси газов перед известными способами состоит в следующем.

Недостатком известных способов является сравнительно низкая чувствительность и селективность, нелинейность, низкая помехозащищенность и нестабильность.

Повышение чувствительности заявляемого способа достигается за счет использования оптических капиллярных кювет с регулируемой длиной в качестве чувствительного элемента. Повышение чувствительности достигается, в этом случае, за счет изменения длины кюветы в зависимости от компонента смеси газов. При этом происходит изменение длины пути проходимого оптическим излучением через толщину смеси газов в кювете, и возрастание отклика сенсора на внешнее воздействие.

Кроме того, повышение чувствительности при использовании заявляемого способа достигается путем нейросетевой калибровки и снижения нелинейности измерительной характеристики до 0,5 % от среднего значения. Это приводит к снижению флуктуаций полезного сигнала, и к увеличению, соответственно, отношения сигнал/шум, и таким образом, повышается чувствительность способа. Достаточно высокая селективность разделения компонентов смеси подтверждается экспериментально и рассмотрена в примере конкретного выполнения.

В заявляемом способе решение задачи повышения долговременной стабильности достигается за счет работы оптических капиллярных кювет сенсоров при комнатной температуре.

Таким образом, предложен способ определения компонентов смеси газов, который, благодаря использованию комбинированного метода регистрации оптического излучения сенсорной системы в виде светодиодов, оптических капиллярных кювет и фотодиодов, а также использованию нейронной сети, обеспечивает высокую чувствительность до 1 ppm за счет подбора оптимальной длины оптической капиллярной кюветы, калибровку, линейность и селективность при распознавании образов компонентов запахов нейронной сетью. Заявляемый способ обеспечивает стабильность при обнаружении и идентификации компонентов смеси газов, а также функциональную возможность применения этого способа для распознания образов запаха.

Выполнялся опыт по испытанию на газовой установке отдельных газов, при котором концентрация газа изменялась для наблюдения за чувствительностью датчиков. Установлено (зависимости фиг 2.), что для CO₂ и CH₄ чувствительность составила до 1 ppm, что значительно превышает чувствительность прототипов, у которых этот параметр не превышает 5-10 ppm.

Claims (3)

1. Способ определения компонентов смеси газа, заключающийся в генерации длин волн электромагнитного излучения в области поглощения анализируемых компонентов газа, в пропускании сгенерированных волн через газовые кюветы и в регистрации сгенерированных волн на выходе из кювет, отличающийся тем, что источники электромагнитного излучения располагают по кругу узла ввода излучения в кюветы, а кюветы выполняют в виде капиллярных волокон с внутренней отражающей поверхностью по длине L_опт, которую определяют по формуле:
2. ,
3. где : k _j(λ _i ) – спектральный коэффициент поглощения j-гo компонента на i-й длине волны; с_j – концентрация j-гo компонента, затем передают оптический сигнал с выхода каждой кюветы на фотоприемники, усиливают его и передают через аналого-цифровые устройства к модулю нейронной сети, которую предварительно обучают, для чего определяют параметр входного и выходного векторов и их нормализуют, задают диапазон изменения входов, выходов, весов и пороговых уровней, выбирают функцию активации, например сигмоиду или другую, выбирают такие гиперпараметры нейронной сети, как число скрытых слоев, скорость обучения, количество нейронов в скрытом слое, нейроны смещения, с учетом необходимой точности и исключения переобучения, присваивают начальные значения весовым коэффициентам и пороговым уровням и проводят обучение нейронной сети способом обратного распространения ошибки с градиентным спуском.