1 中国科学院电工研究所, 北京 100190
2 中国科学院大学, 北京 100049
3 北京航天易联科技发展有限公司, 北京 100176
可调谐半导体激光光谱技术（TDLAS）是光谱检测技术的一个分支, 具有高灵敏度、 高分辨率、 实时监测、 便携性好、 小型化等优点, 在工业环保、 医疗检测、 气象监测等领域得到了广泛应用。 TDLAS气体传感器的测量精度与标定曲线密切相关, 标定时, 常用最小二乘法对标定曲线进行多项式拟合, 但最小二乘法是以绝对误差的最小平方和作为评价标准, 无法对相对误差进行约束, 在低浓度量程下TDLAS气体传感器的标定曲线相对误差偏大, 限制了标定量程。 推导了光强透射率对数与气体浓度关系式作为目标函数, 提出了基于相对误差意义下的最小二乘法, 迭代方法采用高斯-牛顿迭代法（Gauss-Newton iteration method）, 实验以雅士林DHS-100恒温恒湿箱来产生大量程范围的水汽标定浓度, Vaisala HMT337在线湿度检测仪的测量值作为标定浓度, 自主研发的TDLAS湿度传感器选择波数为7 306.752 1 cm-1的水汽吸收峰, 气室的光路长为50 mm, 对1%~50%VOL的水汽浓度进行了拟合标定, 对比了最小二乘法与相对误差最小二乘法的标定拟合结果。 实验结果表明: 采用最小二乘法拟合时, 在低浓度量程下会出现较大的相对误差, 高浓度量程下相对误差逐渐减小, 无法保证整个大量程下测量精度要求; 采用相对误差最小二乘法拟合时, 在整个大量程范围下的相对误差波动比较小, 相对误差分布曲线比较平稳, 最大相对误差和相对误差标准差都远小于最小二乘法的拟合结果; 以Ratio-C关系式作为目标函数, 采用相对误差最小二乘法进行拟合标定时, 最大相对误差为0.049 4, 相对误差标准差为0.023 7, 远优于最小二乘法的拟合结果, 符合TDLAS传感器测量精度要求, 验证了相对误差最小二乘法的标定算法可靠性, 提高了TDLAS气体传感器的测量精度。
最小二乘法 相对误差 标定 TDLAS TDLAS Least squares method Relative error Calibration 光谱学与光谱分析
2021, 41(5): 1580
北京航天易联科技发展有限公司, 北京 100176
气体浓度检测一直是十分重要的工作, 它与人类生活、 环境变化和工业生产都息息相关, 尤其是有毒有害气体的检测。 随着光谱学的大力发展, 可调谐半导体激光光谱技术(TDLAS)已被广泛应用于工业生产、 环保监测、 气象探空等领域, 它具有灵敏度高、 响应速度快、 实时监测以及优秀的便携性等优点, 成为了气体检测的重要技术之一。 众所周知, 传感器在出厂前需要标定, 标定的好坏关系到传感器的测量精度, 影响传感器的实际测量。 对基于TDLAS技术的直接光谱标定算法进行了研究, 推导了适用于大量程范围下的气体浓度与透射率对数的关系并进行了简化处理, 提出了1/c拟合标定算法, 它是用气体浓度倒数与透射率对数倒数的关系来进行拟合标定的算法, 再通过拟合标定曲线反推气体浓度与透射率对数的关系。 搭建了TDLAS水汽检测平台, 以Vaisala HMT377在线湿度检测仪的水汽浓度值为标准值, 对0.7%~50%VOL的水汽浓度进行了标定, 比较了直接拟合算法和1/c拟合算法的结果和相对误差。 实验结果表明: 采用直接拟合算法对气体浓度与透射率对数曲线拟合, 一次函数、 二次函数和五次函数拟合相关系数为0.946 8, 0.996 7和0.999 9, 均方根误差为0.031 2, 0.007 8和0.001 6, 最大相对误差超过100%, 存在严重误差; 采用1/c拟合标定算法, 气体浓度倒数与透射率对数倒数的拟合曲线呈一次函数线型, 与理论相符, 相关系数为0.999 6, 均方根误差为0.490 1, 对拟合曲线进行反推得到气体浓度与透射率对数拟合曲线, 其相关系数为0.999 9, 均方根误差为0.0015, 整个浓度范围内最大相对误差不超过4%, 说明1/c拟合算法的有效性, 提高了测量精度, 扩大了标定量程范围。
大量程 标定 拟合算法 TDLAS Large range Calibration Fitting algorithm TDLAS 光谱学与光谱分析
2020, 40(12): 3665
可调谐半导体激光光谱技术(TDLAS)是目前发展十分迅速的光谱检测技术, 被广泛用于检测工业环境中的易燃易爆等危险气体; 这些危险气体往往是多种气体混合而成, 待测气体的直接吸收光谱在不同的背景气体下会发生改变, 浓度计算结果存在误差; 故而提出一种新型的混合气体浓度算法。 针对不同背景气体下的混合气体浓度算法进行了讨论, 研究了不同背景气体下洛伦兹吸收谱产生变化的原因, 并分析了峰值算法和积分算法在计算混合气浓度存在误差的原因, 提出了采用Levenberg-Marquardt算法拟合出洛伦兹吸收谱, 利用面积系数与标准浓度进行二次拟合来表征混合气浓度的算法。 实验搭建了基于TDLAS技术的气体检测系统, 采用中心波长为1 368.59 nm的激光器, 气室长度为30 cm, 以水汽为待测气体, 干燥空气、 氮气、 氩气作为背景气体, 利用国瑞智双压法湿度发生器GRZ5013产生40%~80%的相对湿度环境, 以Mitchell-s8000露点仪的测量结果作为参考值, 通过计算干燥空气为背景气体下的峰值、 积分和面积系数, 拟合三者与Mitchell露点仪测量的水汽浓度结果, 得到三种算法二次拟合关系, 再对氮气和氩气背景下的水汽浓度进行计算, 对比了峰值、 积分和面积系数的浓度算法的相对误差。 实验表明: 氮气下峰值、 积分和面积系数算法的最大相对误差为-11.64%, 2.65%和1.76%, 最小误差为-7.79%, -0.56%和-0.54%, 相对误差均方值为0.88%, 0.03%和0.01%; 氩气下峰值、 积分和面积系数算法的最大相对误差为-109.27%, -10.13%和2.96%, 最小误差为73.04%, -5.51%和1.34%, 相对误差均方值为87.51%, 0.61%和0.06%; 面积系数表征浓度算法最优, 误差最小, 结果最为准确。
混合气 浓度算法 洛伦兹吸收谱 TDLAS Gas mixture Concentration algorithm Lorentz spectrum TDLAS 光谱学与光谱分析
2020, 40(10): 3015
1 北京工业大学应用数理学院，北京 100124
2 北京航天易联科技发展有限公司，北京 100176
针对传统气体传感器普遍存在的价格昂贵、精度低、放置不方便等缺点，构建了一套对射式激光湿度分析系统。该系统采用半导体激光器作为光源，在测量机柜两边分别架设光发送单元和光接收单元，通过将激光穿过中间的测量部分即可测得该部分的湿度数值。实验结果表明，这种对射式传感系统标定的决定系数R2为0.9976; 3 m光程下的湿度含量与理论值的复测误差分别为0.82%、0.46%、0.44%、0.42%; 待仪器稳定后的40 min测试中，实测放置柜内湿度含量的范围波动最大为30，样本总体标准差值为7.88，平均相对误差为0.4%。
湿度传感器 激光吸收光谱 光电检测 对射式 humidity sensor laser absorption spectroscopy optoelectronic detection opposite-type
提出了一种应用数字图像处理技术对模拟尾流气泡幕分类识别的新方法.文章介绍了BP神经网络的基本结构及其工作原理，通过仿真测试了BP神经网络对模拟尾流气泡幕图像的模式分类.应用灰度图像统计矩法得到了均值﹑归一化系数﹑三阶矩﹑一致性和熵等特征量，设定神经网络学习率为0.1时经过14次循环可以达到训练目标误差为0.001，此时网络对不同压强下的尾流气泡幕分类正确率到达100%.这种方法在处理尾流图像时具有直观、高效、精确等特点，易于应用于对尾流探测、识别等工程技术中.
尾流气泡幕 BP神经网络 图像识别 仿真 WBF BP neural network Image recognition Simulation
介绍了尾流图像数字化处理工作原理及方法.用MATLAB软件对船舶时速分别为30 km/h和40 km/h的两幅尾流图像进行了灰度变换、滤波、Canny边缘化、二值变换、直方图变换等，并对实验结果进行了初步分析，得到了船舶航速影响尾流边缘夹角、边缘弯曲度及直方图峰值变化.研究结果为尾流图像进入信息化系统提供了基础.
尾流 直方图 边缘 Wake Histogram Edge MATLAB MATLAB
