工业园区中边界污染气体的浓度不仅受工业园区无组织污染源的排放影响, 也受园区道路机动车尾气的扩散影响。 利用AG-FTIR-DA3000型开放光程傅里叶变换红外光谱（Open-FTIR）测量系统, 对厂区边界污染气体进行实时在线测量, 确定污染气体厂界实测浓度。 同时, 针对机动车尾气扩散影响厂区边界污染气体浓度的问题, 通过AG-FTIR-DX4000型便携式傅里叶变换红外光谱（FTIR）测量系统, 确定不同排放标准下机动车尾气污染源浓度。 利用便携式FTIR测量结果、 风速风向、 大气稳定度、 车流量等变量因素建立参考坐标, 给出了高斯扩散的数理模型。 并结合Open-FTIR, 对Open-FTIR的测量路径进行积分计算并构建点线源扩散模型, 从而建立各种排放标准的烟团线源扩散表。 将Open-FTIR实测浓度与构建的点线源扩散模型模拟浓度相结合, 分析工业园区边界污染气体的来源。 结果表明: 厂区边界污染气体主要包括一氧化碳、 甲烷、 乙烯、 乙醛、 丙烯、 甲醇、 丙醛、 异丁烯、 甲醛、 二氧化硫, 其中一氧化碳、 甲烷、 乙烯浓度受机动车尾气的扩散影响。 早晚高峰期时, 机动车尾气的扩散对边界污染气体浓度影响较大; 非高峰期, 在1:00时与4:00—6:00时浓度骤升, 出现高浓度点, 不符合机动车尾气模型排放规则, 主要受园区排放影响。 其最高浓度与集中浓度分别为: 5.50与4.00 mg·m-3; 1.85与1.60 mg·m-3; 78.00与40.00 μg·m-3。 对比扩散表, 符合尾气扩散浓度分布结果。 其他测量结果组分的最高值和平均值依次为: 1.65与1.40 mg·m-3; 2.60与1.27 mg·m-3; 43.53与11.40 mg·m-3; 310.23与839.05 μg·m-3; 76.32与38.96 μg·m-3; 47.70与25.20 μg·m-3; 1.33与1.16 mg·m-3。 该研究不仅实现了工业园区边界多组分污染气体的实时在线测量, 同时结合外场环境及便携式FTIR测量结果实现了边界污染气体浓度的混合测定。 为今后对工业园区边界污染气体的来源判断提供了一种分析思路。

开发了一种基于太阳跟踪方法用于测量大气污染气体成分的傅里叶变换红外 (FTIR) 光谱系统, 该系统由太阳跟踪器、光路传输部分、光谱仪组成。设计了一种正交反射镜系统用于收集太阳光, 利用小孔成像原理实现太阳跟踪, 保证跟踪光路与测量光路同轴。推导了跟踪旋转时位置探测器 (PSD) 上光斑轨迹的理论计算公式, 用于指导 PSD 算法。该系统的工作波段为 600 ～ 5000 cm－1, 分辨率为 0.5 cm－1。利用光学软件 Zemax 分析了用于汇聚干涉光束的抛物镜焦距对干涉条纹的影响, 确定抛物镜焦距值为 52.5 mm, 满足系统指标的入射光的最大倾斜角为 0.118°, 给出了 PSD 的测量精度和系统跟踪精度的技术指标。并利用搭建的实验平台进行了初步户外实验, 验证了系统的合理性。

将变量选择方法中 SFS、LASSO 和 Elastic Net 三种不同方法与广义交互验证准则相结合, 实现对 FTIR 光谱气体成分变量的初步筛选, 再采用循环迭代 CLS 方法对初步筛选的变量中浓度小于 0 的成分进行循环剔除, 然后根据变量在测量向量中的方向占比对选择的变量进行精选, 最终得到目标气体成分。为了验证各识别算法的识别性能, 分别进行了 CH4 和 SF6 外场排放实验, 两组实验结果表明建立的识别算法应用于气体目标识别的效率高、识别准确率高, 且能够识别出干扰成分 H2O。此算法为被动 FTIR 技术在危险气体泄露预警监测中的应用提供了方法基础。

随着汽车排放标准的提高, 相关VOC标准从总烃检测变为非甲烷碳氢化合物(NMHC)检测; 随着含氧燃料的增加, 增加了非甲烷有机气体(NMOG)测量。 针对国内汽车尾气分析仪分析组分单一、 精度有限、 VOCs检测过程复杂等问题, 提出了基于便携式FTIR的机动车尾气检测方法, 基于立体角镜优化FTIR光学系统结构, 提高动镜扫描速度, 设计便携式且满足抗振动需求的快速FTIR光谱仪。 FTIR红外光源输出波段范围为2～20 μm, 分辨率为0.5 cm-1, 扫描速度1 Hz, 气体池光程为10 m, 采用斯特林探测器, 其光谱响应范围为600～6 000 cm-1。 选择CH4, C2H2, C2H4, C2H6, C3H6, n-C5H12, i-C5H12, C7H8, HCHO, C2H5OH, CH3CHO这些典型HC化合物作为VOC气体检测的替代物。 通过标准谱确定尾气成分的波段为900～1 100和2 700～3 100 cm-1, 涵盖所有待测气体吸收波段。 基于AVL台架测试, 开展NEDC和WLTC工况实验测试, 测试车辆为丰田威驰, 测试油品为92号国五。 便携式FTIR采用抽取方式进行尾气测量, 原始的废气样本来自安装在排气管延长部分的多孔探头, 前端安装样气取样装置, 主要包括颗粒物过滤和除水汽装置, 以防止污染FTIR光学系统。 实验表明FTIR可以有效快速测量汽车尾气中CO, CH4, NO和主要HC化合物, 在FTIR检测限0.5 μmol·mol-1下会引入噪声信号, 浓度可信度降低。 通过分析可以看出输出气体平均浓度降级排列依次是: CO, C2H4, CH4, NO, i-C5H12, C2H6, C7H8, n-C5H12, C2H5OH, CH3CHO。 从3个循环的NEDC工况可以看出, 每种气体排放呈现一致的规律性变化。 针对CO进行了SEMTECH-DS与FTIR测量数据的时间序列比较, 结果呈现了较好的规律一致性, 但是由于FTIR和SEMTECH-DS测量技术和取样稀释系统不同导致二者浓度差异较大。 与传统尾气检测技术相比, 便携式FTIR测量系统对瞬态事件有良好的响应, 可以在线进行多组分浓度实时测量获取机动车的瞬时排放数据, 在满足新规测试要求下, 也可以为后期的机动车在实际道路上的排放特征分析和模拟提供可靠的数据支持。

针对红外掩日通量法准直系统中光路聚焦点位置对光谱质量及气体质量浓度反演精度的影响,建立了参考坐标,推导了干涉腔内的光路,并提出了一种红外光谱修正算法。利用ZEMAX软件仿真分析了干涉腔内光路的离轴情况,结果表明,聚焦点位置的变化会导致碲镉汞探测器上光斑的大小、位置及强度发生变化。外场实验结果表明,光束离轴角的变化会引起光束干涉强度及信噪比的变化。静态测量情况下,传统算法和本算法的SF₆波数平均漂移量分别为0.2602 cm ^-1和0.1146 cm ^-1;动态测量情况下,传统算法和本算法的SF₆波数平均漂移量分别为0.2355 cm ^-1和0.0860 cm ^-1,且本算法反演的待测气体质量浓度精度更高。

旋转式干涉仪可实现便携式傅里叶红外光谱仪的小型化设计,同时可提供高速光谱输出,但其光程差存在非线性问题。本文详细分析了便携式傅里叶转换红外光谱(FTIR)旋转式干涉仪结构,建立参考坐标系,根据几何光学原理推导了转镜转动光程差方程,并进行了数值模拟仿真分析,阐明了干涉仪光程差与转镜厚度、折射率和转角参数间的设计关系。采用无参考激光采样方式,利用多项式拟合光程差与转角的非线性关系,获得等光程差对应的时间非均匀关系,从而实现非等时间下的等光程差采样。相比等时间采样方式光程差速度的不稳定度降低为原来的1/5.3,这为转镜的速度控制提供更大不稳定裕度,同时也提高了FTIR的抗振能力。该数值模拟仿真分析结果为实现无参考激光的便携式高速FTIR的设计参数确定和优化提供数据支持和理论依据。

傅里叶变换红外光谱技术(FTIR)在水泥生料成分的在线分析上具有巨大的潜力。 但因现场环境复杂, 空气湿度不稳定, 会对生料样品中Fe2O3, SiO2, CaO和Al2O3四种关键成分的在线FTIR定量分析形成一定干扰。 使用生料在线FTIR分析仪对不同湿度条件下的水泥生料样品进行了近红外光谱采集, 分析了不同湿度对近红外光谱定量分析的影响, 并提出一种消除背景水分吸收的方法。 具体研究内容为: (1) 通过对两种不同湿度条件下的各50个样品的光谱分析得到: 高湿度的样品光谱与低湿度的样品光谱比较, 形状类似, 但吸光度整体降低, 基线倾斜。 表明背景水分影响了样品的近红外光谱。 (2) 分别建立高湿度、 低湿度条件下的样品的定量分析模型, 预测另一湿度条件下的预测集中8个样品的四种成分含量。 得到: ①高湿度模型预测样品中4种成分含量与标准值之间的相关系数(r)为83.74%～92.74%, 均方根误差(RMSE)为0.12～0.83; ②低湿度模型预测的r为67.32%～82.41%, RMSE为0.12～0.84。 表明背景水分影响了水泥生料成分的FTIR定量分析。 (3) 为了消除背景水分造成的影响, 从实测光谱中消除背景水分的特征吸收后, 分别建立了高湿度、 低湿度条件下的样品的FTIR定量分析模型, 并对预测集样品的四种成分含量进行预测。 得到: ①高湿度条件下, 消除背景水分后的模型较未消除前的模型预测的准确度提高, 预测的r为90.73%～97.76%, RMSE为0.12～0.82; ②低湿度条件下, 消除背景水分后的模型较未消除前的模型预测的准确度提高, 预测的r为94.07%～98.69%, RMSE为0.12～0.82; ③高湿度、 低湿度条件下, 消除背景水分后的2个模型预测的r均达到90%以上。 表明了该方法可有效消除背景水分对水泥生料成分定量分析模型预测的影响, 为实现基于FTIR的水泥生料成分的在线分析提供了理论基础和技术支持。

及时获取水泥原料中的关键成分的含量, 对水泥产品的品质控制至关重要。 而当前的主流分析方法需要现场人工采样和样品制备, 存在时效性问题。 利用傅里叶变换红外光谱技术对水泥生料样品中的Fe2O3, SiO2, CaO, Al2O3四种关键氧化物成分的漫反射光谱进行了快速定量分析。 首先探讨了傅里叶变换红外光谱技术检测水泥原料成分的理论基础。 水泥原料是一种复杂混合体系, 主要由铁质原料（如褐铁矿）, 硅质原料（如石英）, 钙质原料（如方解石）及铝质原料（如绿柱石）等矿物岩石组成。 而这些矿物岩石在可见近红外光谱波段的特征谱带较宽, 强度较低, 且存在重叠的部分。 因此, 使用了多元校正进行定量分析。 其次, 设计并搭建了对应的实验系统进行水泥生料样品的成分含量分析。 样品选用水泥厂家提供的60种关键成分含量各异的磨匀的水泥生料样品, 成分覆盖了 Fe2O3, SiO2, CaO, Al2O3四种关键氧化物。 使用搭建的实验平台采集样品的漫反射光谱。 并使用了X射线荧光分析法方法测定样品中各氧化物成分含量作为参考值。 之后, 结合了偏最小二乘法建立了Fe2O3, SiO2, CaO, Al2O3四种成分的定量分析模型。 使用了Kennard-Stone算法将样品集按7∶3的比例分为校正集和预测集。 PLS建模波段选择了4 000～5 000 cm-1波数范围, 总计包含520个谱元。 建立了校正集中42个样品光谱与其Fe2O3, SiO2, CaO, Al2O3成分含量的回归模型。 依据交叉有效性因子Q2h≥0.009 75的条件, 选择了7个因子来建立最终的定量分析模型。 在建立的Fe2O3, SiO2, CaO, Al2O3四种氧化物的FTIR定量分析模型中, 其校正的4种氧化物含量与X射线荧光分析法测量的含量之间的相关系数分别为98.49%, 98.03%, 98.18%, 99.24%, 均方根误差分别为0.04, 0.22, 0.26, 0.08。 模型的校正准确度比较高。 最后使用该定量分析模型对预测集样品中的Fe2O3, SiO2, CaO, Al2O3的含量进行预测, 并与X射线荧光分析法测量的参考值进行比较。 最终模型预测的相关系数分别为91.35%, 91.50%, 91.57%, 94.67%, 预测的均方根误差分别为0.08, 0.45, 0.54, 0.26, 表明了模型预测准确度较高。 所建基于傅里叶变换红外光谱的定量分析模型为实现水泥生产控制中水泥原料成分的快速定量分析建立了基础。

为了防止傅里叶变换红外(FTIR)光谱仪在车载运动过程中产生的振动对光谱仪造成 不良影响,保证光谱仪的信噪比及测量精度,采用角镜式干涉仪结构与单自由度减振系统相结合的FTIR光谱仪系统来提高仪 器抗振性能。对FTIR光谱仪系统进行了几组桌面振动测试实验,验证了角镜式结构具有一定抗振性能,其中单自由度减振系 统对系统抗振性能有明显提高。最后,进行了FTIR光谱仪系统车载实验,结果表明运动中测量的光谱平均信噪比达到静止过 程中平均信噪比的94%,整机系统能够在移动平台上平稳运行,具有良好的抗振性,为FTIR光谱仪的车载运行 检测提供了应用条件。