CN110006837A - 一种ndir气体传感器***及温湿度补偿方法 - Google Patents
一种ndir气体传感器***及温湿度补偿方法 Download PDFInfo
- Publication number
- CN110006837A CN110006837A CN201910366207.3A CN201910366207A CN110006837A CN 110006837 A CN110006837 A CN 110006837A CN 201910366207 A CN201910366207 A CN 201910366207A CN 110006837 A CN110006837 A CN 110006837A
- Authority
- CN
- China
- Prior art keywords
- potassium bromide
- sensor
- firefly
- neural network
- gas
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000001745 non-dispersive infrared spectroscopy Methods 0.000 title claims abstract description 23
- IOLCXVTUBQKXJR-UHFFFAOYSA-M potassium bromide Chemical compound [K+].[Br-] IOLCXVTUBQKXJR-UHFFFAOYSA-M 0.000 claims abstract description 88
- 238000005070 sampling Methods 0.000 claims abstract description 30
- 238000013528 artificial neural network Methods 0.000 claims abstract description 26
- 238000005259 measurement Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 12
- 241000254158 Lampyridae Species 0.000 claims description 33
- 210000002569 neuron Anatomy 0.000 claims description 9
- 230000008447 perception Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 241000131894 Lampyris noctiluca Species 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 6
- 238000007789 sealing Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims description 2
- 239000000571 coke Substances 0.000 claims description 2
- 229910052700 potassium Inorganic materials 0.000 claims description 2
- 239000011591 potassium Substances 0.000 claims description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims 1
- 239000010931 gold Substances 0.000 claims 1
- 229910052737 gold Inorganic materials 0.000 claims 1
- 238000007747 plating Methods 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 6
- 230000003287 optical effect Effects 0.000 abstract description 4
- 238000005260 corrosion Methods 0.000 abstract 1
- 230000007797 corrosion Effects 0.000 abstract 1
- 239000000243 solution Substances 0.000 description 8
- 238000012360 testing method Methods 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000005616 pyroelectricity Effects 0.000 description 2
- WKBOTKDWSSQWDR-UHFFFAOYSA-N Bromine atom Chemical compound [Br] WKBOTKDWSSQWDR-UHFFFAOYSA-N 0.000 description 1
- GDTBXPJZTBHREO-UHFFFAOYSA-N bromine Substances BrBr GDTBXPJZTBHREO-UHFFFAOYSA-N 0.000 description 1
- 229910052794 bromium Inorganic materials 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005662 electromechanics Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004867 photoacoustic spectroscopy Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000010409 thin film Substances 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
- G01N21/255—Details, e.g. use of specially adapted sources, lighting or optical systems
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
-
- 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
- G01N2201/06—Illumination; Optics
- G01N2201/066—Modifiable path; multiple paths in one sample
- G01N2201/0662—Comparing measurements on two or more paths in one sample
-
- 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
- G01N2201/06—Illumination; Optics
- G01N2201/068—Optics, miscellaneous
-
- 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
- G01N2201/121—Correction signals
- G01N2201/1211—Correction signals for temperature
-
- 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
- G01N2201/121—Correction signals
- G01N2201/1214—Correction signals for humidity
-
- 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
- G01N2201/129—Using chemometrical methods
- G01N2201/1296—Using chemometrical methods using neural networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种NDIR气体传感器***，包括红外传感器单元、微处理器和浓度显示单元，所述微处理***分别和红外传感器单元和浓度显示单元连接；使用本发明的采样气室可以有效的延长光程，并控制气室体积，有利于传感器小型化。溴化钾(KBr)窗片的设置避免热释电探测器的腐蚀，延长传感器寿命，测量通道和参比通道光路完全对称，因此单光源双光路的结构设计能够在一定程度上消除光源抖动、光学器件污染等外界因素对测量精度带来的影响。本发明采用GSO‑BP神经网络进行温度与湿度补偿，弥补了现有的经验公式补偿法、电路补偿法的多项缺点，使补偿过程更加简便、精确，与现有技术相比具有精度高、成本低，结构小等特点。
Description
技术领域
本发明涉及NDIR气体传感器领域，具体涉及一种NDIR气体传感器***及温湿度补偿方法。
背景技术
红外气体传感器具有测量范围广、稳定性强、灵敏度高、寿命长等优点，已被广泛应用于化工、煤炭、冶金、电力、环境监测等众多场所，是保障生产与人员安全的重要工具。
常见的光学气体检测技术有光声光谱技术、光离子化技术和非色散红外检测技术。其中，非色散红外气体传感器具有结构简单、性能稳定、不易中毒、易于集成等特点，具有广阔的发展前景。上世纪八十年代初，国内便开始使用红外气体分析方法,初期红外光源采用电机机械进行调制，采用薄膜电容微音器作为探测器。现阶段，主要采用电调制光源、新型探测器及低功耗单片机***，使得仪器具有体积小、功耗低、性能好等特点。然而，在实际的气体测量过程中，传感器往往会受到温度、气压、湿度等因素的影响，从而导致测量精度和稳定性的下降。
目前，为了减少环境中温度与湿度变化对传感器测量精度的影响，主要采用的方法是公式模型法以及硬件电路补偿法。前者是在数据采集后利用系数标定的方法进行补偿，计算过程繁杂，效果不佳。后者采用硬件电路模块使检测环境温湿度保持动态平衡，大大增加电路负担，不利于传感器小型化。这两种方法在实际的测量中都具有很大的局限性。
另一方面，现有的NDIR气体传感器的采样气室一般采用直射式气室结构，这种结构的传感器光程短，气体吸收不充分，测量精度低。为了获得高性能的NDIR气体传感器，需要通过增加气室长度来延长光程，这会导致整个***体积增大，不利于传感器小型化。
发明内容
本发明所要解决的技术问题是提供一种NDIR气体传感器***及温湿度补偿方法。
为解决以上技术问题，本发明的技术方案为：提供一种NDIR气体传感器***，其创新点在于：包括红外传感器单元、微处理器和浓度显示单元，微处理***分别和红外传感器单元和浓度显示单元连接；
所述红外传感器单元包括红外传感器的采样气室、温度传感器、湿度传感器、两个热释电探测器、红外光源、第一溴化钾窗片、第二溴化钾窗片和第三溴化钾窗片，所述采样气室为由两个椭球状腔室构成的爱心状，两个所述腔室的一端共焦点，且两个腔室以公共焦点到两个腔室的交点的直线为对称轴对称设置，所述红外光源安装于采样气室内部的公共焦点处，两个热释电探测器分别置于两个腔室的另一端焦点处，且所述温度传感器和湿度传感器也分别固定在两个腔室内部靠近热释电探测器的部位，所述第一溴化钾窗片固定于采样气室靠近红外光源的内侧壁上，所述第二溴化钾窗片和第三溴化钾窗片分别固定于两个腔室靠近热释电探测器的内侧壁上，两个所述腔室的两侧分别设有进气口和出气口。
进一步的，所述采样气室内壁镀金处理。
进一步的，所述第一溴化钾窗片、第二溴化钾窗片和第三溴化钾窗片均与采样气室内壁密封固定。
进一步的，所述进气口均设于第一溴化钾窗片和第二溴化钾窗片之间，所述出气口设于第一溴化钾窗片和第三溴化钾窗片之间，且所述进气口和出气口相互远离设置。
进一步的，所述微处理***内部嵌有GSO-BP神经网络算法。
进一步的，所述热释电探测器、温度传感器和湿度传感器均通过引脚穿出采样气室与微处理***连接，所述引脚穿出采样气室的位置与采样气室密封。
解决以上技术问题，本发明的技术方案还提供一种NDIR气体传感器的温湿度补偿方法，其创新点在于：具体包括以下步骤：
（1）创建一个BP神经网络，即设定BP神经网络的输入层的神经元个数、隐含层的神经元个数和输出层的神经元个数；
（2）将某一时刻两个热释电探测器分别检测到的测量通道的输出电压值V1和参比通道的输出电压值V2、温度传感器输出电压值T以及湿度传感器输出电压值H发送到微处理***，微处理器对这些数据进行归一化处理，作为神经网络的输入样本；
（3）对神经网络进行初始化种群，设定误差精度，对个体进行编码，包括输入层与隐含层连接权值、隐含层与输出层连接权值、隐含层阈值、输出层阈值；
（4）采用萤火虫算法寻找最优解；
（5） 输出补偿结果：利用输入样本的数据训练神经网络，达到预定的误差精度时，则模型训练完成，以此确定微处理器中的GSO-BP神经网络模型；
（6）在实际的气体测量过程中，基于GSO-BP神经网络温湿度补偿的红外气体传感器***将当前的测量通道与参比通道的输出电压值、温度传感器以及湿度传感器的输出电压值均发送到微处理***，送入已确定的GSO-BP神经网络模型的输入层，经过GSO-BP神经网络的算法处理后，输出层得到温度与湿度补偿后的气体浓度；
（7）微处理***对补偿后的气体浓度数据进行反归一化处理后，将气体浓度信息发送至浓度显示单元进行显示。
进一步的，所述步骤（4）中的萤火虫算法步骤为：
i种群初始化：设定个萤火虫随机分布在搜索空间内，且每个萤火虫都携带相同的初始亮度和感知半径；
ii亮度更新：采用适应度函数先计算出时刻萤火虫的适应值，再通过采用时刻亮度值加上一个与时刻萤火虫的适应值成正比的数来更新亮度，亮度更新采用的公式为：
；
iii位置更新：当萤火虫个体在感知范围内搜寻到亮度比自己高的萤火虫存在时，亮度低的萤火虫会向亮度高的萤火虫移动一个量，位移公式为：
；
iv感知范围更新：由于空间中萤火虫密度不一致，在萤火虫移动过程中要保证每个个体搜寻到相同数量的其他个体，因此要不断调整感知范围，当周围萤火虫密度小时，要增加感知半径，否则就要减小感知半径，半径公式为：
。
进一步的，所诉步骤ii中的适应度函数的计算公式为：，其中，为常数，为输出层节点，为节点的输出期望值，为节点的预测输出值。
本发明和现有技术相比，产生的有益效果：
1. 本发明提出一种新型反射式气室，光线经过气室内壁反射后被两热释电探测器接收，可以有效的延长光程，并控制气室体积，有利于传感器小型化。
2. 传感器气室内部设置有溴化钾(KBr)窗片，避免气体与光源以及热释电探测器的直接接触，可防止腐蚀，延长传感器寿命。
3. 采样气室的进气口与出气口分别设置于气室两侧，可避免待测气体在进入采样气室后发生局部堆积，保证气体的充分混合，使气体的实时测量浓度更为精确。
4. 传感器气室两侧腔室完全对称，可以使测量通道和参比通道光路完全对称，因此单光源双光路的结构设计能够在一定程度上消除光源抖动、光学器件污染等外界因素对测量精度带来的影响。
5. 本发明采用GSO-BP神经网络进行温度与湿度补偿，弥补了现有的经验公式补偿法、电路补偿法的多项缺点，使补偿过程更加简便、精确，与现有技术相比具有精度高、成本低，结构小等特点。
附图说明
为了更清晰地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一种NDIR气体传感器***的***结构图。
图2为图1中的红外传感器单元的具体结构示意图。
图3为本发明的GSO-BP算法流程图。
具体实施方式
下面将通过具体实施方式对本发明的技术方案进行清楚、完整地描述。
本发明的一种NDIR气体传感器***，具体结构如图1所示，包括红外传感器单元、微处理器和浓度显示单元，微处理***分别和红外传感器单元和浓度显示单元连接；所述微处理***内部嵌有GSO-BP神经网络算法。
本发明的红外传感器单元的具体结构如图2所示，本发明的红外气体传感器采取单光源双光路的结构设计，包括测量通道1和参比通道2，具体包括红外传感器的采样气室3、温度传感器4、湿度传感器5、两个热释电探测器6、红外光源7、第一溴化钾窗片8、第二溴化钾窗片9和第三溴化钾窗片10，采样气室3为由两个椭球状腔室11构成的爱心状，两个腔室11的一端共焦点，且两个腔室11以公共焦点到两个腔室11的交点的直线为对称轴对称设置，根据椭圆的光学性质，从椭圆的一个焦点发射的光线，经椭圆反射后，反射光线经过椭圆的另一个焦点，可得光线经采样气室3内壁反射后可完全被热释电探测器6接收。为提高光线反射效率，采样气室3内壁镀金处理。
本发明的红外光源7安装于采样气室3内部的公共焦点处，两个热释电探测器6分别置于两个腔室11的另一端焦点处，根据两个热释电探测器6所需的频率，两个热释电探测器6分别对应测量通道1和参比通道2，且温度传感器4和湿度传感器5也分别固定在两个腔室11内部靠近热释电探测器6的部位，所述热释电探测器6、温度传感器4和湿度传感器5均通过引脚12穿出采样气室3与微处理***连接，引脚12穿出采样气室3的位置与采样气室3密封。第一溴化钾窗片8固定于采样气室3靠近红外光源7的内侧壁上，第二溴化钾窗片9和第三溴化钾窗片10分别固定于两个腔室11靠近热释电探测器6的内侧壁上，第一溴化钾窗片8、第二溴化钾窗片9和第三溴化钾窗片10均与采样气室3内壁密封固定，来避免气体和红外光源7以及热释电探测器6的直接接触，增长热释电探测器6的使用寿命。两个腔室11的两侧分别设有进气口13和出气口14，进气口13均设于第一溴化钾窗片8和第二溴化钾窗片9之间，出气口14设于第一溴化钾窗片8和第三溴化钾窗片10之间，且进气口13和出气口14相互远离设置，该设置可避免待测气体在进入采样气室3后发生局部堆积，保证气体的充分混合。
本发明的红外光线通过采样气室3内的待测气体时，待测气体会对特定波长的红外光线产生吸收作用，待测气体只对测量通道1对应波长的红外辐射有吸收作用，而对参比通道中2的光线无吸收作用，由于测量通道2和参比通道3完全对称且处于同一测量环境下，因此单光源双光路的结构设计能够在一定程度上消除光源抖动、光学器件污染等外界因素对测量精度带来的影响。
本发明的一种NDIR气体传感器***的工作原理为：采样气室3内部的红外光源7发出的红外光线透过第一溴化钾窗片8并发射至采样气室3内壁上，红外光线经采样气室3内壁反射后经过第二溴化钾窗片9或者第三溴化钾窗片10射向热释电探测器6，将热释电探测器6的测量通道1与参比通道2的输出电压值、温度传感器4以及湿度传感器5的输出电压值发送到微处理***，微处理***对该数据处理后，得到具有温度与湿度补偿后的气体浓度，再将气体浓度信息发送至浓度显示单元进行显示。
本发明的技术方案还提供一种NDIR气体传感器的温湿度补偿方法，如图3所示，具体包括以下步骤：
（1）创建一个BP神经网络，即设定BP神经网络的输入层的神经元个数、隐含层的神经元个数和输出层的神经元个数；
（2）将某一时刻两个热释电探测器分别检测到的测量通道的输出电压值V1和参比通道的输出电压值V2、温度传感器输出电压值T以及湿度传感器输出电压值H发送到微处理***，微处理器对这些数据进行归一化处理，作为神经网络的输入样本；
（3）对神经网络进行初始化种群，设定误差精度，对个体进行编码，包括输入层与隐含层连接权值、隐含层与输出层连接权值、隐含层阈值、输出层阈值；
（4）采用萤火虫算法寻找最优解，萤火虫算法步骤为：
i种群初始化：设定个萤火虫随机分布在搜索空间内，且每个萤火虫都携带相同的初始亮度和感知半径；
ii亮度更新：采用适应度函数先计算出时刻萤火虫的适应值，再通过采用时刻亮度值加上一个与时刻萤火虫的适应值成正比的数来更新亮度，亮度更新采用的公式为：；适应度函数的计算公式为：，其中，为常数，为输出层节点，为节点的输出期望值，为节点的预测输出值。
iii位置更新：当萤火虫个体在感知范围内搜寻到亮度比自己高的萤火虫存在时，亮度低的萤火虫会向亮度高的萤火虫移动一个量，位移公式为：
；
iv感知范围更新：由于空间中萤火虫密度不一致，在萤火虫移动过程中要保证每个个体搜寻到相同数量的其他个体，因此要不断调整感知范围，当周围萤火虫密度小时，要增加感知半径，否则就要减小感知半径，半径公式为：
。
（5）输出补偿结果：利用输入样本的数据训练神经网络，达到预定的误差精度时，则模型训练完成，以此确定微处理器中的GSO-BP神经网络模型；
（6）在实际的气体测量过程中，基于GSO-BP神经网络温湿度补偿的红外气体传感器***将当前的测量通道与参比通道的输出电压值、温度传感器以及湿度传感器的输出电压值均发送到微处理***，送入已确定的GSO-BP神经网络模型的输入层，经过GSO-BP神经网络的算法处理后，输出层得到温度与湿度补偿后的气体浓度；
（7）微处理***对补偿后的气体浓度数据进行反归一化处理后，将气体浓度信息发送至浓度显示单元进行显示。
上面所述的实施例仅仅是本发明的优选实施方式进行描述，并非对本发明的构思和范围进行限定，在不脱离本发明设计构思的前提下，本领域中普通工程技术人员对本发明的技术方案作出的各种变型和改进均应落入本发明的保护范围，本发明的请求保护的技术内容，已经全部记载在技术要求书中。
Claims (9)
1.一种NDIR气体传感器***，其特征在于：包括红外传感器单元、微处理器和浓度显示单元，所述微处理***分别和红外传感器单元和浓度显示单元连接；
所述红外传感器单元包括红外传感器的采样气室、温度传感器、湿度传感器、两个热释电探测器、红外光源、第一溴化钾窗片、第二溴化钾窗片和第三溴化钾窗片，所述采样气室为由两个椭球状腔室构成的爱心状，两个所述腔室的一端共焦点，且两个腔室以公共焦点到两个腔室的交点的直线为对称轴对称设置，所述红外光源安装于采样气室内部的公共焦点处，两个热释电探测器分别置于两个腔室的另一端焦点处，且所述温度传感器和湿度传感器也分别固定在两个腔室内部靠近热释电探测器的部位，所述第一溴化钾窗片固定于采样气室靠近红外光源的内侧壁上，所述第二溴化钾窗片和第三溴化钾窗片分别固定于两个腔室靠近热释电探测器的内侧壁上，两个所述腔室的两侧分别设有进气口和出气口。
2.根据权利要求1所述的一种NDIR气体传感器***，其特征在于：所述采样气室内壁镀金处理。
3.根据权利要求1所述的一种NDIR气体传感器***，其特征在于：所述第一溴化钾窗片、第二溴化钾窗片和第三溴化钾窗片均与采样气室内壁密封固定。
4.根据权利要求1所述的一种NDIR气体传感器***，其特征在于：所述进气口均设于第一溴化钾窗片和第二溴化钾窗片之间，所述出气口设于第一溴化钾窗片和第三溴化钾窗片之间，且所述进气口和出气口相互远离设置。
5.根据权利要求1所述的一种NDIR气体传感器***，其特征在于：所述微处理***内部嵌有GSO-BP神经网络算法。
6.根据权利要求1所述的一种NDIR气体传感器***，其特征在于：所述热释电探测器、温度传感器和湿度传感器均通过引脚穿出采样气室与微处理***连接，所述引脚穿出采样气室的位置与采样气室密封。
7.一种NDIR气体传感器的温湿度补偿方法，其特征在于：具体包括以下步骤：
（1）创建一个BP神经网络，即设定BP神经网络的输入层的神经元个数、隐含层的神经元个数和输出层的神经元个数；
（2）将某一时刻两个热释电探测器分别检测到的测量通道的输出电压值V1和参比通道的输出电压值V2、温度传感器输出电压值T以及湿度传感器输出电压值H发送到微处理***，微处理器对这些数据进行归一化处理，作为神经网络的输入样本；
（3）对神经网络进行初始化种群：对个体进行编码，包括输入层与隐含层连接权值、隐含层与输出层连接权值、隐含层阈值、输出层阈值，设定误差精度；
（4） 采用萤火虫算法寻找最优解；
（5） 输出补偿结果：利用输入样本的数据训练神经网络，达到预定的误差精度时，则模型训练完成，以此确定微处理器中的GSO-BP神经网络模型；
（6）在实际的气体测量过程中，基于GSO-BP神经网络温湿度补偿的红外气体传感器***将当前的测量通道与参比通道的输出电压值、温度传感器以及湿度传感器的输出电压值均发送到微处理***，送入已确定的GSO-BP神经网络模型的输入层，经过GSO-BP神经网络的算法处理后，输出层得到温度与湿度补偿后的气体浓度；
（7）微处理***对补偿后的气体浓度数据进行反归一化处理后，将气体浓度信息发送至浓度显示单元进行显示。
8.根据权利要求7所述的一种NDIR气体传感器的温湿度补偿方法，其特征在于：所述步骤（4）中的萤火虫算法步骤为：
i种群初始化：设定个萤火虫随机分布在搜索空间内，且每个萤火虫都携带相同的初始亮度和感知半径；
ii亮度更新：采用适应度函数先计算出时刻萤火虫的适应值，再通过采用时刻亮度值加上一个与时刻萤火虫的适应值成正比的数来更新亮度，亮度更新采用的公式为：；
iii位置更新：当萤火虫个体在感知范围内搜寻到亮度比自己高的萤火虫存在时，亮度低的萤火虫会向亮度高的萤火虫移动一个量，位移公式为：
；
iv感知范围更新：由于空间中萤火虫密度不一致，在萤火虫移动过程中要保证每个个体搜寻到相同数量的其他个体，因此要不断调整感知范围，当周围萤火虫密度小时，要增加感知半径，否则就要减小感知半径，半径公式为：
。
9.根据权利要求8所述的一种NDIR气体传感器的温湿度补偿方法，其特征在于：所诉步骤ii中的适应度函数的计算公式为：，其中，为常数，为输出层节点，为节点的输出期望值，为节点的预测输出值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910366207.3A CN110006837A (zh) | 2019-05-05 | 2019-05-05 | 一种ndir气体传感器***及温湿度补偿方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910366207.3A CN110006837A (zh) | 2019-05-05 | 2019-05-05 | 一种ndir气体传感器***及温湿度补偿方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110006837A true CN110006837A (zh) | 2019-07-12 |
Family
ID=67175515
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910366207.3A Pending CN110006837A (zh) | 2019-05-05 | 2019-05-05 | 一种ndir气体传感器***及温湿度补偿方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110006837A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110411581A (zh) * | 2019-08-06 | 2019-11-05 | 电子科技大学 | 一种基于热释电器件的多通道ndir气体分析*** |
| CN110618102A (zh) * | 2019-09-25 | 2019-12-27 | 成都太阳神鸟智能控制有限公司 | 一种基于色散光谱分析与人工智能的气体检测方法及装置 |
| CN112378876A (zh) * | 2020-11-03 | 2021-02-19 | 深圳市诺安环境安全股份有限公司 | 一种低功耗微型红外气体传感器及其实现方法 |
| CN112649388A (zh) * | 2020-12-07 | 2021-04-13 | 珠海格力电器股份有限公司 | 气体浓度检测***及空调器 |
| CN112683837A (zh) * | 2021-01-26 | 2021-04-20 | 杭州麦乐克科技股份有限公司 | 一种基于红外技术的二氧化碳浓度检测方法 |
| CN112710622A (zh) * | 2020-12-07 | 2021-04-27 | 珠海格力电器股份有限公司 | 气体浓度检测***及空调器 |
| CN116087131A (zh) * | 2023-04-11 | 2023-05-09 | 南京科力赛克安防科技有限公司 | 一种紫外差分气体分析仪的数据处理方法及*** |
| CN116935589A (zh) * | 2023-09-12 | 2023-10-24 | 南京科力赛克安全设备有限公司 | 一种用于壁挂式气体检测报警器的气体检测***及方法 |
| CN116952850A (zh) * | 2023-09-20 | 2023-10-27 | 安徽农业大学 | 一种基于非分散红外检测的动态减少抖动反演方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2554623Y (zh) * | 2002-07-16 | 2003-06-04 | 杨殿选 | 双探测器红外气体分析仪 |
| CN108982396A (zh) * | 2018-05-30 | 2018-12-11 | 南京信息工程大学 | 一种红外co2气体传感器及其标定***和温湿度补偿方法 |
| CN109030693A (zh) * | 2018-09-03 | 2018-12-18 | 大连技嘉科技有限公司 | 便于调光的单光源双路检测器 |
| CN109709058A (zh) * | 2018-12-20 | 2019-05-03 | 南京信息工程大学 | 基于AGA-Elman算法的红外气体传感器及湿度补偿方法 |
-
2019
- 2019-05-05 CN CN201910366207.3A patent/CN110006837A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2554623Y (zh) * | 2002-07-16 | 2003-06-04 | 杨殿选 | 双探测器红外气体分析仪 |
| CN108982396A (zh) * | 2018-05-30 | 2018-12-11 | 南京信息工程大学 | 一种红外co2气体传感器及其标定***和温湿度补偿方法 |
| CN109030693A (zh) * | 2018-09-03 | 2018-12-18 | 大连技嘉科技有限公司 | 便于调光的单光源双路检测器 |
| CN109709058A (zh) * | 2018-12-20 | 2019-05-03 | 南京信息工程大学 | 基于AGA-Elman算法的红外气体传感器及湿度补偿方法 |
Non-Patent Citations (4)
| Title |
|---|
| SEUNGHWAN YI: "Temperature Compensation Methods of Nondispersive Infrared CO2 Gas Sensor with Dual Ellipsoidal Optical Waveguide", 《SENSORS AND MATERIALS》 * |
| 路军: "结合萤火虫算法与BP神经网络的数控机床热误差补偿", 《天津冶金》 * |
| 陈远鸣等: "基于改进型BP神经网络的SF6气体传感器", 《电子测量与仪器学报》 * |
| 黄伟军等: "基于改进BP神经网络的汽车尾气检测***设计", 《传感器与微***》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110411581A (zh) * | 2019-08-06 | 2019-11-05 | 电子科技大学 | 一种基于热释电器件的多通道ndir气体分析*** |
| CN110618102A (zh) * | 2019-09-25 | 2019-12-27 | 成都太阳神鸟智能控制有限公司 | 一种基于色散光谱分析与人工智能的气体检测方法及装置 |
| CN112378876A (zh) * | 2020-11-03 | 2021-02-19 | 深圳市诺安环境安全股份有限公司 | 一种低功耗微型红外气体传感器及其实现方法 |
| CN112649388A (zh) * | 2020-12-07 | 2021-04-13 | 珠海格力电器股份有限公司 | 气体浓度检测***及空调器 |
| CN112710622A (zh) * | 2020-12-07 | 2021-04-27 | 珠海格力电器股份有限公司 | 气体浓度检测***及空调器 |
| CN112683837A (zh) * | 2021-01-26 | 2021-04-20 | 杭州麦乐克科技股份有限公司 | 一种基于红外技术的二氧化碳浓度检测方法 |
| CN112683837B (zh) * | 2021-01-26 | 2023-07-21 | 杭州麦乐克科技股份有限公司 | 一种基于红外技术的二氧化碳浓度检测方法 |
| CN116087131A (zh) * | 2023-04-11 | 2023-05-09 | 南京科力赛克安防科技有限公司 | 一种紫外差分气体分析仪的数据处理方法及*** |
| CN116935589A (zh) * | 2023-09-12 | 2023-10-24 | 南京科力赛克安全设备有限公司 | 一种用于壁挂式气体检测报警器的气体检测***及方法 |
| CN116952850A (zh) * | 2023-09-20 | 2023-10-27 | 安徽农业大学 | 一种基于非分散红外检测的动态减少抖动反演方法 |
| CN116952850B (zh) * | 2023-09-20 | 2024-01-05 | 安徽农业大学 | 一种基于非分散红外检测的动态减少抖动反演方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110006837A (zh) | 一种ndir气体传感器***及温湿度补偿方法 | |
| CN100590418C (zh) | 一种二氧化碳气体分析仪及其分析方法 | |
| CN106153567B (zh) | 基于bp神经网络压力补偿的红外气体传感器及检测方法 | |
| CN102183482B (zh) | 非分散红外多组分烟气分析仪 | |
| CN110146460A (zh) | 一种带恒温控制功能的高灵敏多气体浓度检测***及控制方法 | |
| CN105424631B (zh) | 一种基于紫外可见波段吸收光谱的超高灵敏度氮氧化物测量*** | |
| CN108982396A (zh) | 一种红外co2气体传感器及其标定***和温湿度补偿方法 | |
| CN105424635A (zh) | 紫外光谱烟气分析仪 | |
| CN205580980U (zh) | 一种基于非分散红外光谱吸收的多组分污染气体监测装置 | |
| Zhang et al. | A miniaturized carbon dioxide gas sensor based on infrared absorption | |
| CN105424634A (zh) | 一种基于光纤耦合紫外光源的水质cod检测器及其预测模型优化*** | |
| CN107643260B (zh) | 一种宽光谱多参数水质监测*** | |
| CN2847297Y (zh) | 基于光声原理采用红外光源的单一气体检测装置 | |
| Wang et al. | The NDIR CO/sub 2/monitor with smart interface for global networking | |
| CN109709058A (zh) | 基于AGA-Elman算法的红外气体传感器及湿度补偿方法 | |
| CN111896492A (zh) | 一种基于量子级联激光器的长光程气体检测***和方法 | |
| CN205317662U (zh) | 一种紫外光谱烟气分析仪 | |
| CN104266971A (zh) | 管道气体在线检测的原位标定装置及其方法 | |
| CN208206922U (zh) | 一种红外co2气体传感器及其标定*** | |
| CN110057773A (zh) | 一种红外气体传感器***及基于AACA-Elman算法的温度补偿方法 | |
| CN101694457B (zh) | 一种气体浓度测量仪 | |
| Sun et al. | Non-interference NDIR detection method for mixed gases based on differential elimination | |
| CN110411971A (zh) | 一种甲烷和非甲烷总烃含量的在线监测装置 | |
| CN106124407A (zh) | 一种光腔、具有该光腔的气溶胶消光仪及气溶胶消光系数的测量方法 | |
| Hollowell | Current instrumentation for continuous monitoring for SO2 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190712 |
|
| RJ01 | Rejection of invention patent application after publication |