CN110426370A - 一种基于直和模式的tdlas线型拟合方法 - Google Patents
一种基于直和模式的tdlas线型拟合方法 Download PDFInfo
- Publication number
- CN110426370A CN110426370A CN201910705177.4A CN201910705177A CN110426370A CN 110426370 A CN110426370 A CN 110426370A CN 201910705177 A CN201910705177 A CN 201910705177A CN 110426370 A CN110426370 A CN 110426370A
- Authority
- CN
- China
- Prior art keywords
- line
- tdlas
- value
- individual
- absorption
- 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.)
- Granted
Links
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
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/39—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using tunable lasers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G01N21/39—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using tunable lasers
- G01N2021/394—DIAL method
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Computational Mathematics (AREA)
- Evolutionary Biology (AREA)
- Genetics & Genomics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Physiology (AREA)
- Algebra (AREA)
- Optics & Photonics (AREA)
- Databases & Information Systems (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开的一种基于直和模式的TDLAS线型拟合方法,属于可调谐二极管吸收光谱(TDLAS)技术领域。本发明通过直和模式Voigt线型拟合TDLAS气体测量中吸收谱线线型,同时采用遗传算法对多变量最优值进行搜索,通过单一吸收谱线解算多个影响变量最优组合,得到最优TDLAS气体测量中吸收谱线线型。本发明能够解决传统卷积形式Voigt线型函数无解析表达式的问题;解决无法通过单一吸收谱线解算多个影响变量最优组合的问题。将本发明得到的最优TDLAS气体测量中吸收谱线线型应用于相关工程领域,解决相关工技术问题。所述相关工技术问题包括提高TDLAS线型拟合精度,应用于TDLAS燃气温度、组分浓度和流速测量。本发明能够提高线型拟合精度、拓宽TDLAS技术的应用范围。
Description
技术领域
本发明涉及一种基于直和模式的TDLAS线型拟合方法,尤其涉及一种提高线型拟合精度、拓宽TDLAS技术的应用范围的线型拟合方法,属于可调谐二极管吸收光谱(TDLAS)技术领域。
背景技术
可调谐半导体激光吸收光谱技术(Tunable diode laser absorptionspectroscopy,TDLAS)具有非侵入、高灵敏度和快速时间相应等优点,广泛用于高温燃气温度和成分浓度测量。正确选取谱线线型的模型和确定线宽对TDLAS测量准确性至关重要。随着激光光谱学的发展,从实验获取的分子谱线与真实谱型越来越接近,使得采用基于展宽机制的线型理论模型描述实验谱线成为可能。
谱线的线型与谱线的展宽机制密切相关,其函数视影响谱线线宽机制的不同而不同。谱线线型有三种基本线型:Lorentz线型、Gauss线型和Voigt线型。谱线的均匀展宽使谱线轮廓呈Lorentz线型分布,可用Lorentz函数来描述:
其中δvL为Lorentz线宽,v0谱线中心频率。非均匀展宽机制谱线轮廓呈现Gauss线型分布,可用Gauss函数来描述:
其中δvG为多普勒线宽,v0谱线中心频率。实际吸收或发射谱线是两种线宽共同作用,总的线宽和谱线线型是几种线宽及其线型按照一定规律合成的,称为综合展宽。Voigt线型函数是最常用的综合展宽线型函数,由Lorentz线型函数和Gauss线型函数线性卷积而成:
其中显然,Voigt线型没有解析表达式,常需要简化或数值计算。而直和模式是一种计算Voigt线型的经验解析公式,即化复杂的卷积为简单的解析经验求和公式:
fV(v,v0)=C·fL(v,v0)+(1-C)·fG(v,v0) (4)
决定Voigt谱线形状的三个重要物理量分别是:谱线中心频率、谱线强度、谱线线宽。多个影响变量,无法通过单一吸收谱线获得最优估计值,仅能通过多条谱线联立求得最小二乘解。但多条吸收谱线由不同扫描周期获得,具有时间延时性,其谱线形状无法完全一致,由此得到的解算结果存在误差无法避免。
发明内容
针对现有技术拟合方法存在的下述技术问题:多个特征变量,无法通过单一吸收谱线解算最优估计值,仅能通过多条谱线联立方程组求得最小二乘解,但多条吸收谱线由不同扫描周期获得,具有时间延时性,其谱线形状无法完全一致,由此得到的解算结果存在误差无法避免。本发明公开的一种基于直和模式的TDLAS线型拟合方法要解决的技术问题是:通过直和模式Voigt线型拟合TDLAS气体测量中吸收谱线线型,同时采用遗传算法对多变量最优值进行搜索,通过单一吸收谱线解算多个变量最优组合,得到最优TDLAS气体测量中吸收谱线线型。本发明能够解决传统卷积形式Voigt线型函数无解析表达式的问题;解决无法通过单一吸收谱线解算多个影响变量最优组合的问题。本发明能够提高线型拟合精度、拓宽TDLAS技术的应用范围。
所述TDLAS指可调谐半导体激光吸收光谱技术(Tunable diode laserabsorption spectroscopy,TDLAS)。
本发明的目的是通过下述技术方案实现的。
本发明公开的一种基于直和模式的TDLAS线型拟合方法,包括如下步骤:
步骤一:在所述可调谐半导体激光吸收光谱TDLAS测量***中,用信号发生器产生锯齿波并将锯齿波输入到激光器控制器,使得DFB激光器在中心频率附近扫描;将激光器输出激光通过耦合器分为两束,一束经标准具由探测器接收,另一束由气室吸收后经探测器接收;探测器将激光转换成电信号,经数据采集***采集并传送至上位机数据处理***。
步骤一中使得DFB激光器在中心频率附近扫描,所述中心频率附近根据待测目标气体吸收光谱而定。
步骤二:对采样到的离散信号预处理后得到吸光光谱曲线,所述的信号预处理包括滤波、基线拟合。然后,选用Voigt线型函数模型合成理论谱线,通过非线性最小二乘拟合将其与实测吸收谱线相比较,并对谱线参数线宽和线强进行调节,重复此过程,直到误差在要求的范围内。
步骤三:所述直和模式线型拟合方法,是采用加权求和形式计算Voigt线型的经验解析方法,即化复杂的卷积为简单的解析经验求和公式:
fV(v,v0)=C·fL(v,v0)+(1-C)·fG(v,v0) (5)
其中fV(v,v0)是Voigt线型函数,fL(v,v0)是Lorentz线型函数,fG(v,v0)是Gauss线型函数,C是比例系数,v是波数,v0是线型中心波数。
步骤四:以Gauss线宽δG、Lorentz线宽δL、Gauss和Lorentz比例值C、谱峰位置Δv0为参数变量,带入到直和模式Voigt解析经验求和公式(1)中,以拟合曲线和实测曲线的残差平方和为适应度函数,采用遗传算法对多变量最优值进行搜索。
步骤五:通过步骤四采用遗传算法对多变量最优值进行搜索,得到给定范围内搜索参数变量最优值,即通过单一吸收谱线解算多个影响变量最优组合,得到最优TDLAS气体测量中吸收谱线线型。
还包括步骤六:将步骤四得到的最优TDLAS气体测量中吸收谱线线型应用于相关工程领域,解决相关工技术问题。所述相关工技术问题包括提高TDLAS线型测量精度,应用于TDLAS燃气温度、组分浓度和流速测量。
作为优选:步骤四所述遗传算法具体实现步骤如下:
步骤4.1:依据实测谱线的峰值、半高宽设定Gauss线宽、Lorentz线宽、比例值、谱峰位置的搜索范围。
步骤4.2:随机产生初始种群,包含个体数目20,二进制编码,每个体包含变量数4,个体编码总位数40,各变量编码位数10;
步骤4.3:将种群个体分别带入到适应度函数中,求得依据函数值大小分配适应度值,其中函数值越小,即拟合曲线和实测曲线的残差平方和越小,适应度值越大。
步骤4.4:采用随机遍历抽样机制,依据适应度值选择种群中的个体,组成父代种群;其中采用精英策略,保留最优个体直接保持至新种群中。
步骤4.5:采用交叉、变异等遗传操作,产生新一代种群。在此,个体每个变量遗传操作相对独立,均采用单点交叉,交叉概率0.7,变异概率0.01。
步骤4.6:计算新种群适应度函数值,依据优胜劣汰策略,将适应度大的个体替换父代中适应度小的个体,重组形成子代种群,至此一代遗传进化完成。
步骤4.7:重复上述步骤,直至达到最大遗传代数50,或满足适应度函数值小于给定阈值。
有益效果:
1、本发明公开的一种基于直和模式的TDLAS线型拟合方法,通过直和模式化复杂的卷积为简单的解析经验求和,解决Voigt线型函数无解析公式问题;采用遗传算法,以拟合曲线和实测谱线的残差平方和为适应度函数,解算多个影响变量最优值,即通过单一吸收谱线解算多个影响变量最优组合,得到最优TDLAS气体测量中吸收谱线线型,有效解决无法由单一吸收谱线的解算出多影响参数变量最优组合问题。
2、本发明公开的一种基于直和模式的TDLAS线型拟合方法,能够提高线型拟合精度、拓宽TDLAS技术的应用范围。
附图说明
图1是本发明公开的一种基于直和模式的TDLAS线型拟合方法流程图;
图2是本发明TDLAS测量***结构原理图;
图3是本发明影响变量搜索范围示意图;
图4是本发明基于直和模式拟合TDLAS***待测气体吸收光谱曲线与Savitzky-Golay滤波后曲线对比。
其中:1—信号发生器、2—激光器控制器、3—DFB激光器、4—耦合器、5—输入气室、6—标准具、7—温度传感器、8—探测器、9—探测器接收、10—数据采集***。
具体实施方式
为了更好的说明本发明的目的和优点,下面结合附图和实例对发明内容做进一步说明。
实施例1:
如图1所示,本实施例公开的一种基于直和模式的TDLAS线型拟合方法,具体实现步骤如下:
步骤一:如图2所示,用信号发生器1产生锯齿波输入到激光器控制器2,使得DFB激光器3在中心频率v0附近扫描;激光器3输出激光通过光纤进入耦合器4分为两束,一路经标准具6由探测器8接收;另一路输入气室5由探测器9接收;探测器8和9将投射激光转换成电信号,经数据采集***10采集并传送至上位机数据处理***;
步骤二:对采样到的离散信号进行101个点2阶Savitzky-Golay滤波,最小二乘基线拟合等预处理后,获得吸收光谱曲线。搜索实测吸收谱线的最大值I0及其对应波数v0,计算0.95倍I0对应波数v3和v4,以[v3,v4]作为谱线中心频率搜索范围;计算0.5倍I0所对应波数v1和v2,并以此计算初始Voigt半高全宽δV,以[0,2δV]作为Gauss线宽和Lorentz线宽的搜索范围,两线宽比例值C的搜索范围[0,1]。
步骤三:所述直和模式线型拟合方法,是采用加权求和形式计算Voigt线型的经验解析方法,即化复杂的卷积为简单的解析经验求和公式:
fV(v,v0)=C·fL(v,v0)+(1-C)·fG(v,v0)
其中fV(v,v0)是Voigt线型函数,fL(v,v0)是Lorentz线型函数,fG(v,v0)是Gauss线型函数,C是比例系数,v是波数,v0是线型中心波数。
步骤四:以Gauss线宽δG、Lorentz线宽δL、Gauss和Lorentz比例值C、谱峰位置Δv0为参数变量,带入到直和模式Voigt解析经验求和公式(5)中,以拟合曲线和实测曲线的残差平方和为适应度函数,采用遗传算法对多变量最优值进行搜索。
步骤五:通过步骤四采用遗传算法对多变量最优值进行搜索,得到给定范围内搜索参数变量最优值,即通过单一吸收谱线解算多个影响变量最优组合,得到最优TDLAS气体测量中吸收谱线线型。
还包括步骤六:将步骤四得到的最优TDLAS气体测量中吸收谱线线型应用于相关工程领域,解决相关工技术问题。所述相关工技术问题包括提高TDLAS线型测量精度,应用于TDLAS燃气温度、组分浓度和流速测量。
步骤四遗传算法具体实现步骤如下:
步骤4.1:首先随机产生初始种群,包含个体数目20,二进制编码,每个体包含变量数4,个体编码总位数40,各变量编码位数10;
步骤4.2:将种群个体分别带入到适应度函数中,求得依据函数值大小分配适应度值,其中函数值越小,即拟合曲线和实测曲线的残差平方和越小,适应度值越大。
步骤4.3:采用随机遍历抽样机制,依据适应度值选择种群中的个体,组成父代种群;其中采用精英策略,代沟0.9,即每代2个最优个体直接保持至新种群中。
步骤4.4:采用交叉、变异等遗传操作,产生新一代种群。在此,个体每个变量遗传操作相对独立,均采用单点交叉,交叉概率0.7,变异概率0.01。
步骤4.5:计算新种群适应度函数值,依据优胜劣汰策略,将适应度大的个体替换父代中适应度小的个体,重组形成子代种群,至此一代遗传进化完成。
步骤4.6:重复上述步骤,直至达到最大遗传代数50,或满足适应度函数值小于给定阈值。
步骤4.7:提取Gauss线宽δG、Lorentz线宽δL、Gauss和Lorentz比例值C、谱峰位置Δv0遗传进化最优值,带入直和公式拟合实测吸收光谱曲线。如图4所示,最终使用本发明方法拟合吸收谱线与滤波后吸收光谱的光谱宽度(FWHM)和吸收峰面积(A)相对误差分别为:0.24%和0.51%。
以上所述的具体描述,对发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于直和模式的TDLAS线型拟合方法,其特征在于:包括如下步骤,
步骤一:在可调谐半导体激光吸收光谱TDLAS测量***中,用信号发生器产生锯齿波并将锯齿波输入到激光器控制器,使得DFB激光器在中心频率附近扫描;将激光器输出激光通过耦合器分为两束,一束经标准具由探测器接收,另一束由气室吸收后经探测器接收;探测器将激光转换成电信号,经数据采集***采集并传送至上位机数据处理***;
步骤二:对采样到的离散信号预处理后得到吸收光谱曲线,所述的信号预处理包括滤波、基线拟合;然后,选用Voigt线型函数模型合成理论谱线,通过非线性最小二乘拟合将其与实测吸收谱线相比较,并对谱线参数线宽和线强进行调节,重复此过程,直到误差在要求的范围内;
步骤三:所述直和模式线型拟合方法,是采用加权求和形式计算Voigt线型的经验解析方法,即化复杂的卷积为简单的解析经验求和公式:
fV(v,v0)=C·fL(v,v0)+(1-C)·fG(v,v0) (1)
其中fV(v,v0)是Voigt线型函数,fL(v,v0)是Lorentz线型函数,fG(v,v0)是Gauss线型函数,C是比例系数,v是波数,v0是线型中心波数;
步骤四:以Gauss线宽δG、Lorentz线宽δL、Gauss和Lorentz比例值C、谱峰位置Δv0为参数变量,带入到直和模式Voigt解析经验求和公式(1)中,以拟合曲线和实测曲线的残差平方和为适应度函数,采用遗传算法对多变量最优值进行搜索;
步骤五:通过步骤四采用遗传算法对多变量最优值进行搜索,得到给定范围内搜索参数变量最优值,即通过单一吸收谱线解算多个影响变量最优组合,得到最优TDLAS气体测量中吸收谱线线型。
2.如权利要求1所述的,其特征在于:将步骤四得到的最优TDLAS气体测量中吸收谱线线型应用于相关工程领域,解决相关工技术问题;所述相关工技术问题包括提高TDLAS线型测量精度,应用于TDLAS燃气温度、组分浓度和流速测量。
3.如权利要求1或2所述的一种基于直和模式的TDLAS线型拟合方法,其特征在于:步骤四所述遗传算法具体实现步骤如下,
步骤4.1:依据实测谱线的峰值、半高宽设定Gauss线宽、Lorentz线宽、比例值、谱峰位置的搜索范围;
步骤4.2:随机产生初始种群,包含个体数目20,二进制编码,每个体包含变量数4,个体编码总位数40,各变量编码位数10;
步骤4.3:将种群个体分别带入到适应度函数中,求得依据函数值大小分配适应度值,其中函数值越小,即拟合曲线和实测曲线的残差平方和越小,适应度值越大;
步骤4.4:采用随机遍历抽样机制,依据适应度值选择种群中的个体,组成父代种群;其中采用精英策略,保留最优个体直接保持至新种群中;
步骤4.5:采用交叉、变异等遗传操作,产生新一代种群;在此,个体每个变量遗传操作相对独立,均采用单点交叉,交叉概率0.7,变异概率0.01;
步骤4.6:计算新种群适应度函数值,依据优胜劣汰策略,将适应度大的个体替换父代中适应度小的个体,重组形成子代种群,至此一代遗传进化完成;
步骤4.7:重复上述步骤,直至达到最大遗传代数50,或满足适应度函数值小于给定阈值。
4.如权利要求3所述的一种基于直和模式的TDLAS线型拟合方法,其特征在于:步骤一中使得DFB激光器在中心频率附近扫描,所述中心频率附近根据待测目标气体吸收光谱而定。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811510121 | 2018-12-11 | ||
CN2018115101215 | 2018-12-11 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110426370A true CN110426370A (zh) | 2019-11-08 |
CN110426370B CN110426370B (zh) | 2021-11-30 |
Family
ID=68413636
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910705177.4A Active CN110426370B (zh) | 2018-12-11 | 2019-08-01 | 一种基于直和模式的tdlas线型拟合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110426370B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111898744A (zh) * | 2020-08-10 | 2020-11-06 | 维森视觉丹阳有限公司 | 基于池化lstm的tdlas痕量气体浓度检测方法 |
CN112098365A (zh) * | 2020-10-20 | 2020-12-18 | 南京科远智慧科技集团股份有限公司 | 一种基于正交分解的多谱线气体吸收光谱线型拟合测量方法 |
CN112782109A (zh) * | 2021-01-27 | 2021-05-11 | 中国计量科学研究院 | 一种光谱参数获取方法、装置、电子设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060082778A1 (en) * | 2004-10-14 | 2006-04-20 | Barbara Paldus | Method for increasng the dynamic range of a cavity enhanced optical spectrometer |
US20060208191A1 (en) * | 2005-01-07 | 2006-09-21 | Kessler William J | System for monitoring a drying process |
US20120113426A1 (en) * | 2010-09-09 | 2012-05-10 | Adelphi University | Method and Apparatus for Trace Gas Detection Using Integrated Wavelength Modulated Spectra Across Multiple Lines |
CN102798610A (zh) * | 2012-06-05 | 2012-11-28 | 清华大学 | 一种基于半高宽积分法的气体浓度在线测量方法 |
CN103323115A (zh) * | 2013-06-24 | 2013-09-25 | 清华大学 | 基于波长调制的气体吸收谱线线宽和线型系数的测量方法 |
CN106053386A (zh) * | 2016-05-23 | 2016-10-26 | 中国人民解放军装备学院 | 一种用于吸收光谱测量的无近似Voigt线型拟合方法 |
US20170191929A1 (en) * | 2015-12-31 | 2017-07-06 | Abb, Inc. | Spectral modeling for complex absorption spectrum interpretation |
CN107389606A (zh) * | 2017-07-11 | 2017-11-24 | 中国人民解放军63653部队 | 一种基于可调谐半导体激光吸收谱的光程长度分析方法 |
CN107389607A (zh) * | 2017-07-07 | 2017-11-24 | 天津工业大学 | 一种单条吸收谱线实现气体多参数测量的方法 |
CN108760681A (zh) * | 2018-04-26 | 2018-11-06 | 北京航空航天大学 | 一种基于波形分解的路径平均温度测量***与方法 |
-
2019
- 2019-08-01 CN CN201910705177.4A patent/CN110426370B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060082778A1 (en) * | 2004-10-14 | 2006-04-20 | Barbara Paldus | Method for increasng the dynamic range of a cavity enhanced optical spectrometer |
US20060208191A1 (en) * | 2005-01-07 | 2006-09-21 | Kessler William J | System for monitoring a drying process |
US20120113426A1 (en) * | 2010-09-09 | 2012-05-10 | Adelphi University | Method and Apparatus for Trace Gas Detection Using Integrated Wavelength Modulated Spectra Across Multiple Lines |
CN102798610A (zh) * | 2012-06-05 | 2012-11-28 | 清华大学 | 一种基于半高宽积分法的气体浓度在线测量方法 |
CN103323115A (zh) * | 2013-06-24 | 2013-09-25 | 清华大学 | 基于波长调制的气体吸收谱线线宽和线型系数的测量方法 |
US20170191929A1 (en) * | 2015-12-31 | 2017-07-06 | Abb, Inc. | Spectral modeling for complex absorption spectrum interpretation |
CN106053386A (zh) * | 2016-05-23 | 2016-10-26 | 中国人民解放军装备学院 | 一种用于吸收光谱测量的无近似Voigt线型拟合方法 |
CN107389607A (zh) * | 2017-07-07 | 2017-11-24 | 天津工业大学 | 一种单条吸收谱线实现气体多参数测量的方法 |
CN107389606A (zh) * | 2017-07-11 | 2017-11-24 | 中国人民解放军63653部队 | 一种基于可调谐半导体激光吸收谱的光程长度分析方法 |
CN108760681A (zh) * | 2018-04-26 | 2018-11-06 | 北京航空航天大学 | 一种基于波形分解的路径平均温度测量***与方法 |
Non-Patent Citations (6)
Title |
---|
LI, JINYI: "Resolving multiple combustion parameters from a single transition using degraded deconvolution of Voigt lineshape", 《INFRARED PHYSICS & TECHNOLOGY》 * |
QI RU-BIN: "Simulation of TDLAS Direct Absorption Based on HITRAN Database", 《SPECTROSCOPY AND SPECTRAL ANALYSIS》 * |
WESTBERG, JONAS: "Fast and non-approximate methodology for calculation of wavelength-modulated Voigt lineshape functions suitable for real-time curve fitting", 《JOURNAL OF QUANTITATIVE SPECTROSCOPY & RADIATIVE TRANSFER》 * |
林洁丽: "高分辨(饱和)分子光谱谱线线型、线宽及其应用的研究", 《中国博士学位论文全文数据库 基础科学辑》 * |
洪延姬: "激光吸收光谱技术测量非均匀燃烧流场研究进展", 《航空学报》 * |
陈奕钪: "光声光谱与TDLAS技术在不同气压下的特性研究", 《光谱学与光谱分析》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111898744A (zh) * | 2020-08-10 | 2020-11-06 | 维森视觉丹阳有限公司 | 基于池化lstm的tdlas痕量气体浓度检测方法 |
CN112098365A (zh) * | 2020-10-20 | 2020-12-18 | 南京科远智慧科技集团股份有限公司 | 一种基于正交分解的多谱线气体吸收光谱线型拟合测量方法 |
CN112098365B (zh) * | 2020-10-20 | 2022-12-20 | 南京科远智慧科技集团股份有限公司 | 基于正交分解的多谱线气体吸收光谱线型拟合测量方法 |
CN112782109A (zh) * | 2021-01-27 | 2021-05-11 | 中国计量科学研究院 | 一种光谱参数获取方法、装置、电子设备及存储介质 |
CN112782109B (zh) * | 2021-01-27 | 2023-07-04 | 中国计量科学研究院 | 一种光谱参数获取方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110426370B (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110426370A (zh) | 一种基于直和模式的tdlas线型拟合方法 | |
CN104364635B (zh) | 在光谱分析仪中使用实时或近实时验证的碰撞展宽补偿 | |
CA2243677C (en) | Mutivariate sample analysis | |
CN104903703B (zh) | 气体吸收分光装置以及气体吸收分光方法 | |
US8456635B2 (en) | Methods and apparatus to obtain suspended particle information | |
US10151633B2 (en) | High accuracy absorbance spectrophotometers | |
CN110095248A (zh) | 一种高频感应风洞流场非平衡性诊断***和方法 | |
CN104406955B (zh) | 一种基于拉曼光谱的物质检测方法 | |
CN106568507B (zh) | 基于特征吸收谱线测量f‑p腔自由光谱范围的方法及装置 | |
CN108709871B (zh) | 一种基于tdlas的气体浓度检测方法 | |
CN109187443B (zh) | 基于多波长透射光谱的水体细菌微生物准确识别方法 | |
CN103913432A (zh) | 基于粒子群算法的近红外光谱波长选择方法 | |
CN102364328A (zh) | 光谱分析仪以及光谱分析方法 | |
Cutler et al. | CARS spectral fitting with multiple resonant species using sparse libraries | |
Windig et al. | Loopy MSC: a simple way to improve multiplicative scatter correction | |
CN111562237A (zh) | 基于双光束腔增强光谱技术的co2、n2o稳定同位素同时探测装置及方法 | |
CN105004707A (zh) | Ccd阵列在线拉曼光谱仪谱图标准化方法 | |
Workman Jr | Calibration transfer, Part V: The mathematics of wavelength standards used for spectroscopy | |
CN103983353B (zh) | 一种利用等离子体发射光谱实现光学***传输效率的标定方法 | |
CN111398200B (zh) | 非相干宽带腔增强吸收光谱最优反演波段确定方法 | |
Gustafsson | The abundance analysis of metal-poor late-type stars from a theoretical standpoint | |
Gong et al. | Wavelet modulus maxima method for on-line wavelength location of pulsed lidar in CO 2 differential absorption lidar detection | |
CN112986180B (zh) | 一种光谱式气体传感数据处理方法及*** | |
CN113702302B (zh) | 一种基于光腔衰荡光谱技术的气体检测装置的检测方法 | |
Krebbers et al. | Fourier transform spectroscopy based on a mid-infrared supercontinuum source for plasma study |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |