CN117723499A - 一种超连续光谱的光纤多点位远程测量气体装置及测量方法 - Google Patents
一种超连续光谱的光纤多点位远程测量气体装置及测量方法 Download PDFInfo
- Publication number
- CN117723499A CN117723499A CN202311724636.6A CN202311724636A CN117723499A CN 117723499 A CN117723499 A CN 117723499A CN 202311724636 A CN202311724636 A CN 202311724636A CN 117723499 A CN117723499 A CN 117723499A
- Authority
- CN
- China
- Prior art keywords
- optical fiber
- gas
- optical
- light source
- data acquisition
- 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
- 239000013307 optical fiber Substances 0.000 title claims abstract description 61
- 238000005259 measurement Methods 0.000 title claims abstract description 29
- 238000000691 measurement method Methods 0.000 title abstract description 3
- 239000007789 gas Substances 0.000 claims abstract description 129
- 230000003287 optical effect Effects 0.000 claims abstract description 78
- 238000010521 absorption reaction Methods 0.000 claims abstract description 75
- 239000000835 fiber Substances 0.000 claims abstract description 24
- 238000001228 spectrum Methods 0.000 claims abstract description 16
- 238000007405 data analysis Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 30
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 20
- 238000013528 artificial neural network Methods 0.000 claims description 19
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 16
- 210000004027 cell Anatomy 0.000 claims description 14
- 210000002569 neuron Anatomy 0.000 claims description 11
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 10
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 claims description 10
- 239000005977 Ethylene Substances 0.000 claims description 10
- HSFWRNGVRCDJHI-UHFFFAOYSA-N alpha-acetylene Natural products C#C HSFWRNGVRCDJHI-UHFFFAOYSA-N 0.000 claims description 10
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 10
- 125000002534 ethynyl group Chemical group [H]C#C* 0.000 claims description 10
- 238000000862 absorption spectrum Methods 0.000 claims description 9
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 9
- 239000001569 carbon dioxide Substances 0.000 claims description 9
- 239000000758 substrate Substances 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 238000003062 neural network model Methods 0.000 claims description 3
- 230000010287 polarization Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 2
- 229940117927 ethylene oxide Drugs 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 7
- 239000003245 coal Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000004868 gas analysis Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种超连续光谱的光纤多点位远程测量气体装置及测量方法，属于矿井激光多组分气体测量技术领域，包括光源、光纤分束器、光纤合束器、迈克尔逊干涉仪、探测器和数据采集控制卡，光源发出的激光分为多路，每路依次通过准直透镜A、半波片、偏振镜进入到光学吸收池，经过多次反射后，从光学吸收池的入射窗口反射输出，经过准直透镜和光纤合束器；多路激光通过光纤合束器耦合到单模光纤里，经准直透镜二耦合到迈克尔逊干涉仪内，在探测器上实现干涉条纹，经数据采集控制卡采集及数据分析，获得多种气体的浓度。本发明结构简单，能够通过单光源测量多点位的多组分气体成分及浓度，测量精度较高。
Description
技术领域
本发明涉及一种超连续光谱的光纤多点位远程测量气体装置及测量方法，属于矿井激光多组分气体测量技术领域。
背景技术
矿井火灾是煤矿主要灾害之一，煤在氧化的情况下会产生乙烯、乙炔、甲烷、一氧化碳、二氧化碳等多组分气体，当煤炭氧化到一定温度时，容易发生自然着火的现象，从而需要进一步进行对采空区进行安全处理。因此，对于采空区自燃隐患预测主要采取气体指标分析预报办法，主要气体包括一氧化碳、甲烷、二氧化碳、乙炔、乙烯等多组分气体。目前对以上气体测量的探测技术手段是定期在采煤面回风隅角及回风流等地点人工取样，然后进行气体分析，从而判断采空区是否发生自然发火隐患。这样的分析技术存在着样本不能实时测量、工作量大等缺点。尽管市面以及相关专利出现了激光束管等多组分气体测量***，但目前采用的技术是采用气体原位抽气方式进行测量。该技术的主要缺点在于***的光机电部分都在煤矿采空区域，容易产生***，且目前的气体分析测量***都采用一个气体吸收池，从而造成了部分气体测量的精度低。
采用光纤技术与半导体激光吸收光谱技术结合可以实现一种无源的点位多组分气体测量。由于所采用的半导体激光器能量比较弱，且测量波长单一，对于多点位***测量装置来说，需要多个激光器同时工作，易导致时间周期测量低，***复杂等问题。本发明采用超连续光谱激光光源，并结合超连续光谱解调测量技术实现一种多点位远程测量气体装置。
发明内容
针对上述问题，本发明提供了一种超连续光谱的光纤多点位远程测量气体装置，结构简单，通过单光源能够测量多点位的多组分气体成分及浓度。
本发明的技术方案如下：
一种超连续光谱的光纤多点位远程测量气体装置，包括光源、光纤分束器、光纤合束器、迈克尔逊干涉仪、探测器和数据采集控制卡，光源发出的激光分为多路，每路依次通过准直透镜A、半波片、偏振镜进入到光学吸收池，经过多次反射后，从光学吸收池的入射窗口反射输出，经过准直透镜和光纤合束器；
多路激光通过光纤合束器耦合到单模光纤里，经准直透镜二耦合到迈克尔逊干涉仪内，在探测器上实现干涉条纹，经数据采集控制卡采集及数据分析，获得多种气体的浓度。
优选的，迈克尔逊干涉仪包括分束器、动镜和反射镜。
采用动镜的目的是实现从吸收池反射回来的光在探测器上形成干涉条纹，从而进一步解调信号。当动静反射回来的光与反射镜的光之间的距离相差光的波长时候，两个光符合光的干涉条件，就会产生干涉条纹。迈尔逊干涉仪的主要作用就是实现宽光谱信号的信号解调，同时提高所测量光信号的精度。
优选的，所述光源为光学频率梳光源，能够输出高功率、宽光谱波段激光，光源能量为300mW以上。
优选的，光源发出的激光分为四路(理论上可以实现四路以上)，由于后面的光学吸收池的损耗大约在70mW左右，每路功率应保证75mW以上。
优选的，多种气体包括二氧化碳、甲烷、乙炔、乙烯、一氧化碳。
优选的，所述光纤分束器和光纤合束器均与数据采集控制卡连接。
一种上述的超连续光谱的光纤多点位远程测量气体装置的测量方法，光源发出的激光分为四路，每路依次通过准直透镜A，通过半波片实现垂直偏振，偏振激光经过偏振镜进入到光学吸收池，经过多次反射后，从光学吸收池的入射窗口反射输出，经过准直透镜和光纤合束器；四路激光通过光纤合束器耦合到单模光纤里，经准直透镜二耦合到一个微型的迈克尔逊干涉仪内，其中一路光经过分束器投射到动镜，另一路光经分束器反射到反射镜，经反射的两束光在探测器上实现干涉条纹，经数据采集控制卡采集及数据分析，获得多种气体的浓度；
数据采集控制卡同时控制光纤分束器和光纤合束器，当需要测量某一光学吸收池内气体浓度时，数据采集控制卡控制光纤分束器和光纤合束器，以采集该光学吸收池对应光路的干涉条纹信号，并在数据采集控制卡内完成信号调解，得到每种气体浓度信息；
依次进行其他三路中光学吸收池内的每种气体浓度信息。
本发明不同同时测量四路中4个光学吸收池的信息，因为迈克尔逊干涉仪只有一个，不能同时进行信号解调，但是可以依次测量四路中光学吸收池的气体种类和气体浓度信息，如果只需要测量光学吸收池A的气体浓度时，数据采集控制卡会输送相应命令(如001)给光纤分束器，如果测量光学吸收池B时，则发送对应命令(如002等)，其他依次类推。
优选的，数据采集控制卡信号调解的过程可以通过傅里叶变换数据处理分析实现，具体为：
S1：光学频率梳光源经光学吸收池，在探测器上获得干涉条纹信号S，该干涉条纹信号S携带有光学吸收池的光谱信息；
S2：对干涉条纹信号S进行傅里叶变换，得到其中表示f表示光学频率，t表示时间；
S3：利用最小二乘法运算，对FS(f)信号的基底进行选择，该基底信号，即为光学吸收池内无气体时，迈克逊干涉仪所测量的干涉条纹信号，基底信号记为G(f)；
S4：根据两个信息相减获得多组分气体浓度信息为FS(f)-G(f)，利用气体分子所对应波长的吸收截面大小，获得每种气体浓度信息，具体为：设定s(i)为气体分子的吸收截面，激光在光学吸收池内所经过的距离为d，则每种气体浓度为(FS(f)-G(f))/s(i)*d。
每种气体分子的所对应的吸收截面s(i)，可以从HITRAN数据库中获得。
在信号调解时，由于气体之间可能会相互干涉，导致上述傅里叶计算结果的精度不高，为了提高计算精度，本发明公开了一种基于神经网络的计算方法，用于精确计算多种混合气体中的各气体浓度。
作为本发明的进一步改进，数据采集控制卡信号调解过程采用神经网络实现，基于神经网络的气体浓度识别方法包括：
(1)获取数据集，并分为训练集、验证集和测试集，训练集和验证集用来做模型架构调优，然后训练好的模型在测试集上验证，测试集适用于完全未验证的数据；
(2)构建神经网络的广义的损失函数，实现识别多种气体种类和浓度反演和求解两个任务，使用贝叶斯公式对神经网络的层数、训练次数、学习速率进行搜索，并对模型进行优化；
(3)采用优化后的神经网络模型对光学吸收池内的气体进行种类和气体浓度识别。
进一步的，步骤(1)中，根据一氧化碳、甲烷、二氧化碳、乙炔、乙烯五种气体，从HITRAN数据库下载相应的吸收光谱作为数据集，设计整个混合气体光谱信息表达式Sb可以合理地表示为第i种气体组分的吸收光谱αi加上噪声项N的总和：
其中N为传感器***中包含的各种噪声的总和，包括热噪声、散弹噪声、干涉条纹噪声等；n为待测气体种类数，αi为第i种气体组分的吸收光谱，gi代表为第i种气体，ci为第i种气体的浓度；
步骤(2)中，广义的损失目标函数为：
其中，为气体组分识别损失项，由二元交叉熵损失构造，构造函数如下：
其中和/>分别表示第j个谱段中第i种气体组分的真实存在概率和预测存在概率，m、n分别代表损失函数矩阵的横向量和纵向量。/>为气体浓度反演和求解项，为均方误差损失函数；λ表示缩放因子；W表示可训练参数矩阵；
当达到最大迭代次数时，训练完成，本发明中最大迭代次数为500；
使用贝叶斯公式(Bayesian Optimization,BO)对批量大小、训练次数、学习速率以及层数进行扫描搜索，层数从1到5不等，神经元个数从2到1024不等，然后根据最终所计算的结果调节层数、训练次数、以及学习速率，最终获得最优的模型。
优化后的神经网络为三隐层结构，第一个隐层包括96个神经元，第二个隐层包括74个神经元，最后一个隐层包括211个神经元。
根据上述的训练集、损失目标函数、神经网络架构进行拟合运算，最终获得不同成分气体的浓度。
本发明所使用的器件型号如下：
光学频率梳光源：Menlosystem激光输出能量大于300mW，输出光谱1500-1700nm，完全覆盖乙烯、乙炔、一氧化碳，二氧化碳、甲烷等多种气体。
光纤分束器：采用亿欧光电MEMS光纤分路器；
准直透镜：采用THORLABS，焦距10mm；
半波片：尺寸25.4mm，thorlabs公司；
光学吸收池：光学吸收长度为580米，光谱范围1500-1700nm；
光纤合束器：亿欧光电，MEMS
反射镜，Thorlabs镀金反射镜片；
分束器：Thorlabs；
动镜，Thorlabs镀金反射镜片，固定在运动平台上；
探测器：THORLABS，PDA100，光谱范围900-1700nm；
数据采集控制卡：采样频率100MHz，16bit，USB通信，串口通信控制光纤分束器和光纤合束器。
本发明未详尽之处，均可采用现有技术进行。
本发明的有益效果为：
(1)本发明采用了光学频率梳光源技术，，能够同时测量煤矿上的二氧化碳、甲烷、乙炔、乙烯、一氧化碳等多种类气体。光学频率梳光源大能量、宽光谱的特点，实现了多点、多组分气体的分布式测量方式，避免了半导体激光器能量低的缺点。
(2)本发明傅里叶变换光谱仪去解调光学频率梳光源，可以同时解调获得多组分气体的相关信息，同时，光学频率梳光源由于分辨率高、单色性好的特点，测量的光谱分辨率高，在后期的算法反演过程中，引入的误差小，提高了测量精度。
(3)本发明的创新性地采用神经网络实现信号调解，极大提高了计算精度。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1为本发明的超连续光谱的光纤多点位远程测量气体装置示意图；
其中，1-光源，2-光纤分束器，3-光纤合束器，4-探测器，5-数据采集控制卡，6-准直透镜二，7-分束器，8-动镜，9-反射镜，10-准直透镜一A，11-半波片A，12-偏振镜A，13-光学吸收池A，14-准直透镜一B，15-准直透镜一C，16-半波片B，17-偏振镜B，18-光学吸收池B，19-准直透镜一D，20-准直透镜一E，21-半波片C，22-偏振镜C，23-光学吸收池C，24-准直透镜一F，25-准直透镜一G，26-半波片D，27-偏振镜D，28-光学吸收池D，29-准直透镜一H。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述，但不仅限于此，本发明未详尽说明的，均按本领域常规技术。
实施例1
一种超连续光谱的光纤多点位远程测量气体装置，包括光源1、光纤分束器2、光纤合束器3、迈克尔逊干涉仪、探测器4和数据采集控制卡5，光源1发出的激光分为多路，每路依次通过准直透镜A、半波片、偏振镜进入到光学吸收池，经过多次反射后，从光学吸收池的入射窗口反射输出，经过准直透镜和光纤合束器；
多路激光通过光纤合束器3耦合到单模光纤里，经准直透镜二6耦合到迈克尔逊干涉仪内，在探测器上实现干涉条纹，经数据采集控制卡5采集及数据分析，获得多种气体的浓度。
迈克尔逊干涉仪包括分束器7、动镜8和反射镜9。
采用动镜的目的是实现从吸收池反射回来的光在探测器上形成干涉条纹，从而进一步解调信号。当动静反射回来的光与反射镜的光之间的距离相差光的波长时候，两个光符合光的干涉条件，就会产生干涉条纹。迈尔逊干涉仪的主要作用就是实现宽光谱信号的信号解调，同时提高所测量光信号的精度。
光源1为光学频率梳光源，能够输出高功率、宽光谱波段激光，光源能量为300mW以上。
光源1发出的激光分为四路(理论上可以实现四路以上)，由于后面的光学吸收池的损耗大约在70mW左右，每路功率应保证75mW以上。
多种气体包括二氧化碳、甲烷、乙炔、乙烯、一氧化碳等。
光纤分束器2和光纤合束器3均与数据采集控制卡信号连接。
实施例2
一种超连续光谱的光纤多点位远程测量气体装置的测量方法，光源1发出的激光分为四路，第一路通过准直透镜A10，通过半波片A11实现垂直偏振，偏振激光经过偏振镜进入到光学吸收池，经过多次反射后，从光学吸收池的入射窗口反射输出，经过准直透镜和光纤合束器
第一路依次通过准直透镜一A10、半波片A 11、偏振镜A12进入到光学吸收池A13，经过多次反射后，从光学吸收池A13的入射窗口反射输出，经过准直透镜一B14和光纤合束器3；
第二路依次通过准直透镜一C15、半波片B16、偏振镜B17进入到光学吸收池B18，经过多次反射后，从光学吸收池B18的入射窗口反射输出，经过准直透镜一D19和光纤合束器3，耦合到单模光纤里；
第三路依次通过准直透镜一E 20、半波片C 21、偏振镜C 22进入到光学吸收池C23，经过多次反射后，从光学吸收池C 23的入射窗口反射输出，经过准直透镜一F 24和光纤合束器3，耦合到单模光纤里；
第四路依次通过准直透镜一G 25、半波片D 26、偏振镜D 27进入到光学吸收池D28，经过多次反射后，从光学吸收池D 28的入射窗口反射输出，经过准直透镜一H 29和光纤合束器3，耦合到单模光纤里；
四路激光通过光纤合束器耦合到单模光纤里，经准直透镜二耦合到一个微型的迈克尔逊干涉仪内，其中一路光经过分束器7投射到动镜8，另一路光经分束器7反射到反射镜9，经反射的两束光在探测器4上实现干涉条纹，经数据采集控制卡5采集及数据分析，获得多种气体的浓度；
数据采集控制卡5同时控制光纤分束器2和光纤合束器3，当需要测量某一光学吸收池内气体浓度时，数据采集控制卡控制光纤分束器和光纤合束器，以采集该光学吸收池对应光路的干涉条纹信号，并在数据采集控制卡内完成信号调解，得到每种气体浓度信息；
依次进行其他三路中光学吸收池内的每种气体浓度信息。
本发明不同同时测量四路中4个光学吸收池的信息，因为迈克尔逊干涉仪只有一个，不能同时进行信号解调，但是可以依次测量四路中光学吸收池的气体种类和气体浓度信息，如果只需要测量光学吸收池A的气体浓度时，数据采集控制卡会输送相应命令(如001)给光纤分束器，如果测量光学吸收池B时，则发送对应命令(如002等)，其他依次类推。
实施例3
一种超连续光谱的光纤多点位远程测量气体装置的测量方法，如实施例2所述，数据采集控制卡信号调解的过程可以通过傅里叶变换数据处理分析实现，具体为：
S1：光学频率梳光源经光学吸收池，在探测器上获得干涉条纹信号S，该干涉条纹信号S携带有光学吸收池的光谱信息；
S2：对干涉条纹信号S进行傅里叶变换，得到其中表示f表示光学频率，t表示时间；
S3：利用最小二乘法运算，对FS(f)信号的基底进行选择，该基底信号，即为光学吸收池内无气体时，迈克逊干涉仪所测量的干涉条纹信号，基底信号记为G(f)；
S4：根据两个信息相减获得多组分气体浓度信息为FS(f)-G(f)，利用气体分子所对应波长的吸收截面大小，获得每种气体浓度信息，具体为：设定s(i)为气体分子的吸收截面，激光在光学吸收池内所经过的距离为d，则每种气体浓度为(FS(f)-G(f))/s(i)*d。
每种气体分子的所对应的吸收截面s(i)，可以从HITRAN数据库中获得。
实施例4
一种超连续光谱的光纤多点位远程测量气体装置的测量方法，如实施例2所述，作为本发明的进一步改进，数据采集控制卡信号调解过程采用神经网络实现，基于神经网络的气体浓度识别方法包括：
(1)获取数据集，并分为训练集、验证集和测试集，训练集和验证集用来做模型架构调优，然后训练好的模型在测试集上验证，测试集适用于完全未验证的数据；
(2)构建神经网络的广义的损失函数，实现识别多种气体种类和浓度反演和求解两个任务，使用贝叶斯公式对神经网络的层数、训练次数、学习速率进行搜索，并对模型进行优化；
(3)采用优化后的神经网络模型对光学吸收池内的气体进行种类和气体浓度识别。
进一步的，步骤(1)中，根据一氧化碳、甲烷、二氧化碳、乙炔、乙烯五种气体，从HITRAN数据库下载相应的吸收光谱作为数据集，设计整个混合气体光谱信息表达式Sb可以合理地表示为第i种气体组分的吸收光谱αi加上噪声项N的总和：
其中N为传感器***中包含的各种噪声的总和，包括热噪声、散弹噪声、干涉条纹噪声等；n为待测气体种类数，αi为第i种气体组分的吸收光谱，gi代表为第i种气体，ci为第i种气体的浓度；
步骤(2)中，广义的损失目标函数为：
其中，为气体组分识别损失项，由二元交叉熵损失构造，构造函数如下：
其中和/>分别表示第j个谱段中第i种气体组分的真实存在概率和预测存在概率，m、n分别代表损失函数矩阵的横向量和纵向量。/>为气体浓度反演和求解项，为均方误差损失函数；λ表示缩放因子，可取0-0.5；W表示可训练参数矩阵；
当达到最大迭代次数时，训练完成，本发明中最大迭代次数为500；
使用贝叶斯公式(Bayesian Optimization,BO)对批量大小、训练次数、学习速率以及层数进行扫描搜索，层数从1到5不等，神经元个数从2到1024不等，然后根据最终所计算的结果调节层数、训练次数、以及学习速率，最终获得最优的模型。
优化后的神经网络为三隐层结构，第一个隐层包括96个神经元，第二个隐层包括74个神经元，最后一个隐层包括211个神经元。
根据上述的训练集、损失目标函数、神经网络架构进行拟合运算，最终获得不同成分气体的浓度。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种超连续光谱的光纤多点位远程测量气体装置，其特征在于，包括光源、光纤分束器、光纤合束器、迈克尔逊干涉仪、探测器和数据采集控制卡，光源发出的激光分为多路，每路依次通过准直透镜A、半波片、偏振镜进入到光学吸收池，经过多次反射后，从光学吸收池的入射窗口反射输出，经过准直透镜和光纤合束器；
多路激光通过光纤合束器耦合到单模光纤里，经准直透镜二耦合到迈克尔逊干涉仪内，在探测器上实现干涉条纹，经数据采集控制卡采集及数据分析，获得多种气体的浓度。
2.根据权利要求1所述的超连续光谱的光纤多点位远程测量气体装置，其特征在于，迈克尔逊干涉仪包括分束器、动镜和反射镜。
3.根据权利要求2所述的超连续光谱的光纤多点位远程测量气体装置，其特征在于，所述光源为光学频率梳光源，光源能量为300mW以上。
4.根据权利要求3所述的超连续光谱的光纤多点位远程测量气体装置，其特征在于，光源发出的激光分为四路，每路功率大于75mW以上。
5.根据权利要求1所述的超连续光谱的光纤多点位远程测量气体装置，其特征在于，多种气体包括二氧化碳、甲烷、乙炔、乙烯、一氧化碳。
6.根据权利要求4所述的超连续光谱的光纤多点位远程测量气体装置，其特征在于，所述光纤分束器和光纤合束器均与数据采集控制卡连接。
7.一种权利要求1所述的超连续光谱的光纤多点位远程测量气体装置的测量方法，其特征在于，光源发出的激光分为四路，每路依次通过准直透镜A，通过半波片实现垂直偏振，偏振激光经过偏振镜进入到光学吸收池，经过多次反射后，从光学吸收池的入射窗口反射输出，经过准直透镜和光纤合束器；四路激光通过光纤合束器耦合到单模光纤里，经准直透镜二耦合到迈克尔逊干涉仪内，其中一路光经过分束器投射到动镜，另一路光经分束器反射到反射镜，经反射的两束光在探测器上实现干涉条纹，经数据采集控制卡采集及数据分析，获得多种气体的浓度；
数据采集控制卡同时控制光纤分束器和光纤合束器，当需要测量某一光学吸收池内气体浓度时，数据采集控制卡控制光纤分束器和光纤合束器，以采集该光学吸收池对应光路的干涉条纹信号，并在数据采集控制卡内完成信号调解，得到每种气体浓度信息；
依次进行其他三路中光学吸收池内的每种气体浓度信息。
8.根据权利要求7所述的超连续光谱的光纤多点位远程测量气体装置的测量方法，其特征在于，数据采集控制卡信号调解的过程为：
S1：光学频率梳光源经光学吸收池，在探测器上获得干涉条纹信号S，该干涉条纹信号S携带有光学吸收池的光谱信息；
S2：对干涉条纹信号S进行傅里叶变换，得到其中表示f表示光学频率，t表示时间；
S3：利用最小二乘法运算，对FS(f)信号的基底进行选择，该基底信号，即为光学吸收池内无气体时，迈克逊干涉仪所测量的干涉条纹信号，基底信号记为G(f)；
S4：根据两个信息相减获得多组分气体浓度信息为FS(f)-G(f)，利用气体分子所对应波长的吸收截面大小，获得每种气体浓度信息，具体为：设定s(i)为气体分子的吸收截面，激光在光学吸收池内所经过的距离为d，则每种气体浓度为(FS(f)-G(f))/s(i)*d。
9.根据权利要求7所述的超连续光谱的光纤多点位远程测量气体装置的测量方法，其特征在于，数据采集控制卡信号调解过程采用神经网络实现，基于神经网络的气体浓度识别方法包括：
(1)获取数据集，并分为训练集、验证集和测试集；
(2)构建神经网络的广义的损失函数，实现识别多种气体种类和浓度反演和求解两个任务，使用贝叶斯公式对神经网络的层数、训练次数、学习速率进行搜索，并对模型进行优化；
(3)采用优化后的神经网络模型对光学吸收池内的气体进行种类和气体浓度识别。
10.根据权利要求9所述的超连续光谱的光纤多点位远程测量气体装置的测量方法，其特征在于，步骤(1)中，根据一氧化碳、甲烷、二氧化碳、乙炔、乙烯五种气体，从HITRAN数据库下载相应的吸收光谱作为数据集，设计整个混合气体光谱信息表达式Sb：
其中N为传感器***中包含的各种噪声的总和；n为待测气体种类数，αi为第i种气体组分的吸收光谱，gi代表为第i种气体，ci为第i种气体的浓度；
步骤(2)中，广义的损失目标函数为：
其中，为气体组分识别损失项，由二元交叉熵损失构造；/>为气体浓度反演和求解项；λ表示缩放因子；W表示可训练参数矩阵；
当达到最大迭代次数时，训练完成；
优化后的神经网络为三隐层结构，第一个隐层包括96个神经元，第二个隐层包括74个神经元，最后一个隐层包括211个神经元。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311724636.6A CN117723499A (zh) | 2023-12-15 | 2023-12-15 | 一种超连续光谱的光纤多点位远程测量气体装置及测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311724636.6A CN117723499A (zh) | 2023-12-15 | 2023-12-15 | 一种超连续光谱的光纤多点位远程测量气体装置及测量方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117723499A true CN117723499A (zh) | 2024-03-19 |
Family
ID=90199345
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311724636.6A Pending CN117723499A (zh) | 2023-12-15 | 2023-12-15 | 一种超连续光谱的光纤多点位远程测量气体装置及测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117723499A (zh) |
-
2023
- 2023-12-15 CN CN202311724636.6A patent/CN117723499A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Advances in multipass cell for absorption spectroscopy-based trace gas sensing technology | |
| CN102539377B (zh) | 基于中红外吸收光谱的多组分混合气体定性定量分析方法 | |
| CN110514622B (zh) | 一种基于直方图信息的二维温度和浓度重建***与方法 | |
| He et al. | Simultaneous multi-laser, multi-species trace-level sensing of gas mixtures by rapidly swept continuous-wave cavity-ringdown spectroscopy | |
| Cao et al. | Generalized calculation model of different types of optical multi-pass cells based on refraction and reflection law | |
| CN108535191B (zh) | 基于菱形腔镜的激光拉曼气体检测装置 | |
| Mitra | Mid-infrared spectroscopy and challenges in industrial environment | |
| CN110736713B (zh) | 气体分析仪和气体分析方法 | |
| Wang et al. | In-situ laser detection of water vapor based on circular prism array multi-pass cell enhanced near-infrared absorption spectroscopy | |
| CN111122499B (zh) | 一种径向羽流多组分气体测量遥感*** | |
| CN111854958B (zh) | 复杂海雾环境下偏振光传输特性主被动测试方法与*** | |
| CN117723499A (zh) | 一种超连续光谱的光纤多点位远程测量气体装置及测量方法 | |
| RU2714527C1 (ru) | Дистанционный оптический абсорбционный лазерный газоанализатор | |
| Chen et al. | Auto-design of multi-pass cell with small size and long optical path length using parallel multi-population genetic algorithm | |
| Peng et al. | Single-ended sensor for thermometry and speciation in shock tubes using native surfaces | |
| Cui et al. | Environmental application of high sensitive gas sensors with tunable diode laser absorption spectroscopy | |
| CN212391116U (zh) | 一种海雾中偏振光传输特性测试装置 | |
| CN114184559A (zh) | 基于激光开放光路的早期室内火场预判检测装置 | |
| Kong et al. | Optical design of Lissajous pattern multipass cells with multiple spherical mirrors based on particle swarm optimization | |
| EP0541734A4 (en) | Ftir remote sensor apparatus and method | |
| CN114965358B (zh) | 基于单个探测器的多组分气体同步免校正检测装置及方法 | |
| RU2804263C1 (ru) | Мобильный лидарный газоанализатор | |
| CN217879620U (zh) | 一种三波长八通道激光雷达探测*** | |
| CN118090650B (zh) | 一种烷烃气体背景光谱基线的重建***与方法 | |
| RU2725026C1 (ru) | Устройство для измерения температуры в газовом потоке |
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 |