CN109696413A - 采样气室、基于qpso算法的红外气体传感器及气压补偿方法 - Google Patents
采样气室、基于qpso算法的红外气体传感器及气压补偿方法 Download PDFInfo
- Publication number
- CN109696413A CN109696413A CN201811562034.4A CN201811562034A CN109696413A CN 109696413 A CN109696413 A CN 109696413A CN 201811562034 A CN201811562034 A CN 201811562034A CN 109696413 A CN109696413 A CN 109696413A
- Authority
- CN
- China
- Prior art keywords
- atmospheric pressure
- infrared
- gas chamber
- pressure compensating
- sensor
- 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 38
- 238000005070 sampling Methods 0.000 claims abstract description 52
- 239000002245 particle Substances 0.000 claims abstract description 50
- 238000005457 optimization Methods 0.000 claims abstract description 24
- 238000012360 testing method Methods 0.000 claims abstract description 5
- 238000005259 measurement Methods 0.000 claims description 28
- 230000005611 electricity Effects 0.000 claims description 6
- 229910001369 Brass Inorganic materials 0.000 claims description 5
- 239000010951 brass Substances 0.000 claims description 5
- 239000012528 membrane Substances 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000011897 real-time detection Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 238000001514 detection method Methods 0.000 description 15
- 230000008859 change Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000004867 photoacoustic spectroscopy Methods 0.000 description 1
- 230000005616 pyroelectricity Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000000126 substance 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
- G01N21/31—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
- 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
- G01N2021/3545—Disposition for compensating effect of interfering gases
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种采样气室、基于QPSO算法的红外气体传感器及气压补偿方法，采样气室通过通过引入的三块凹面镜，能够有效增加红外光反射的次数，延长红外光穿过待测气体介质的距离，在保证光程的情况下，有效缩小了气室体积，保证了传感器的小型化；另外，采用量子粒子群算法对红外气体传感器输出的电压值进行气压补偿计算，以获取经气压补偿后的气体浓度值，计算精确度高。
Description
技术领域
本发明涉及红外气体传感器技术领域，具体而言涉及一种采样气室、基于QPSO算法的红外气体传感器及气压补偿方法。
背景技术
红外气体传感器以其测量范围宽、灵敏度高、响应速度快、选择性好、可以连续分析和自动控制等诸多优点，在化工、电力、环境气体监测及煤炭开采等众多领域得到广泛的应用。
常见的光学气体检测技术有光干涉技术、光声光谱技术、光离子化技术和非色散红外检测技术，其中，基于特征光谱吸收理论的非色散红外气体传感器结构最为简单、调校周期长、性能稳定、不易中毒、性噪比高且易于集成，具有巨大的市场前景和商业价值。其基本原理是由于不同的气体分子具有不同的特征吸收谱线，气体分子结构的不同致使分子间的能级也不相同，因此在不同频率处对红外辐射的吸收能力也不相同，且气体对红外辐射的吸收关系服从朗伯-比尔定律(Lambert-Beerlaw)。韩国的Younghwan Park等人设计了一种优化了光路和光强的非色散二氧化碳气体传感器，其精度已大大超出工业检测标准。淮南师范学院研制了基于非色散红外吸收原理的井下多组分气体检测仪，通过转动滤光轮，实现了三种气体的浓度的同时检测。
然而，在利用非色散红外气体传感器对气体浓度进行检测时，其精度受到环境气压因素的影响。在大气气压变化范围较大的特殊场所，单位体积内的气体被压缩，导致气体的分子间距发生改变，从而使红外辐射被吸收的能量增多，但气体检测的浓度并未发生改变，因此，测出的浓度值和真值相比，有较大的偏差。此外，在实验中气体温度变化非常小，其对气压的影响可以忽略。由标准气体状态方程PV＝nRT可知，当气体体积V一定时，在温度T不变的情况下，随着压强P的升高，气体分子摩尔数将增加，从而导致传感器测量值的增加。
目前，消除检测环境气压变化引起的误差的方法主要有两种。一是经验公式法，即采用最小二乘法对同一浓度气体在不同气压下引起的误差进行直线拟合，通过迭代法确定经验公式的相关系数，建立数学模型来进行压强补偿，但此种方法计算量较大，在压强变化较大的场合效果不佳，且经验公式的使用场合有局限性；二是气压控制法，即采用硬件电路模块使检测环境气压保持动态平衡，从而避免因气压改变引起的测量误差，但硬件电路模块的加入增加了功耗、提升了制造成本且不利于设备小型化。
另外，现有的红外气体传感器的采样气室一般采用直射式气室结构，这种结构的气室结构简单，缺点在于光程短。所以为了获得高性能的红外气体传感器，需要通过增加气室长度来延长光程，便会导致整个系统体积增大，不利于传感器小型化。
发明内容
本发明目的在于提供一种采样气室、基于QPSO算法的红外气体传感器及气压补偿方法，采用量子粒子群算法对红外气体传感器输出的电压值进行气压补偿计算，以获取经气压补偿后的气体浓度值，计算精确度高；另外，采用多次反射式采样气室，能够有效增加气室内红外光对反射次数，延长红外光穿过待测气体介质的距离，在保证光程的情况下，有效缩小了气室体积，保证了传感器的小型化。
为达成上述目的，结合图1，本发明提出一种采样气室，所述采样气室沿纵长方向设置有第一端部和第二端部，其中，第一端部上设置有一进气口，第二端部上设置有一出气口；
所述采样气室包括电调制红外光源、反光镜、热释电探测器、反光杯、第一凹面镜、两个第二凹面镜；
所述电调制红外光源固定安装在采样气室临近第一端部的顶部，所述反光镜固定在电调制红外光源的下方，反光镜的反射面朝向电调制红外光源、并且与采样气室的轴中心线呈45度角；
所述热释电探测器固定安装在采样气室临近第一端部的底部，其探测面朝向电调制红外光源，所述反光杯固定在其上方，反光杯的反射面朝向热释电探测器；
所述第一凹面镜设置在第一端部的中心位置，第一凹面镜的曲率半径为R1；
所述两个第二凹面镜拼接后设置在第二端部的中心位置，两者的拼接线与采样气室的轴中心线重叠，第二凹面镜的曲率半径为R2；
所述R1>R2。
进一步的实施例中，所述采样气室的进气口内侧设置有防水透气膜。
进一步的实施例中，所述采样气室的内壁采用黄铜镀金层。
本发明还提及一种基于QPSO算法的红外气体传感器，所述红外气体传感器包括红外传感器、气压传感器和微处理系统，其中，红外传感器采用前述具有多次反射特性的采样气室；
所述红外传感器、气压传感器分别与微处理系统电连接；
所述红外传感器采用具有单光源双光路特性的电调制红外光源，两条光束在采样气室内经多次反射后被热释电探测器接收，两条光束所经路径分别被定义成测量通道和参比通道；
所述热释电探测器响应于接收到电调制红外光源发出的两条光束，将之分别转换成一测量电压U0和一参比电压U1发送至微处理系统；
所述气压传感器设置在采样气室底部，被设置成实时探测采样气室内气压值，并将探测的气压值转换成一气压电压U2发送至微处理系统；
所述微处理系统内设置有一气压补偿模块，气压补偿模块内配置有一量子粒子群算法模型；
所述微处理系统接收热释电探测器发送的测量电压U0和参比电压U1、以及气压传感器发送的气压电压U2，归一化处理后，发送至气压补偿模块进行气压补偿计算，以获取经气压补偿后的气体浓度。
进一步的实施例中，所述红外气体传感器还具有一显示单元；
所述显示单元与微处理系统电连接，用以显示经气压补偿后的气体浓度。
图2为本发明提出的基于QPSO算法的红外气体传感器的工作流程示意图。
实际上，前述基于QPSO算法的红外气体传感器中的红外传感器也可以采用其他结构的采样气室，只需要采用的采样气室具有用以输出测量电压U0和参比电压U1的测量通道和参比通道(即采用双光路特性的红外光源)、以及测量采样气室内气压的装置(例如气压传感器等)即可。
但是，在不增加传感器体积的前提下，一方面，由于多次反射导致光程延长，较之不具有多次反射特性的采样气室的红外传感器，本发明提及的红外传感器能够使初始得到的未经气压补偿的气体浓度值的探测数值更加精确，另一方面，采用QPSO算法对红外传感器探测的电压值做气压补偿计算。这两个方面的改进使得本发明提出的红外传感器能够获得远比现有同体积红外传感器更加精确的性能。
结合图3，本发明还提及一种基于QPSO算法的红外气体传感器气压补偿方法，所述气压补偿方法包括：
S1：创建量子粒子群算法模型；
S2：接收热释电探测器发送的测量电压U0和参比电压U1、以及气压传感器发送的气压电压U2，进行归一化处理；
S3：将归一化处理后的数据发送至已创建的量子粒子群算法模型的输入层，量子粒子群算法模型对其进行气压补偿计算后，由量子粒子群算法模型的输出层输出计算结果，将输出的计算结果作为经气压补偿后的气体浓度。
结合图4，进一步的实施例中，步骤S1中，创建量子粒子群算法模型的方法包括以下步骤：
S11：将红外气体传感器的热释电探测器检测通道输出电压U0、参比通道的输出电压U1以及气压传感器的输出电压U2发送到微处理系统，对电压数据进行归一化处理，将归一化后的处理数据作为量子粒子群算法的输入样本；
S12：随机初始化粒子群中各粒子的位置；
S13：计算粒子群中所有粒子个体最好位置的平均；
S14：计算每个粒子的当前适应度值，并与该粒子历史最好适应度值进行比较，值小的作为该粒子最好适应度值；
S15：比较粒子群中每个粒子的最优适应度值，最小值作为当前迭代全局最优适应度值，其位置作为全局最优位置；
S16：比较当前全局最优值与历史全局最优值，值小的作为全局最优值，其位置作为全局最优位置；
S17：更新粒子群中各粒子的位置，公式如下：
ui,j(t)～U(0,1)
S18：若满足终止条件，输出群体的全局最优位置；否则，返回步骤S12进行下一迭代；
S19：根据以上步骤所得的参数，创建微处理器中的量子粒子群算法模型。
以上本发明的技术方案，与现有相比，其显著的有益效果在于：
1)采用了单光源双波长差分光路检测模型，由于测量通道和参比通道处在同一检测环境下，因此能够在一定程度上消除环境因素及光源抖动等引起的测量干扰，提高气体浓度测量的精度。
2)对气室内部作黄铜镀金处理，保证气室足够光滑，减少红外光在反射过程中的损失，可有效提升检测精度。
3)在进气口添加防水透气膜，可阻止水汽进入传感器影响气体测量精度。
4)通过引入的三块凹面镜，能够有效增加红外光反射的次数，延长红外光穿过待测气体介质的距离，在保证光程的情况下，有效缩小了气室体积，保证了传感器的小型化。
5)基于量子粒子群算法(QPSO)气压补偿方法弥补了现有的经验公式补偿法与电路补偿法的多项缺点，将热释电探测器测量通道、参比通道的输出电压以及气压传感器的输出电压进行归一化处理，接着送入量子粒子群算法(QPSO)模型的输入层，经算法处理后，由输出层输出经气压补偿后的气体浓度。该种方法使得气压补偿过程更加简便、精确，与现有技术相比具有精度高、成本低，结构小等特点。
应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：
图1是本发明的采样气室的结构示意图。
图2是本发明的红外传感器的工作方法流程图。
图3是本发明的气体补偿方法流程图。
图4是本发明的创建量子粒子群算法模型的方法流程图。
图中各标号含义如下：
1为热释电探测器，2为反光杯，3为大凹面镜，4为进气口，5为防水透气膜，6为反光镜，7为红外光源，8为两块小凹面镜，9为出气口，10为热释电探测器参比通道，11为热释电探测器测量通道，12为气压传感器，13为微处理系统，14为显示单元。
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定义在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
结合图1，本发明提出一种采样气室，所述采样气室沿纵长方向设置有第一端部和第二端部，其中，第一端部上设置有一进气口4，第二端部上设置有一出气口9。
所述采样气室包括电调制红外光源7、反光镜6、热释电探测器1、反光杯2、第一凹面镜3、两个第二凹面镜8。
所述电调制红外光源7固定安装在采样气室临近第一端部的顶部，所述反光镜6固定在电调制红外光源7的下方，反光镜6的反射面朝向电调制红外光源7、并且与采样气室的轴中心线呈45度角。
所述热释电探测器1固定安装在采样气室临近第一端部的底部，其探测面朝向电调制红外光源7，所述反光杯2固定在其上方，反光杯2的反射面朝向热释电探测器1。
所述第一凹面镜3设置在第一端部的中心位置，第一凹面镜3的曲率半径为R1。
所述两个第二凹面镜8拼接后设置在第二端部的中心位置，两者的拼接线与采样气室的轴中心线重叠，第二凹面镜8的曲率半径为R2。
所述R1>R2。
通过引入的三块凹面镜，能够有效增加红外光反射的次数，延长红外光穿过待测气体介质的距离，在保证光程的情况下，有效缩小了气室体积，保证了传感器的小型化。
进一步的实施例中，所述采样气室的进气口4内侧设置有防水透气膜5，防止水汽进入气室影响测量精度。
进一步的实施例中，所述采样气室的内壁采用黄铜镀金层，通过对采样气室内壁作黄铜镀金处理保证足够光滑，减少红外光在反射过程中的损失，可有效提升检测精度。
本发明还提及一种基于QPSO算法的红外气体传感器，所述红外气体传感器包括红外传感器、气压传感器12和微处理系统13，其中，红外传感器采用前述具有多次反射特性的采样气室。
所述红外传感器、气压传感器12分别与微处理系统13电连接。
所述红外传感器采用具有单光源双光路特性的电调制红外光源7，两条光束在采样气室内经多次反射后被热释电探测器1接收，两条光束所经路径分别被定义成测量通道11和参比通道10。
优选的，电调制红外光源7采用单光源双波长差分光路检测模型，由于测量通道11和参比通道10处在同一检测环境下，因此能够在一定程度上消除环境因素及光源抖动等引起的测量干扰，提高气体浓度测量的精度。
所述热释电探测器1响应于接收到电调制红外光源7发出的两条光束，将之分别转换成一测量电压U0和一参比电压U1发送至微处理系统13。
所述气压传感器12设置在采样气室底部，被设置成实时探测采样气室内气压值，并将探测的气压值转换成一气压电压U2发送至微处理系统13。
所述微处理系统13内设置有一气压补偿模块，气压补偿模块内配置有一量子粒子群算法模型。
所述微处理系统13接收热释电探测器1发送的测量电压U0和参比电压U1、以及气压传感器12发送的气压电压U2，归一化处理后，发送至气压补偿模块进行气压补偿计算，以获取经气压补偿后的气体浓度。
进一步的实施例中，所述红外气体传感器还具有一显示单元14。
所述显示单元14与微处理系统13电连接，用以显示经气压补偿后的气体浓度。
图2为本发明提出的基于QPSO算法的红外气体传感器的工作流程示意图。
实际上，前述基于QPSO算法的红外气体传感器中的红外传感器也可以采用其他结构的采样气室，只需要采用的采样气室具有用以输出测量电压U0和参比电压U1的测量通道11和参比通道10(即采用双光路特性的红外光源7)、以及测量采样气室内气压的装置(例如气压传感器12等)即可。
结合图3，本发明还提及一种基于QPSO算法的红外气体传感器气压补偿方法，所述气压补偿方法包括：
S1：创建量子粒子群算法模型。
S2：接收热释电探测器1发送的测量电压U0和参比电压U1、以及气压传感器12发送的气压电压U2，进行归一化处理。
S3：将归一化处理后的数据发送至已创建的量子粒子群算法模型的输入层，量子粒子群算法模型对其进行气压补偿计算后，由量子粒子群算法模型的输出层输出计算结果，将输出的计算结果作为经气压补偿后的气体浓度。
结合图4，进一步的实施例中，步骤S1中，创建量子粒子群算法模型的方法包括以下步骤：
S11：将红外气体传感器的热释电探测器1检测通道输出电压U0、参比通道10的输出电压U1以及气压传感器12的输出电压U2发送到微处理系统13，对电压数据进行归一化处理，将归一化后的处理数据作为量子粒子群算法的输入样本。
S12：随机初始化粒子群中各粒子的位置。
S13：计算粒子群中所有粒子个体最好位置的平均。
S14：计算每个粒子的当前适应度值，并与该粒子历史最好适应度值进行比较，值小的作为该粒子最好适应度值。
S15：比较粒子群中每个粒子的最优适应度值，最小值作为当前迭代全局最优适应度值，其位置作为全局最优位置。
S16：比较当前全局最优值与历史全局最优值，值小的作为全局最优值，其位置作为全局最优位置。
S17：更新粒子群中各粒子的位置，公式如下：
ui,j(t)～U(0,1)
S18：若满足终止条件，输出群体的全局最优位置；否则，返回步骤S12进行下一迭代。
S19：根据以上步骤所得的参数，创建微处理器中的量子粒子群算法模型。
本发明相较于经验公式，无需进行大量实验以标定模型参数，相较于电路补偿法，免除了繁琐电路的设计引入。过程结构简单、简化了气压补偿的过程，本发明在整个气体检测范围都进行了气压补偿，具有更好的适配性。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。
Claims (7)
1.一种采样气室，其特征在于，所述采样气室沿纵长方向设置有第一端部和第二端部，其中，第一端部上设置有一进气口，第二端部上设置有一出气口；
所述采样气室包括电调制红外光源、反光镜、热释电探测器、反光杯、第一凹面镜、两个第二凹面镜；
所述电调制红外光源固定安装在采样气室临近第一端部的顶部，所述反光镜固定在电调制红外光源的下方，反光镜的反射面朝向电调制红外光源、并且与采样气室的轴中心线呈45度角；
所述热释电探测器固定安装在采样气室临近第一端部的底部，其探测面朝向电调制红外光源，所述反光杯固定在其上方，反光杯的反射面朝向热释电探测器；
所述第一凹面镜设置在第一端部的中心位置，第一凹面镜的曲率半径为R1；
所述两个第二凹面镜拼接后设置在第二端部的中心位置，两者的拼接线与采样气室的轴中心线重叠，第二凹面镜的曲率半径为R2；
所述R1>R2。
2.根据权利要求1所述的采样气室，其特征在于，所述采样气室的进气口内侧设置有防水透气膜。
3.根据权利要求1所述的采样气室，其特征在于，所述采样气室的内壁采用黄铜镀金层。
4.一种基于QPSO算法的红外气体传感器，其特征在于，所述红外气体传感器包括红外传感器、气压传感器和微处理系统，其中，红外传感器采用权利要求1-3任意一项中所述的采样气室；
所述红外传感器、气压传感器分别与微处理系统电连接；
所述红外传感器采用具有单光源双光路特性的电调制红外光源，两条光束在采样气室内经多次反射后被热释电探测器接收，两条光束所经路径分别被定义成测量通道和参比通道；
所述热释电探测器响应于接收到电调制红外光源发出的两条光束，将之分别转换成一测量电压U0和一参比电压U1发送至微处理系统；
所述气压传感器设置在采样气室底部，被设置成实时探测采样气室内气压值，并将探测的气压值转换成一气压电压U2发送至微处理系统；
所述微处理系统内设置有一气压补偿模块，气压补偿模块内配置有一量子粒子群算法模型；
所述微处理系统接收热释电探测器发送的测量电压U0和参比电压U1、以及气压传感器发送的气压电压U2，归一化处理后，发送至气压补偿模块进行气压补偿计算，以获取经气压补偿后的气体浓度。
5.根据权利要求4所述的基于QPSO算法的红外气体传感器，其特征在于，所述红外气体传感器还具有一显示单元；
所述显示单元与微处理系统电连接，用以显示经气压补偿后的气体浓度。
6.一种基于QPSO算法的红外气体传感器气压补偿方法，其特征在于，所述气压补偿方法包括：
S1：创建量子粒子群算法模型；
S2：接收热释电探测器发送的测量电压U0和参比电压U1、以及气压传感器发送的气压电压U2，进行归一化处理；
S3：将归一化处理后的数据发送至已创建的量子粒子群算法模型的输入层，量子粒子群算法模型对其进行气压补偿计算后，由量子粒子群算法模型的输出层输出计算结果，将输出的计算结果作为经气压补偿后的气体浓度。
7.根据权利要求6所述的基于QPSO算法的红外气体传感器气压补偿方法，其特征在于，步骤S1中，创建量子粒子群算法模型的方法包括以下步骤：
S11：将红外气体传感器的热释电探测器检测通道输出电压U0、参比通道的输出电压U1以及气压传感器的输出电压U2发送到微处理系统，对电压数据进行归一化处理，将归一化后的处理数据作为量子粒子群算法的输入样本；
S12：随机初始化粒子群中各粒子的位置；
S13：计算粒子群中所有粒子个体最好位置的平均；
S14：计算每个粒子的当前适应度值，并与该粒子历史最好适应度值进行比较，值小的作为该粒子最好适应度值；
S15：比较粒子群中每个粒子的最优适应度值，最小值作为当前迭代全局最优适应度值，其位置作为全局最优位置；
S16：比较当前全局最优值与历史全局最优值，值小的作为全局最优值，其位置作为全局最优位置；
S17：更新粒子群中各粒子的位置，公式如下：
ui,j(t)～U(0,1)
S18：若满足终止条件，输出群体的全局最优位置；否则，返回步骤S12进行下一迭代；
S19：根据以上步骤所得的参数，创建微处理器中的量子粒子群算法模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811562034.4A CN109696413A (zh) | 2018-12-20 | 2018-12-20 | 采样气室、基于qpso算法的红外气体传感器及气压补偿方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811562034.4A CN109696413A (zh) | 2018-12-20 | 2018-12-20 | 采样气室、基于qpso算法的红外气体传感器及气压补偿方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109696413A true CN109696413A (zh) | 2019-04-30 |
Family
ID=66231954
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811562034.4A Pending CN109696413A (zh) | 2018-12-20 | 2018-12-20 | 采样气室、基于qpso算法的红外气体传感器及气压补偿方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109696413A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111189793A (zh) * | 2020-02-18 | 2020-05-22 | 上海工程技术大学 | 梯形气室及其气压补偿方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2094483A (en) * | 1981-03-05 | 1982-09-15 | Auergesellschaft Gmbh | Ambient pressure compensation system for gas-analysis sensors |
| CN1699971A (zh) * | 2004-10-16 | 2005-11-23 | 中国科学院安徽光学精密机械研究所 | 可调多次反射光学吸收的方法及装置 |
| CN102445433A (zh) * | 2011-12-26 | 2012-05-09 | 南京顺泰科技有限公司 | Sf6分解气体红外光谱多组分检测方法及装置 |
| US20120300209A1 (en) * | 2011-04-19 | 2012-11-29 | Mark Francis Witinski | Heterodyne Off-Axis Integrated Cavity Output Spectroscopy |
| CN105893694A (zh) * | 2016-04-21 | 2016-08-24 | 北京航空航天大学 | 一种基于重采样粒子群优化算法的复杂系统设计方法 |
| CN108760667A (zh) * | 2018-07-16 | 2018-11-06 | 武汉敢为科技有限公司 | 一种单光源多通道组合式红外气体检测装置 |
-
2018
- 2018-12-20 CN CN201811562034.4A patent/CN109696413A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2094483A (en) * | 1981-03-05 | 1982-09-15 | Auergesellschaft Gmbh | Ambient pressure compensation system for gas-analysis sensors |
| CN1699971A (zh) * | 2004-10-16 | 2005-11-23 | 中国科学院安徽光学精密机械研究所 | 可调多次反射光学吸收的方法及装置 |
| US20120300209A1 (en) * | 2011-04-19 | 2012-11-29 | Mark Francis Witinski | Heterodyne Off-Axis Integrated Cavity Output Spectroscopy |
| CN102445433A (zh) * | 2011-12-26 | 2012-05-09 | 南京顺泰科技有限公司 | Sf6分解气体红外光谱多组分检测方法及装置 |
| CN105893694A (zh) * | 2016-04-21 | 2016-08-24 | 北京航空航天大学 | 一种基于重采样粒子群优化算法的复杂系统设计方法 |
| CN108760667A (zh) * | 2018-07-16 | 2018-11-06 | 武汉敢为科技有限公司 | 一种单光源多通道组合式红外气体检测装置 |
Non-Patent Citations (2)
| Title |
|---|
| 孙以才 等: "《传感器非线性信号的智能处理与融合》", 31 May 2010, 冶金工业出版社 * |
| 陈远鸣等: "基于改进型BP神经网络的SF_6气体传感器", 《电子测量与仪器学报》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111189793A (zh) * | 2020-02-18 | 2020-05-22 | 上海工程技术大学 | 梯形气室及其气压补偿方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN205374298U (zh) | 基于tdlas的痕量气体浓度检测装置 | |
| CN101281125B (zh) | 一种智能红外多组分有害气体监测方法和装置 | |
| 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 | |
| CN102042971B (zh) | 一体化光学臭氧产量检测装置及标定方法和测量方法 | |
| CN103221793A (zh) | 具有可调节的光路程长度的多程池的光学吸收光谱 | |
| CN103278472B (zh) | 一种傅立叶红外光谱仪及样品气体吸收池 | |
| CN104020114A (zh) | 分析氨气痕量浓度的方法 | |
| CN104730021A (zh) | 一种非分光红外气体传感器的标定方法 | |
| CN111693481A (zh) | 测定sf6气体中co含量非分散红外吸收光谱标定方法 | |
| CN110006837A (zh) | 一种ndir气体传感器系统及温湿度补偿方法 | |
| KR20080085747A (ko) | 가스 농도의 정량 분석 방법 및 장치 | |
| CN102175638A (zh) | 一种快速无损检测黄酒成分含量的装置 | |
| CN113237845A (zh) | 一种集成式so2交叉干扰补偿装置 | |
| 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 | |
| CN115046943B (zh) | 一种水质探测方法、装置、系统以及存储介质 | |
| CN109696413A (zh) | 采样气室、基于qpso算法的红外气体传感器及气压补偿方法 | |
| CN202548049U (zh) | 非常规条件下太赫兹波检测气体用载气装置 | |
| US4358679A (en) | Calibration of analyzers employing radiant energy | |
| Hollowell | Current instrumentation for continuous monitoring for SO2 | |
| CN101625306B (zh) | 一种用于气体浓度测量的装置 | |
| CN206772801U (zh) | 一种串联式气体光谱分析双气室 | |
| CN116183537A (zh) | 基于差分消元的抗干扰ndir混合气体检测方法和系统 | |
| CN114609083B (zh) | 一种二维几何路径下的气体浓度场重建系统及其方法 | |
| CN206740638U (zh) | 一种并联式气体光谱分析双气室 | |
| CN115290587A (zh) | 一种基于空芯光纤的多通道溶液浓度检测方法及检测装置 |
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: 20190430 |
|
| RJ01 | Rejection of invention patent application after publication |