TDLAS技术调制参量的优化及实验研究

为了研究激光调制参量对二次谐波信号峰值、信噪比、峰宽、对称性以及信号完整性的影响,基于硬件实验系统与Simulink仿真模型进行分析,验证了理论模拟结果与此硬件系统下信号变化趋势的一致性,同时确定了CO_(2)检测系统的最佳调制参量。通过实验系统对不同体积分数的CO_(2)在1432.04nm处的吸收光谱进行了测量,建立主吸收峰处信号强度与不同体积分数CO_(2)的反演模型,分析了系统性能及测量精度。结果表明,线性拟合系数R^(2)=0.9998,气体体积分数反演最大相对误差为0.7333%,系统检测限为0.0074%;通过调制参量的优化选择可以获得较为理想的二次谐波信号,从而实现待测气体体积分数的精确反演。该研究为检测系统中调制参量的优化提供了重要参考,为系统测量精度的改善提供了指导。

紫外吸收光谱法检测SF6分解产物中的H2S

H2S作为SF6的一种重要分解组分,其体积分数的检测可以为SF6电气绝缘设备的绝缘状态评估提供重要依据。H2S在波长为190～230 nm的紫外波段具有明显的吸收峰,为此,建立了H2S紫外吸收光谱检测平台以实现对它的检测。但是,通过仪器直接获得的紫外吸收光谱易受到光谱散射和高频噪声干扰,从而造成检测灵敏度降低。因此,采用紫外差分算法和小波函数对原始吸收光谱进行体积分数反演,以获得光谱数据与气体体积分数之间的关系。研究结果表明：经光谱数据提取获得的频域信息与体积分数之间有很好的线性关系,其线性拟合优度（R2）高达0.999 9,体积分数检出限为0.590×10^（-6）,将获得的反演表达式用于实际数据检测同样获得了很好的检测效果。该方法对H2S的检测重复性好,灵敏度高,可以集成到便携式的检测设备中,适用于SF6绝缘设备分解组分中痕量H2S的在线监测.

基于改进的粒子群优化-反向传播神经网络的CO_(2)红外吸收光谱定量分析

在吸收光谱气体传感领域,实测光谱存在信噪比低和由光谱失真带来的线性度低的问题,使得传统的线性分析方法难以实现高准确度的气体体积分数反演。为此,本文提出了一种基于进化策略、参数调整策略双重改进的粒子群优化(IPSO)算法,并结合误差反向传播神经网络(BPNN),建立了网络初始连接权值和阈值优化的反向传播(BP)神经网络(IPSO-BPNN)气体体积分数反演模型。基于光频梳直接吸收光谱技术测量CO_(2)红外吸收光谱,构建了由训练集、验证集和测试集构成的多体积分数光谱数据集,用于IPSO-BPNN模型的气体体积分数反演性能测试。利用IPSO-BPNN模型对14种体积分数的CO_(2)气体进行了反演,结果表明,与粒子群优化算法优化的BP神经网络(PSO-BPNN)、BPNN、极限学习机(ELM)、支持向量机(SVM)、最大吸光度提取(MAE)法五种气体体积分数的反演方法相比,IPSO-BPNN模型的均方误差最小(1.95×10^(-6)),相对误差绝对值的平均值最低(0.0112),决定系数最大(0.9997)。上述结果验证了IPSO-BPNN模型优异的鲁棒性以及在高准确度分子吸收光谱分析中重要的应用潜力。