DOAS技术中差分吸收光学密度获取方法

针对差分吸收光谱技术(DOAS)获取差分吸收光学密度(OD)的技术特点,本文提出采用自适应神经模糊推理系统(ANFIS)来逼近DOAS测量谱中慢变成分,并依次获得痕量气体差分吸收光学密度。该方法根据DOAS系统获得测量谱的特点进行自适应调整网络参数,因此能较精确地分离慢变部分和快变部分。利用SO2样气进行实验,结果表明ANIFIS比多项式函数更为灵活。基于AINFIS网络获取的OD进行浓度反演,提高了DOAS反演精度。

基于紫外差分-自适应干扰对消的NO浓度高精度检测技术

为实现机动车尾气高精度监测,提出一种高精度宽量程NO测量方法。针对尾气中SO_(2)及NO在紫外波段存在吸收峰重合从而无法直接进行单组分气体反演问题,首先用紫外差分光学吸收光谱(ultra-violet differential optical absorption spectroscopy,UV-DOAS)法计算得到混合气体在NO敏感波段(200 nm~230 nm)的差分光学密度(differential optical density,DOD),并引入自适应干扰对消技术以实现混合气体DOD的快速分离,最终利用最小二乘法对分离出的NO进行浓度反演。该方法可实现100×10^(−6)~3000×10^(−6)范围内NO浓度(气体的体积分数)快速反演,经测试,在100×10^(−6)~200×10^(−6)浓度范围内反演相对误差绝对值小于10%,在300×10^(−6)~3000×10^(−6)浓度范围内,反演相对误差绝对值小于5%。该方法具有测量量程大、速度快的特点,可满足汽车尾气中3000×10^(−6)范围内NO浓度测量要求。

基于非线性标准差模型的差分光学吸收光谱技术烟气浓度测量

采用差分光学吸收光谱(DOAS)技术测量烟气时,需采用非线性补偿方法来提高测量精度。本文基于自行研制的DOAS技术烟气测量系统,对SO_2和NO标准气体进行了单一气体的建模实验,提出了利用差分光学密度标准差和气体浓度之间关系的非线性模型预测烟气浓度的方法,并以此测量了SO_2和NO单一组分及混合气体的浓度,将实验结果与传统最小二乘法的反演浓度进行了对比。结果显示,测量单一气体时,得到的两种气体非线性模型的判定系数R^2分别为0.999 6和0.999 5,SO_2的满量程误差为±0.7%,最大误差为2.6%和2.8%,明显优于最小二乘法反演最大误差-16.1%和-19.9%;测量混合气体时,最大误差由传统方法的-24.6%和-28.1%减小至-4.8%和5.2%。结果表明,本文方法可提高烟气测量的准确度。