基于光声光谱的电缆微量气体浓度标定和自动化预警系统

为提高电缆微量气体浓度预警精度与速度,该文设计基于光声光谱的电缆微量气体浓度标定和自动化预警系统。系统通过采集装置检测光声信号二次谐波信息,并利用标定仪标定气体浓度。预警端基于RBF神经网络启动异常诊断模型,提取统计特征并进行分类诊断。若发现异常,系统启动声光报警装置,以语音报警、灯光警示的方式,进入自动化预警状态。经实验测试后,所设计系统利用光声光谱技术,远程检测电缆隧道微量气体后,对微量一氧化碳气体的异常诊断结果精准,且对异常浓度气体的自动化预警时延在0.4 s之内。

基于TDLAS技术的甲烷气体浓度识别系统

以不同浓度的甲烷气体为研究对象,利用甲烷在1653.7nm处的吸收峰,搭建基于TDLAS技术的甲烷气体浓度识别系统,利用Matlab软件拟合不同配比甲烷气体浓度曲线,并用其他标准浓度气体进行精度验证。搭建的基于TDLAS技术的甲烷浓度识别系统由气体浓度配比、光电检测和信号采集处理3部分组成。使用高精度流量计,利用高纯氮气稀释高浓度甲烷配比低浓度甲烷气体作为检测气体,并通过实验数据分析配比误差。实验结果表明:搭建的基于TDLAS技术的甲烷气体浓度识别系统气体标定准确,气体浓度识别精度高。