本發(fā)明屬于濃度測量，具體而言，涉及一種非接觸式紅外濃度測量儀。

背景技術(shù)：

1、在工業(yè)生產(chǎn)、環(huán)境監(jiān)測等領(lǐng)域,準(zhǔn)確監(jiān)測和分析氣體濃度是一項(xiàng)十分重要的任務(wù)。例如,在化工廠、煉油廠、天然氣處理廠等工業(yè)場景中,需要對反應(yīng)器、分餾塔等關(guān)鍵設(shè)備排出的尾氣進(jìn)行實(shí)時(shí)監(jiān)測,以確保生產(chǎn)過程的安全和環(huán)保合規(guī)。而在城市大氣環(huán)境監(jiān)測中,也需要對二氧化碳、一氧化碳、甲烷等主要污染氣體進(jìn)行連續(xù)測量,為環(huán)境質(zhì)量分析和預(yù)警提供依據(jù)。

2、目前,常用的氣體濃度檢測技術(shù)主要有電化學(xué)傳感器法、色譜法和光學(xué)吸收光譜法等。其中,電化學(xué)傳感器法雖然成本較低,但存在抗干擾性能差、壽命短等問題；色譜法雖然精度高,但需要復(fù)雜的預(yù)處理和專業(yè)操作,難以實(shí)現(xiàn)現(xiàn)場實(shí)時(shí)監(jiān)測。相比之下,光學(xué)吸收光譜法憑借其測量快速、操作簡單、抗干擾性強(qiáng)等優(yōu)勢,在工業(yè)和環(huán)境領(lǐng)域得到了廣泛應(yīng)用。

3、在光學(xué)吸收光譜法中,紅外光譜技術(shù)尤為重要。由于不同氣體分子具有特定的紅外光吸收頻譜特征,通過分析紅外光在氣體中的吸收情況,就可以定性和定量地檢測氣體的成分和濃度。常見的紅外氣體分析儀通常采用單光束或雙光束的測量方式,通過測量待測氣體的紅外吸收度來推算其濃度。但是這種方法需要事先知道待測氣體的吸收頻譜特征,并對光路進(jìn)行精心校準(zhǔn),操作復(fù)雜,難以適應(yīng)實(shí)際應(yīng)用中氣體成分復(fù)雜、濃度變化劇烈的環(huán)境。

4、為了克服現(xiàn)有紅外氣體檢測技術(shù)的局限性,非接觸式測量技術(shù)引起了廣泛關(guān)注。與接觸式探頭不同,非接觸式探頭可以置于與被測氣體分離的外部環(huán)境中,通過紅外光的反射、折射等物理效應(yīng)來間接獲取氣體信息,避免了與腐蝕性氣體的直接接觸。同時(shí),非接觸式探頭還可以實(shí)現(xiàn)遠(yuǎn)程監(jiān)測,為氣體濃度的實(shí)時(shí)在線檢測提供了新的技術(shù)路徑。

5、不過,現(xiàn)有的非接觸式紅外氣體濃度檢測技術(shù)中,依然存在受到環(huán)境干擾的影響較大,難以保證檢測的準(zhǔn)確性和穩(wěn)定性的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明提供一種非接觸式紅外濃度測量儀，能夠解決現(xiàn)有的非接觸式紅外氣體濃度檢測技術(shù)存在受到環(huán)境干擾的影響較大,難以保證檢測的準(zhǔn)確性和穩(wěn)定性的技術(shù)問題。

2、本發(fā)明是這樣實(shí)現(xiàn)的：

3、本發(fā)明提供一種非接觸式紅外濃度測量儀，包括用于發(fā)射紅外光以及對接收的紅外光進(jìn)行采集的紅外主機(jī)以及紅外探頭，所述紅外主機(jī)包括發(fā)射端和接收端，所述紅外探頭包括入射光纖、出射光纖、氣體通道、發(fā)射面、反射面，所述入射光纖的一端連接所述紅外主機(jī)的發(fā)射端，所述入射光纖的另一端連接發(fā)射面，所述出射光纖的一端連接反射面，所述出射光纖的另一端連接紅外主機(jī)的接收端，所述發(fā)射面與所述反射面相對設(shè)置并形成中間空隙，所述氣體通道為透明管道并通過所述中間空隙；所述反射面和所述發(fā)射面的相對距離可調(diào)，所述發(fā)射面用于將入射光纖傳輸?shù)募t外光發(fā)射到氣體通道中，所述反射面用于接收穿過氣體通道的紅外光并將其反射到出射光纖中；使用時(shí)，將所述氣體通道與待測高壓氣體管道連接，使待測高壓氣體從氣體通道中通過；所述紅外主機(jī)發(fā)射的紅外光通過所述入射光纖傳輸?shù)桨l(fā)射面發(fā)射，紅外光穿過所述氣體通道后，被所述反射面接收，并通過所述出射光纖傳輸?shù)剿鼋邮斩?，所述接收端上設(shè)置有用于采集出射光線的mct檢測器和處理器，所述處理器內(nèi)設(shè)置有信號(hào)處理模塊，根據(jù)所述mct檢測器采集的光強(qiáng)信號(hào)計(jì)算得到當(dāng)前時(shí)刻的通過所述氣體通道的氣體濃度數(shù)組。

4、在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明的一種非接觸式紅外濃度測量儀還可以做如下改進(jìn):

5、所述信號(hào)處理模塊，具體執(zhí)行以下步驟：

6、s10、實(shí)時(shí)獲取所述光強(qiáng)信號(hào)，并進(jìn)行預(yù)處理，得到預(yù)處理信號(hào)；

7、s20、對所述預(yù)處理信號(hào)進(jìn)行快速傅里葉變換，得到頻域信號(hào),并對頻域信號(hào)進(jìn)行分頻段拆分,得到拆分信號(hào)集；

8、s30、對所述拆分信號(hào)集中的每一項(xiàng)拆分信號(hào)進(jìn)行滑動(dòng)窗口的特征提取，得到信號(hào)特征；

9、s40、在對所述發(fā)射面和所述入射面的距離進(jìn)行調(diào)整的同時(shí)，計(jì)算每一項(xiàng)拆分信號(hào)的信號(hào)特征的瞬時(shí)變化率，當(dāng)所述瞬時(shí)變化率收斂，則停止對所述發(fā)射面和所述入射面的距離的調(diào)整，以此時(shí)刻為t1時(shí)刻；

10、s50、在所述t1時(shí)刻后，對所述預(yù)處理信號(hào)進(jìn)行特征提取，得到信號(hào)特征；

11、s60、將所述信號(hào)特征輸入到預(yù)先訓(xùn)練好的氣體濃度檢測模型中，輸出當(dāng)前時(shí)刻的通過所述氣體通道的氣體濃度數(shù)組。

12、進(jìn)一步的，所述氣體濃度檢測模型，采用多分支網(wǎng)絡(luò)結(jié)構(gòu)，包括特征分類模塊，長期特征分支網(wǎng)絡(luò)、短期特征分支網(wǎng)絡(luò)、異常特征分支網(wǎng)絡(luò)以及融合分支網(wǎng)絡(luò)。

13、進(jìn)一步的，所述特征分類模塊用于對輸入的信號(hào)特征進(jìn)行分類,輸入是信號(hào)特征,輸出是分類后的長期特征、短期特征和異常特征,結(jié)構(gòu)是卷積神經(jīng)網(wǎng)絡(luò)。

14、進(jìn)一步的，所述長期特征具體是信號(hào)的趨勢性變化特征,所述短期特征具體是信號(hào)的周期性變化特征,所述異常特征具體是信號(hào)的突變和異常波動(dòng)特征。

15、進(jìn)一步的，所述長期特征分支網(wǎng)絡(luò)用于提取長期變化趨勢,輸入是長期特征,輸出是長期特征向量,結(jié)構(gòu)是長短時(shí)記憶網(wǎng)絡(luò)。

16、進(jìn)一步的，所述短期特征分支網(wǎng)絡(luò)用于提取短期變化特征,輸入是短期特征,輸出是短期特征向量,結(jié)構(gòu)是卷積神經(jīng)網(wǎng)絡(luò)。

17、進(jìn)一步的，所述異常特征分支網(wǎng)絡(luò)用于提取異常波動(dòng)特征,輸入是異常特征,輸出是異常特征向量,結(jié)構(gòu)是自編碼器。

18、進(jìn)一步的，所述融合分支網(wǎng)絡(luò)用于融合各分支網(wǎng)絡(luò)的輸出特征,輸入是長期特征向量、短期特征向量和異常特征向量,輸出是氣體濃度預(yù)測值,結(jié)構(gòu)是全連接神經(jīng)網(wǎng)絡(luò)。

19、進(jìn)一步的，所述預(yù)處理的方法是利用時(shí)域?yàn)V波或小波變換的方法對所述紅外光強(qiáng)信號(hào)進(jìn)行濾波處理，去除高頻噪聲、基線漂移的干擾成分。

20、進(jìn)一步的，所述長期特征具體是信號(hào)的趨勢性變化特征,所述短期特征具體是信號(hào)的周期性變化特征,所述異常特征具體是信號(hào)的突變和異常波動(dòng)特征。

21、1.所述瞬時(shí)變化率收斂具體表示如下：

22、

23、式中，s(t)為信號(hào)特征隨時(shí)間的變化函數(shù)；t為時(shí)間；為信號(hào)特征的瞬時(shí)變化率；∈為預(yù)設(shè)的收斂閾值，通常取一個(gè)較小的正數(shù)。

24、s(t)的計(jì)算步驟如下：

25、步驟1：對預(yù)處理信號(hào)p(t)進(jìn)行快速傅里葉變換：

26、

27、步驟2：對頻域信號(hào)f(ω)進(jìn)行分頻段拆分，得到拆分信號(hào)集{f1(ω),f2(ω),...,fn(ω)}；

28、步驟3：對每個(gè)拆分信號(hào)fk(ω)進(jìn)行滑動(dòng)窗口的特征提取，得到信號(hào)特征sk(t)；

29、步驟4：將所有特征合并得到總體信號(hào)特征其中wk為每個(gè)特征的權(quán)重

30、2.當(dāng)瞬時(shí)變化率收斂，停止調(diào)整發(fā)射面和入射面距離的原理是：

31、當(dāng)信號(hào)特征的瞬時(shí)變化率收斂時(shí)，表示信號(hào)已經(jīng)達(dá)到相對穩(wěn)定狀態(tài)。這意味著紅外光在氣體通道中的傳輸路徑已經(jīng)達(dá)到最優(yōu)，此時(shí)的發(fā)射面和入射面距離能夠保證足夠的信號(hào)強(qiáng)度和信噪比。繼續(xù)調(diào)整距離可能會(huì)導(dǎo)致信號(hào)質(zhì)量下降，因此在此時(shí)停止調(diào)整。

32、3.所述長期特征、短期特征和異常特征具體表示如下：

33、長期特征：

34、短期特征：h(t)＝s(t)-l(t)；

35、異常特征：

36、式中，l(t)為長期特征，表示信號(hào)的趨勢性變化；t為長期特征的時(shí)間窗口大?。籬(t)為短期特征，表示信號(hào)的周期性變化；a(t)為異常特征，表示信號(hào)的突變和異常波動(dòng)；為信號(hào)s(t)的預(yù)測值，通過時(shí)間序列預(yù)測模型(如arima)獲得。

37、4.所述氣體濃度數(shù)組具體表示如下：

38、c＝[c1,c2,...,cm]；

39、式中，c為氣體濃度數(shù)組；ci為第i種氣體的濃度；m為待測氣體的種類數(shù)。

40、每種氣體濃度ci的計(jì)算步驟如下：

41、步驟1：構(gòu)建氣體濃度檢測模型m，包括特征分類模塊、長期特征分支網(wǎng)絡(luò)、短期特征分支網(wǎng)絡(luò)、異常特征分支網(wǎng)絡(luò)和融合分支網(wǎng)絡(luò)

42、步驟2：將信號(hào)特征s(t)輸入特征分類模塊，得到分類后的長期特征l(t)、短期特征h(t)和異常特征a(t)

43、步驟3：將l(t)、h(t)和a(t)分別輸入對應(yīng)的分支網(wǎng)絡(luò)，得到特征向量vl、vh和va

44、步驟4：將vl、vh和va輸入融合分支網(wǎng)絡(luò)，得到氣體濃度預(yù)測值：ci＝m(vl,vh,va)；

45、其中，m為預(yù)先訓(xùn)練好的氣體濃度檢測模型，通過大量樣本數(shù)據(jù)和機(jī)器學(xué)習(xí)算法(如深度學(xué)習(xí))獲得。模型訓(xùn)練過程包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、模型構(gòu)建、模型訓(xùn)練和模型驗(yàn)證等步驟。

46、1.訓(xùn)練數(shù)據(jù)集構(gòu)建

47、(1)樣本采集：選擇多種待測氣體，如甲烷、二氧化碳、一氧化碳等。對每種氣體，準(zhǔn)備不同濃度的標(biāo)準(zhǔn)樣品，濃度范圍覆蓋預(yù)期測量范圍。使用本發(fā)明的非接觸式紅外濃度測量儀對每個(gè)標(biāo)準(zhǔn)樣品進(jìn)行多次測量，每次測量持續(xù)一定時(shí)間(如5分鐘)。記錄每次測量的紅外光譜數(shù)據(jù)和對應(yīng)的實(shí)際氣體濃度。

48、(2)數(shù)據(jù)預(yù)處理：對采集到的紅外光譜數(shù)據(jù)進(jìn)行降噪處理，如小波變換去噪。對光譜數(shù)據(jù)進(jìn)行歸一化處理，消除光強(qiáng)差異的影響。進(jìn)行基線校正，去除背景干擾。對處理后的光譜數(shù)據(jù)進(jìn)行特征提取，如主成分分析(pca)或小波變換系數(shù)。

49、(3)數(shù)據(jù)集劃分：將處理后的數(shù)據(jù)集隨機(jī)劃分為訓(xùn)練集(70％)、驗(yàn)證集(15％)和測試集(15％)。確保每個(gè)集合中包含各種氣體和各個(gè)濃度范圍的樣本。

50、2.模型訓(xùn)練步驟

51、(1)初始化：隨機(jī)初始化各個(gè)分支網(wǎng)絡(luò)的參數(shù)。

52、設(shè)定學(xué)習(xí)率、批次大小、訓(xùn)練輪數(shù)等超參數(shù)。

53、(2)前向傳播：將訓(xùn)練樣本輸入特征分類模塊，得到分類后的特征。

54、將分類后的特征分別輸入對應(yīng)的分支網(wǎng)絡(luò)。

55、將各分支網(wǎng)絡(luò)的輸出特征向量輸入融合分支網(wǎng)絡(luò)，得到預(yù)測的氣體濃度值。

56、(3)損失計(jì)算：計(jì)算預(yù)測濃度值與實(shí)際濃度值之間的均方誤差(mse)作為損失函數(shù)。

57、(4)反向傳播：使用反向傳播算法計(jì)算損失函數(shù)對各網(wǎng)絡(luò)參數(shù)的梯度。

58、(5)參數(shù)更新：使用優(yōu)化算法(如adam)根據(jù)計(jì)算得到的梯度更新網(wǎng)絡(luò)參數(shù)。

59、(6)迭代訓(xùn)練：重復(fù)步驟(2)-(5)，直到達(dá)到預(yù)設(shè)的訓(xùn)練輪數(shù)或滿足停止條件(如驗(yàn)證集損失不再下降)。

60、(7)模型驗(yàn)證：使用驗(yàn)證集評估模型性能，包括均方根誤差(rmse)、平均絕對誤差(mae)和決定系數(shù)(r2)等指標(biāo)。根據(jù)驗(yàn)證結(jié)果調(diào)整模型結(jié)構(gòu)或超參數(shù)，如必要可返回步驟(1)重新訓(xùn)練。

61、(8)模型測試：使用測試集對最終模型進(jìn)行性能評估，確保模型具有良好的泛化能力。

62、(9)模型保存：將訓(xùn)練好的模型參數(shù)保存，以便后續(xù)在實(shí)際氣體濃度檢測中使用。

63、通過以上步驟，可以構(gòu)建和訓(xùn)練一個(gè)能夠準(zhǔn)確預(yù)測氣體濃度的多分支網(wǎng)絡(luò)模型。這個(gè)模型能夠有效地利用紅外光譜數(shù)據(jù)的長期、短期和異常特征，從而提高氣體濃度檢測的準(zhǔn)確性和魯棒性。

64、具體而言，所述步驟s10具體包括：從測量傳感器實(shí)時(shí)采集紅外光強(qiáng)信號(hào)數(shù)據(jù)；利用時(shí)域?yàn)V波、小波變換等方法對所述紅外光強(qiáng)信號(hào)進(jìn)行濾波處理，去除高頻噪聲、基線漂移等干擾成分，得到預(yù)處理后的干凈信號(hào)。該預(yù)處理步驟旨在提高后續(xù)頻域分析和特征提取的準(zhǔn)確性。

65、其中，所述步驟s20具體包括：將預(yù)處理后的時(shí)域信號(hào)通過快速傅里葉變換轉(zhuǎn)換到頻域，得到頻譜信號(hào)；根據(jù)氣體濃度變化對紅外光吸收的影響,對所述頻譜信號(hào)進(jìn)行分頻段拆分,得到若干子頻譜信號(hào)。這種分頻段處理有利于更好地捕捉不同頻率成分的變化特征。

66、其中，所述步驟s30具體包括：采用固定長度的滑動(dòng)窗口逐步提取每個(gè)子頻譜信號(hào)的統(tǒng)計(jì)特征和頻域特征,如均值、方差、峰值、功率譜密度等；將所有子頻段的特征合并,得到代表整個(gè)紅外光譜的綜合特征信號(hào)。這些特征能夠較好地描述信號(hào)在時(shí)間域和頻率域上的變化規(guī)律。

67、其中，所述步驟s40通過調(diào)整發(fā)射面和反射面的相對距離,觀察信號(hào)特征的瞬時(shí)變化率,當(dāng)變化率的絕對值小于預(yù)設(shè)收斂閾值時(shí)停止調(diào)整。該步驟旨在確保紅外光在氣體通道中的傳輸路徑達(dá)到最優(yōu),獲得信噪比較高的輸出信號(hào)。收斂閾值通常取一個(gè)較小的正數(shù),如0.01。

68、其中，所述步驟s50針對確定最佳距離后的信號(hào),提取長期趨勢特征、短期周期性特征和異常波動(dòng)特征。其中,長期趨勢特征反映信號(hào)的緩慢變化,可用移動(dòng)平均計(jì)算；短期周期性特征表示信號(hào)的快速波動(dòng),可通過與長期趨勢的差分得到；異常波動(dòng)特征則用于描述信號(hào)的突發(fā)性變化,可采用與預(yù)測值的偏差來表示。這三類特征能夠全面反映紅外光譜在不同時(shí)間尺度上的變化。

69、其中,所述步驟s60利用提取的長期特征、短期特征和異常特征作為輸入,輸入到預(yù)先訓(xùn)練好的氣體濃度檢測模型中。該檢測模型采用多分支神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),包括特征分類模塊、長期特征提取分支、短期特征提取分支、異常特征提取分支以及最終的特征融合分支。通過充分利用不同時(shí)間尺度的特征信息,可以提高氣體濃度檢測的準(zhǔn)確性和魯棒性。

70、與現(xiàn)有技術(shù)相比較，本發(fā)明提供的一種非接觸式紅外濃度測量儀的有益效果是：

71、1.優(yōu)化紅外光路傳輸,提高檢測靈敏度。本發(fā)明采用可調(diào)式的發(fā)射面和反射面設(shè)計(jì),能夠動(dòng)態(tài)調(diào)節(jié)紅外光在氣體通道中的傳輸路徑,確保足夠的光強(qiáng)和信噪比,從而大幅提高了檢測靈敏度和穩(wěn)定性。

72、2.充分挖掘頻域信息,提升抗干擾性能。本發(fā)明對采集的紅外光強(qiáng)信號(hào)進(jìn)行頻域分析,提取涵蓋不同頻段的特征。這種分頻段特征提取方式能夠更好地捕捉氣體濃度變化對不同頻率吸收的影響,從而增強(qiáng)了檢測系統(tǒng)對環(huán)境干擾的抗性。

73、3.融合多尺度特征,提高檢測精度。本發(fā)明借助深度學(xué)習(xí)的多分支神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),綜合利用信號(hào)的長期趨勢、短期周期和異常波動(dòng)等多尺度特征,實(shí)現(xiàn)了對氣體濃度的精準(zhǔn)預(yù)測。這種特征融合的方法克服了單一特征難以準(zhǔn)確描述復(fù)雜氣體環(huán)境的局限性,顯著提升了檢測的準(zhǔn)確性。

74、綜上所述，本發(fā)明解決了現(xiàn)有的非接觸式紅外氣體濃度檢測技術(shù)存在受到環(huán)境干擾的影響較大,難以保證檢測的準(zhǔn)確性和穩(wěn)定性的技術(shù)問題。