[发明专利]基于神经网络的光学频率梳气体检测系统及方法有效

专利信息
申请号: 202010185693.1 申请日: 2020-03-17
公开(公告)号: CN113406021B 公开(公告)日: 2022-09-02
发明(设计)人: 张飒飒;田遴博;陈天弟;夏金宝;王骏齐;王韬 申请(专利权)人: 山东大学
主分类号: G01N21/31 分类号: G01N21/31;G01N21/27;G06K9/62;G06N3/04;G06N3/08
代理公司: 青岛华慧泽专利代理事务所(普通合伙) 37247 代理人: 马千会
地址: 266200 山东省青岛市即*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 神经网络 光学 频率 气体 检测 系统 方法
【说明书】:

发明属于气体测量技术领域,涉及光学频率梳气体检测系统及方法。该系统包括:光学频率梳、气室、光电二极管、数据采集卡、检测单元;所述气室通过光纤与光电二极管连接,所述数据采集卡采集光电二极管传输的电信号并发送给检测单元;所述的检测单元通过对所接收的电信号进行计算和处理,测定出气体的种类和浓度;所述的气室包括参检测气室和参考气室。本发明的有益效果是:该系统设置双气室,并且气室两端安装球面镜,该球面镜由很多小球面镜组成阵列,使入射光束在气室内可多次反射,增加有效光程,有效增加气体对入射光的吸收度。采用神经网络模型确定痕量气体成分后,对特定气体进行浓度计算,具有非线性映射能力强,训练速度快等优点。

技术领域

本发明属于气体测量技术领域,涉及光学频率梳气体检测系统及方法。

背景技术

随着国民经济的快速发展,工业技术不断进步,导致了大气污染、土壤污染等环境污染问题日益严重。尤其是大气污染,工业废气、生活废气、泄露的有毒气体、汽车尾气等会造成全球气候变暖等环境问题外,还会引起人体呼吸系统感染、心脑血管、血管皮细胞的氧化损伤等疾病。在此大背景下,新型激光光谱气体检测技术成为环境监测应用的新研究热点。

光学频率梳(Optical Frequency Comb)技术在上述背景下应运而生。该技术凭借其频谱宽、脉宽窄、频率稳定度高、时域和频域特性可溯源至微波频率基准等优点,成为一种高精度高分辨率气体检测技术。国内外现已通过多种方式,例如光频梳腔衰荡光谱、光频梳腔增强光谱和双光频梳多外差光谱实现了光频梳。国外课题组将腔衰荡光频梳应用于气体吸收测定,使单根谱线灵敏度提高到到7 ×10-13cm-1,并实现工业废气及大气温室气体的吸收光谱探测,为监测空气净化等级提供解决方案。利用双光频梳多外差光谱技术将测量精度提高了10倍,并测量病人呼出气体的痕量成分。目前,在光学频率梳技术研究方面,欧美发达国家处于国际领先水平。而国内整体研究水平相对落后,以跟踪和拓展国外相关研究为主,尤其在光学频率梳气体检测应用方面差距十分明显。

然而,目前光学频率梳气体检测技术的实现在于:已知目标气体的成分,选择目标气体的特征谱线,对应选定的特征谱线,设计对应特征谱线频率的激光光源。即:已知气体成分的前提下进行气体的测量,对于未知气体无法做到识别和有效测量。国内外均无基于光学频率梳的气体识别研究。人工神经网络能够提供一个强有力的解决算法,可通过对大量的输入输出间的映射关系反复训练学习,自动生成黑盒功能,从而实现气体识别,而不需建立气体响应的方程表达式。基于此,提出基于人工神经网络的气体识别与浓度检测优化的双光频率梳系统。

发明内容

本发明的目的是针对上述现有技术的不足,提供一种基于人工神经网络气体识别的光学频率梳光谱气体检测系统及方法,本发明是具有非线性映射能力强、训练速度快、自学习能力好、结构简单、避免过拟合等优点,能够优化神经网络训练过程,并且简化了气体浓度计算时所涉及的各种参数,使得光学频率梳光谱气体检测系统具有更快气体识别能力以及更高的测量精度。

为了实现上述目的,本发明采用的技术方案是:基于神经网络的光学频率梳气体检测系统,包括:光学频率梳、气室、光电二极管、数据采集卡、检测单元;所述气室通过光纤与光电二极管连接,所述数据采集卡采集光电二极管传输的电信号并发送给检测单元;所述的检测单元通过对所接收的电信号进行计算和处理,测定出气体的种类和浓度;所述的气室包括参检测气室和参考气室。

进一步地,所述气室两端分别安装有镜面相对的反射镜,所述反射镜为 500mm曲率半径球面镜。

进一步地,所述球面镜为若干个小球面镜组成的球面镜阵列。

进一步地,所述小球面镜固定在角度调节支架上。

进一步地,所述的角度调节支架包括底板及底板上阵列分布的镜托,所述镜托与底板铰接;所述小球面镜镶嵌在所述镜托上。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东大学,未经山东大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010185693.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top