一种低浓度紫外差分气体分析仪的数据处理方法技术

本发明专利技术的目的是提供一种低浓度差分气体分析仪的数据处理方法，用以解决低浓度气体的浓度监测可靠性差的问题。包括：光谱仪暗噪音累加多次取平均获得光谱仪暗噪声数据；被测浓度气体光谱数据累加多次取平均获得被测浓度气体源光谱数据；以所述光谱仪暗噪声数据对所述被测气体源光谱数据进行补偿修正，获得目标光谱数据；利用平滑算法对目标数据进行预处理，得到光谱有效数据；利用紫外差分吸收光谱法计算光谱有效数据对应的被测气体光学参量；根据标准气体浓度与对应光学参量确定的曲线分段式计算被测气体浓度值。本方法提出的分段求解光学参量算法解决了不同气体在吸收光谱有重合区域时测量气体浓度的方法。

A data processing method for low concentration ultraviolet differential gas analyzer

【技术实现步骤摘要】
一种低浓度紫外差分气体分析仪的数据处理方法
本专利技术涉及紫外差分吸收光谱
，特别是涉及一种低浓度紫外差分气体分析仪的数据处理算法
技术介绍
低浓度紫外气体分析仪主要用于测量气体的浓度值，广泛用于大气污染监测、固定污染源监测、火山气体监测等。紫外差分气体分析仪的原理是差分吸收光谱技术。差分吸收光谱技术是一种基于光谱分析的气体浓度测量方法，其基本原理是用选定波长的光照射被测气体，测定其吸收度，再根据吸收光度计算被测气体的浓度。计算光度的理论依据是光的朗伯-比尔定律：当入射光的波长、物质的浓度及温度一定时，物质的吸收度同式样的厚度成正比。目前紫外差分气体分析仪测量SO2的浓度时，其数据处理算法是以270～320nm波段内的数据作为光学参量计算区域这样只能测量高浓度气体浓度值，对于低浓度气体的测量可靠性非常低。因此，提高低浓度紫外差分气体分析仪的监测精度是本领域急需解决的问题。
技术实现思路
本专利技术的目的是提供一种低浓度差分气体分析仪的数据处理方法，用以解决低浓度气体的浓度监测可靠性差的问题。为解决上述技术问题，本专利技术提供了一种低浓度紫外差分气体分析仪的数据处理方法，包括：光谱仪暗噪音累加多次取平均获得光谱仪暗噪声数据；被测浓度气体光谱数据累加多次取平均获得被测浓度气体源光谱数据；以所述光谱仪暗噪声数据对所述被测气体源光谱数据进行补偿修正，获得目标光谱数据；利用平滑算法对目标数据进行预处理，得到光谱有效数据；利用紫外差分吸收光谱法计算光谱有效数据对应的被测气体光学参量；根据标准气体浓度与对应光学参量确定的曲线分段式计算被测气体浓度值。进一步地，所述光谱仪暗噪音累加多次取平均用于修正测量过程中的随机误差，所述谱仪暗噪音数据对所述被测气体源光谱数据进行补偿修正，获得目标光谱数据具体包括：利用公式得到所述被测浓度气体源光谱数据与所述光谱仪暗噪声数据的差值，即目标光谱数据，其中，IO′(λ)为差值，亦即目标光谱数据；为所述被测浓度气体源光谱数据；为所述光谱仪暗噪声数据；进一步地，所述平滑算法包括移动窗口拟合多项式平滑算法或小波平滑算法等可以有效去除数据中存在的噪声来提高光谱的信噪比。进一步地，还包括被测气体中不同组分的光学参量获取过程包含数据拟合方法和光学参量计算方法。进一步地，所述的数据拟合方法和光学参量计算方法具体包括：截取所述的低浓度气体吸收光谱170～230nm波段数据作为计算区域；截取上述计算区域的NO吸收光谱作为NO光学参量计算区域，剩余数据作为SO2光学参量计算区域；对SO2光学参量计算区域采用傅立叶逼近方法获得SO2的拟合曲线；通过NO的吸收光谱和SO2的拟合曲线得到NO的差分吸收光谱，选取226nm左右完整的差分吸收光谱计算NO的光学参量；通过SO2的吸收光谱和其拟合曲线得到SO2的差分吸收光谱，抓取被NO吸收光谱分割开的一段幅值变化最明显的差分吸收光谱计算SO2的光学参量。进一步地，根据标准气体浓度与对应光学参量确定的曲线计算被测气体浓度值为标准气体浓度与对应光学参量确定的曲线。进一步地，所述标准气体浓度与对应光学参量确定曲线具体包括：利用所述紫外差分气体吸收光谱计算低浓度标准气体的光学参量OP_l；利用所述紫外差分气体吸收光谱计算中浓度标准气体的光学参量OP_m；利用所述紫外差分气体吸收光谱计算高浓度标准气体的光学参量OP_h；以光学参量为横坐标，浓度值为纵坐标建立坐标系；将所述光学参量和浓度值对应至坐标系中做多项式拟合可确定曲线。进一步地，在根据标准气体浓度与对应光学参量确定的曲线计算被测气体浓度值中，低浓度标准气体浓度为40mg/m3；中浓度标准气体浓度为100mg/m3，高浓度标准气体为160mg/m3。本专利技术所提供的低浓度紫外差分气体分析仪的数据处理算法，首先对被测气体光谱数据进行累加求平均降低了系统随机误差，其次用光谱仪暗噪声对光谱数据做了修正补偿，之后采用平滑算法对数据进行预处理，去除了数据的高频噪声，提高了数据的信噪比，得到了光谱的有效数据。再之后对差分吸收光谱的求解过程和不同组分气体的光学参量求解过程进行了优化。通过几组光学参量对应浓度值建立坐标并求出对应拟合曲线，通过上述算法求解被测气体的光学参量对应至拟合曲线中得到被测气体浓度值。本方法提出的分段求解光学参量算法解决了不同气体在吸收光谱有重合区域时测量气体浓度的方法。附图说明图1为本专利技术的流程图；图2为本专利技术提供的光学参量求解流程图；图3为本专利技术提供的一种浓度求解流程图。具体实施方式下面通过实施例来对本专利技术的技术方案作进一步解释，但本专利技术的保护范围不受实施例任何形式上的限制。实施例一图1为本专利技术提供的一种低浓度紫外差分气体分析仪的数据处理算法的流程图。低浓度紫外差分气体分析仪的数据处理算法包括：S10：光谱仪暗噪声累加多次取平均获得光谱仪暗噪声数据；光谱仪暗噪声数据是指检测过程中关闭光源，光谱仪自身输出数据，对这些数据进行处理可获得光谱仪暗噪声数据。具体实施中，暗噪声数据是在光谱仪初始化时得到，处理方式是光谱仪连续输出多组数据，将不同波长处对应强度累加之后除以累加次数即可。累加次数视处理效果而定，数据形式为一维数组，数组内数据个数3694。S11：被测气体光谱数据累加多次取平均获得被测气体源光谱数据被测气体源光谱数据获取时需要将光源打开，气室内通入被测气体，光谱仪输出数据，对这些数据进行处理可获得被测气体光谱数据。具体实施中，被测气体光谱数据是在气室内充满被测气体，且气室温度压力流量达到设定值时，光谱仪连续输出多组数据，将不同波长出对应强度累加之后除以累加次数即可，累加次数应与暗噪声累加次数一致，数据形式为一维数组，数组内数据个数3694。S12：以上述光谱仪噪声数据对上述被测气体源光谱数据进行补偿修正，获得目标光谱数据；具体实施中，目标光谱数据的获取需用被测气体源光谱数据与光谱暗噪声对应波长强度求差即可，差值组成的数列就是目标光谱数据。S13：利用平滑算法对目标数据进行预处理，得到光谱有效数据；具体实施中平滑算法可以选用移动窗口拟合多项式平滑算法或小波平滑算法等可以有效去除数据中存在的噪声来提高光谱的信噪比。移动窗口拟合多项式平滑算法可以选择五点三次平滑算法，在matlab中可用命令y＝smooth(x,span,′sgolay′,degree)实现，其中x是目标数据，span是数据平滑取点数，sgolay指多项式拟合方法，degree指多项式阶次，通过实验在这里span和degree分别取5、3获得的光谱数据更可靠。小波平滑算法可以选择小波DB3分解层2算法，在matlab中可调用wavemenu工具箱实现，选取wavelet1-D目录下导入目标数据，小波类型选取db3，等级取2，分析之后即可获得光谱的有效数据。S14：利用紫外差分吸收光谱法计算上述光谱有效数据对应的被测气体光学参量；将步骤S13获得的光谱有效数据作为差分吸收光谱的输入数据源，可以计算出被测气体的光学参量。对于低浓度紫外差分气体分析仪而言，其光学参量的获取有别于高浓度紫外差分气体分析仪，此处暂不举例说明。S15：根据标准气体浓度与对应光学参量确定的曲线计算被测气体浓度；三组标准气体浓度与对应光学参量可拟合出一个两阶多项式曲线，即y＝a0+a1本文档来自技高网...

【技术保护点】
一种低浓度紫外差分气体分析仪的数据处理方法，其特征在于，包括：光谱仪暗噪音累加多次取平均获得光谱仪暗噪声数据；被测浓度气体光谱数据累加多次取平均获得被测浓度气体源光谱数据；以所述光谱仪暗噪声数据对所述被测气体源光谱数据进行补偿修正，获得目标光谱数据；利用平滑算法对目标数据进行预处理，得到光谱有效数据；利用紫外差分吸收光谱法计算光谱有效数据对应的被测气体光学参量；根据标准气体浓度与对应光学参量确定的曲线分段式计算被测气体浓度值。

【技术特征摘要】
1.一种低浓度紫外差分气体分析仪的数据处理方法，其特征在于，包括：光谱仪暗噪音累加多次取平均获得光谱仪暗噪声数据；被测浓度气体光谱数据累加多次取平均获得被测浓度气体源光谱数据；以所述光谱仪暗噪声数据对所述被测气体源光谱数据进行补偿修正，获得目标光谱数据；利用平滑算法对目标数据进行预处理，得到光谱有效数据；利用紫外差分吸收光谱法计算光谱有效数据对应的被测气体光学参量；根据标准气体浓度与对应光学参量确定的曲线分段式计算被测气体浓度值。2.根据权利要求1所述的数据处理方法，其特征在于，所述光谱仪暗噪音累加多次取平均用于修正测量过程中的随机误差，所述谱仪暗噪音数据对所述被测气体源光谱数据进行补偿修正，获得目标光谱数据具体包括：利用公式得到所述被测浓度气体源光谱数据与所述光谱仪暗噪声数据的差值，即目标光谱数据，其中，IO′(λ)为差值，亦即目标光谱数据；为所述被测浓度气体源光谱数据；为所述光谱仪暗噪声数据；3.根据权利要求1所述的数据处理方法，其特征在于，所述平滑算法包括移动窗口拟合多项式平滑算法或小波平滑算法等可以有效去除数据中存在的噪声来提高光谱的信噪比。4.根据权利要求1所述的数据处理方法，其特征在于，还包括被测气体中不同组分的光学参量获取过程包含数据拟合方法和光学参量计算方法。5.根据权利要求4所述的数据处理方法，其特征在于，所述的数据拟合方法和光学参量计算方法具体包括：截取所述的低浓度气体吸收光谱1...

【专利技术属性】
技术研发人员：郑天策，周艳峰，
申请(专利权)人：西安思坦科技有限公司，
类型：发明
国别省市：陕西,61