一种基于单一组分吸收光谱的多组分浓度分布的估计方法技术

本发明专利技术提供一种基于单一组分吸收光谱的多组分浓度分布的估计方法，该方法以燃烧的数值仿真结果为基础，结合神经网络算法，获得一个从穿过待测区域的多条激光路径上单一组分的吸收谱信息到该区域待测组分浓度分布的网络模型，从而根据燃烧过程单一组分在多角度下的激光吸收光谱信息估计其余组分在被测区域的浓度分布。本发明专利技术的效果是在吸收信息有限的情况下，利用单一组分在多角度下的吸收谱信息实现对待测区域中多组分浓度分布的估计，有效减少了测量时的数据量和计算量，可以根据一种易测组分的吸收谱信息估计燃烧场中其余组分的浓度分布，避免了有些气体分子吸收谱信息获取困难导致信息缺失的问题，具有广阔的应用前景。

An estimation method of multicomponent concentration distribution based on single component absorption spectrum

【技术实现步骤摘要】
一种基于单一组分吸收光谱的多组分浓度分布的估计方法
本专利技术属于激光光谱
，是一种基于数值仿真和神经网络的单一组分激光吸收光谱多种组分浓度估计方法。
技术介绍
激光吸收光谱技术是从上世纪七十年代发展起来的一种燃烧场参数测量技术，具有非侵入性、测量速度快、灵敏度高等优点。特别是随着激光器加工技术的发展，窄带宽、单色性、高功率激光器问世，可实现对吸收光谱谱线的精确扫描，激光吸收光谱的测量精度得到了有效的提高，已被广泛应用于航空航天发动机检测、汽车发动机诊断、燃煤锅炉的燃烧诊断、微重力燃烧诊断、痕量气体探测、环境保护与污染排放监测等方面。在利用激光吸收光谱技术对燃气组分浓度进行测量时，为满足测试不同燃气组分的需求，可以找到目标组分的某一强跃迁对应的谱线，并根据谱线定制不同波长的激光器，采用波分复用的方法，可以实现温度和多组分气体浓度的同时测量。R.M.Mihalcea等研究人员于1997年在《应用光学》(Appliedoptics)第36卷第33期8745-8752页发表的题为《用于测量燃烧流中CO、CO2和CH4的二极管激光传感器》本文档来自技高网...

【技术保护点】
1.一种基于单一组分吸收光谱的多组分浓度分布的估计方法，其特征在于，利用激光吸收光谱技术测量气体浓度，控制可调谐二极管发射一束涵盖测量气体特征吸收频率的扇形激光束，激光通过待测空间时被相应组分气体吸收后被多个光电探测器接收，利用多个角度的扇形激光束可以得到吸收组分在多条激光路径上的吸收谱信息，并结合数值仿真得到的燃烧场参数分布，训练神经网络模型，实现根据燃烧过程中单一组分在多角度下的激光吸收光谱信息对其他组分的浓度分布的估计。/n

【技术特征摘要】
1.一种基于单一组分吸收光谱的多组分浓度分布的估计方法，其特征在于，利用激光吸收光谱技术测量气体浓度，控制可调谐二极管发射一束涵盖测量气体特征吸收频率的扇形激光束，激光通过待测空间时被相应组分气体吸收后被多个光电探测器接收，利用多个角度的扇形激光束可以得到吸收组分在多条激光路径上的吸收谱信息，并结合数值仿真得到的燃烧场参数分布，训练神经网络模型，实现根据燃烧过程中单一组分在多角度下的激光吸收光谱信息对其他组分的浓度分布的估计。


2.按照权利要求1所述的一种基于单一组分吸收光谱的多种组分浓度分布的估计方法，其特征在于该方法包括以下步骤：
步骤一、采用计算流体力学软件对给定燃烧器的预混燃烧火焰进行数值模拟，针对具有对称性的预混火焰结构，燃烧区域的几何模型可以简化为二维模型进行计算，首先对火焰纵截面建立二维的几何模型，划分成M×V个网格，出口边界设置为压力出口，结合层流有限速率化学反应模型和详细的化学动力学反应机理进行离散数值计算，得到待测区燃烧参数，包括燃烧场的温度、压力、吸收组分以及待测组分浓度的二维分布，改变燃气入口处的当量比，获取E组工况下该给定燃烧器预混燃烧待测区每个网格上的温度、压力、吸收组分以及待测组分的浓度二维分布信息；
步骤二、根据步骤一中得到的燃烧场参数分布，记录一组火焰在不同高度的燃烧参数，包括每个网格中的温度、压力，吸收组分，如水蒸气分子，以及待测组分，如CO2、NOX、OH自由基等组分的浓度分布，每个工况下记录H组，共N组数据，N＝EH，由于火焰结构的对称性，被测区域中燃烧场参数在一个火焰横截面上的二维分布可以通过该截面上任意一条路径上燃烧参数的旋转得到，故对每组数据中M个网格上的参数进行处理，可以得到N组截面上M2个网格处的燃烧参数分布；结合激光器模型，得到吸收组分在多个角度下的吸收谱，对于G角度激光器，每个视角发射一束涵盖频率为υ1、v2的扇形激光束，每个扇形激光束穿过感兴趣区域并被D个光电探测器接收，由G个视角发出的扇形激光束共可获得2Y个投影值，即2Y个吸收组分吸收率的积分吸收面积这里Y＝GD；
步骤三、为了提高吸收谱的利用率，根据吸收组分多角度吸收谱信息估计被测区域中待测组分的浓度分布Xtest,j(j＝1,2,…,M2)，以上述步骤中得到的N个截面上，G个角度下由Y条激光获得的投影值作为神经网络的输入，对应N个截面上待测组分的浓度分布Xtest,j作为神经网络的对应输出，训练误差反向传播神经网络，第k组，k＝1,2,…,N的输入、输出分别为：
Ak＝[Ak_1…Ak_YAk_Y+1…Ak_2Y](1)



Ak_1…Ak_Y是第k组输入样本中，中心频率为v1在Y条激光路径上的积分吸收率，Ak_Y+1…Ak_2Y是第k组输入样本中，中心频率为v2在Y条激光路径上的积分吸收率，表示被测区域中M2个网格上待测组分的浓度；
根据问题的复杂性初始化神经网络，设定网络的深度Q，选择常用的三层神经网络，即Q＝2，其中m0是输入层的节点数目，m1是第一个隐含层的节点数目，m2输出层的节点数目；随机分配每一层的权值W和阈值β，其中：



其中a、b、c分别表示输入层、隐含层、输出层的节点编号，w1_a,b表示输入层第a个节点到隐含层第b个节点的权值，其中w2_b,c表示隐含层第b个节点到输出层第c个节点的权值，β1_b、β2_c分别表示隐含层第b个节点和输出层第c个节点的阈值；
选择神经网络隐含层的激励函数f，对于常用的Tan-Sigmoid函数，...

【专利技术属性】
技术研发人员：曹章，徐立军，杨亚如，高欣，陈麒屾，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11