用于外推校准光谱的系统和计算机实施的方法技术方案

本申请涉及用于外推校准光谱的系统和计算机实施的方法。本公开涉及一种用于预测校准光谱的计算机实施的方法，该方法包括提供使用与在不同压力下的不同气体种类相对应的历史校准数据训练的机器学习模型的步骤。该计算机实施的方法还包括以下步骤：使用分析仪对在一种压力下的一个气体种类执行校准扫描，并且使用机器学习模型和校准扫描为分析仪生成与在多种压力下的一个或多个气体种类相对应的校准曲线。此后，使用分析仪获得光谱，并且使用该光谱和至少一条校准曲线生成浓度测量。光谱和至少一条校准曲线生成浓度测量。光谱和至少一条校准曲线生成浓度测量。

【技术实现步骤摘要】
用于外推校准光谱的系统和计算机实施的方法


[0001]本公开涉及使用机器学习模型对校准光谱进行预测。

技术介绍

[0002]为了校准分析装置，将已知含量和数量的校准流体通过该装置，以产生已知浓度的测量。如果这些测量与校准流体中的已知量不一致，则相应地对分析装置进行调整。对复杂分析装置(诸如分析仪，或更具体地过程分析仪)的校准会既费时又费力。为了使测量对外部影响和随时间产生的变化具有鲁棒性，在工厂需要校准许多因素。
[0003]例如，使用TDLAS(可调谐二极管激光吸收光谱)分析仪，必须在不同的环境参数(包括压力和温度)下测量目标分析物的光谱和背景气体矩阵的主要成分。最新技术包括假设恒定的装置功能(其允许为每个仪器使用相同的矩阵)，或者为每个单独的仪器测量校准矩阵所需的所有光谱。由于装置之间的差异，前一种使用相同校准矩阵的方法在节省时间和资源的同时会固有地将不确定性引入到测量结果中。在考虑特定装置功能的同时，测量校准矩阵的所有元素的后一种方法确实需要大量的时间和资源。除其它因素外，这两种方法均无法解决现场发生的装置老化问题。

技术实现思路

[0004]一方面，一种用于预测校准光谱的计算机实施的方法包括提供使用与在不同压力下的不同气体种类相对应的历史校准数据训练的机器学习模型的步骤。该计算机实施的方法还包括以下步骤：使用分析仪对在一种压力下的一个气体种类执行校准扫描，以及使用机器学习模型和校准扫描为分析仪生成与在多种压力下的一个或多个气体种类相对应的分析仪的校准曲线。此后，使用分析仪获得光谱，并且使用该光谱和至少一条生成的校准曲线来生成浓度测量。
[0005]另一方面，一种系统包括计算机硬件，该计算机硬件包括至少一个可编程处理器和存储指令的机器可读介质，在至少一个可编程处理器执行所述指令时，所述指令促使计算机硬件执行操作，所述操作包括提供使用与在不同压力下的不同气体种类相对应的历史校准数据训练的机器学习模型。附加操作包括使用分析仪对在一种压力下的一个气体种类进行校准扫描，使用机器学习模型和校准扫描为分析仪生成与在多种压力下的一个或多个气体种类相对应的校准曲线，使用分析仪获得光谱，以及使用该光谱和至少一条生成的校准曲线来生成浓度测量。
[0006]另一方面，一种计算机程序产品，包括对指令进行编码的机器可读存储介质，在一个或多个可编程处理器执行所述指令时，所述指令促使一个或多个可编程处理器执行操作，所述操作包括提供使用与在不同压力下的不同气体种类相对应的历史校准数据训练的机器学习模型。附加操作包括使用分析仪对在一种压力下的一个气体种类进行校准扫描，使用机器学习模型和校准扫描为分析仪生成与在多种压力下的一个或多个气体种类相对应的校准曲线，使用分析仪获得光谱，以及使用光谱和至少一条生成的校准曲线来生成浓
度测量。
附图说明
[0007]在下文中，参考附图中示出的示例性实施例更详细地描述本公开。
[0008]图1a
‑
1d示出多组曲线图，其描绘由分析仪生成的并且指示仪器响应如何随压力变化的校准曲线；
[0009]图2示出用于诸如通过使用来自图1a
‑
1d的曲线图的信息来确定未知样品中物质的浓度的方法步骤的流程图；
[0010]图3a至图3d示出描绘校准曲线的一组曲线图，所述校准曲线包括由分析仪针对多种气体种类在预定数量压力下生成的一组校准曲线；
[0011]图4a至图4d示出描绘校准曲线的一组曲线图，所述校准曲线包括由分析仪针对仅一个气体种类在一个预定压力下生成的校准曲线；以及
[0012]图5示出诸如通过使用来自图3a
‑
3d和/或图4a
‑
4d的曲线图的信息来确定未知样品中物质的浓度的方法步骤的流程图。
具体实施方式
[0013]LAS(光吸收光谱)气体分析仪的工作原理是通过被测气体吸收光。这些分析仪仅需发出光束穿过样品室，然后测量样品吸收了多少特定波长。吸收的光量与吸收光的流体中组分的浓度成正比。应当理解，本公开适用于多种分析仪，包括例如可调谐二极管激光器/量子级联激光器/带间级联激光器(TDL/QCL/ICL)气体分析仪、近红外(NIR)或傅立叶变换红外(FTIR)光谱仪等。
[0014]校准是指调整诸如分析仪之类的测量仪器的精度并且使任何测量不确定性最小化的行为。为了校准分析仪，例如，将已知含量和数量的校准流体通过分析仪，以生成组分浓度的测量。如果这些测量与校准流体中的已知量不一致，则相应地调整过程分析仪。
[0015]校准曲线用于基于已知浓度的样品的先前测量来确定未知物质的浓度。测量的精度和准确性取决于校准曲线。曲线越好，精度越高；曲线越差，精度越差。
[0016]图1a示出包括多条校准曲线12或光谱的曲线图10，校准曲线12或光谱也称为参考曲线，其示出每个气体种类的仪器响应如何随压力变化。根据本公开的示例性实施例，示出了多个曲线图10、20、30和40，每个曲线图分别包含多条(或一组)校准曲线12、22、32和42。每一个曲线图10、20、30和40的每一组示例性校准曲线12、22、32和42都对应于在多种压力下的一个气体种类，正如可以使用分析仪手动产生的。
[0017]例如，图1a的每条校准曲线12都对应于处于多种不同的预定压力之一下的甲烷。图1b的校准曲线22分别对应于处于多种不同预定压力之一下的H2S，图1c的校准曲线32对应于处于多个不同预定压力之一下的CO2，而图1d的校准曲线42对应于处于多种不同预定压力之一下的乙烷。
[0018]尽管在附图中示出了四种不同的气体种类，但是应当理解，本公开可以适用于多种不同的气体种类。例如，本公开可以适用于另外的气体种类，诸如例如硫化氢、乙炔、氨、二氧化碳、水蒸气/水分、氧气、氯化氢、甲烷、一氧化碳、甲醇、乙烷、乙烯、甲基乙炔、丙二烯、氮氧化物和硫氧化物。
[0019]在大多数测量过程中，仪器校准是必不可少的步骤。它包含一组操作，这些操作可以建立测量系统的输出与校准标准的可接受值之间的关系。这通常包含：准备一组标准物，在标准物中包含已知量的目标分析物；测量每种标准物的仪器响应；以及建立仪器响应与分析物浓度之间的关系。然后使用这种关系将对测试样品进行的测量转换为对所存在的分析物的量的估计。
[0020]现在转到图2，示出了局部流程图50。在步骤1，框52处，诸如手动地生成不同气体在各种压力和特定浓度下的一组校准曲线，并且将所述一组校准曲线保存在分析仪的数据存储装置中，诸如图1a、1b、1c和1d所示的那些校准曲线。将在校准期间生成并保存预定数量的校准曲线，以供以后在未知气体样品的实时测量中使用。然而，可以生成更多或更少数量的校准曲线，并且可以结合本公开的教导。
[0021]在步骤2中，当测量未知气体样品的光谱时，将该光谱与多条校准曲线拟合。这些使用的校准曲线中的每一条都代表分析仪对在未知气体样品的特定压力下的一个气体种类的光谱响应。在步骤3处，将代表目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于预测校准光谱的计算机实施的方法，包括：提供使用与在不同压力下的不同气体种类相对应的历史校准数据训练的机器学习模型；使用分析仪对在一种压力下的一个气体种类进行校准扫描；使用所述机器学习模型和所述校准扫描为所述分析仪生成与在多种压力下的一个或多个气体种类相对应的校准曲线；使用所述分析仪获得光谱；以及使用所述光谱和至少一条所生成的校准曲线来生成浓度测量。2.根据权利要求1所述的计算机实施的方法，还包括：为所述分析仪生成与在多种压力下的多个气体种类相对应的校准曲线。3.根据权利要求1所述的计算机实施的方法，还包括：使用所述分析仪在一种压力下执行多次校准扫描，其中，每次所述校准扫描对应于在所述一种压力下的不同气体种类。4.根据权利要求1所述的计算机实施的方法，其中，所述一种气体是硫化氢、乙炔、氨、二氧化碳或水。5.根据权利要求1所述的计算机实施的方法，其中，所述一种气体是氧气、氯化氢、甲烷或一氧化碳。6.根据权利要...

【专利技术属性】
技术研发人员：凯文，
申请(专利权)人：光谱传感器公司，
类型：发明
国别省市：