用于废气处理的气体检测方法、检测装置及应用制造方法及图纸

本发明专利技术属于废气检测技术领域，公开了用于废气处理的气体检测方法、检测装置及应用。所述装置包括：缓冲池、除油池、事故池、总缓冲池和提升泵站、中和混凝和絮凝池、DAF气浮池和污泥储存间。还包括：炼铁焦油废气净化装置，用于对在煤焦油罐及生产车间碾泥机产生大量的刺激性焦油废气进行废气净化；还包括：污水处理站密封除臭装置，通过不锈钢金字塔型密封盖板结构，用于收集臭气，以及通过净化除臭设备处理，经烟囱有组织排放。本发明专利技术通过用于废气处理的气体检测装置对产生的硫化氢、硫醇、硫醚、有机废气进行了准确检测以及去除。有机废气进行了准确检测以及去除。有机废气进行了准确检测以及去除。

【技术实现步骤摘要】
用于废气处理的气体检测方法、检测装置及应用


[0001]本专利技术属于废气检测
，尤其涉及用于废气处理的气体检测方法、检测装置及应用。

技术介绍

[0002]现有技术在制药生产过程中，产生了一定量的废水，废水经过污水站的回收净化处理时，逸散出难闻异味。主要产生异味的环节出现在以下的废水处理工艺，由于废水处理采用的是A/O工艺集中处理，部分调节池、中和池、污泥沉淀池以及兼氧池会有部分废气散逸。对周边生活环境造成不良影响，因此对该废气工况做出净化处理方案和提供净化处理设施具有实际意义。
[0003]通过上述分析，现有技术存在的问题及缺陷为：现有技术废气处理排放标准达标效果差，处理成本高。

技术实现思路

[0004]为克服相关技术中存在的问题，本专利技术公开实施例提供了用于废气处理的气体检测方法、检测装置及应用。
[0005]所述技术方案如下：用于废气处理的气体检测方法，包括：通过用于废气处理的气体检测装置对产生的硫化氢、硫醇、硫醚、有机废气进行检测。
[0006]在一个实施例中，废气处理的气体检测装置对产生的硫化氢、硫醇、硫醚、有机废气进行处理中，产生的废气通过碱喷淋处理、UV光催化氧化后排放。
[0007]在一个实施例中，所述通过用于废气处理的气体检测装置对产生的硫化氢、硫醇、硫醚、有机废气进行检测具体包括以下步骤：
[0008]S1，利用神经网络对含有废气信号的参考通道中废气超标信号进行提纯，并利用误差调整滤波器对反射通道中的废气超标信号进行自适应抑制；<br/>[0009]S2，利用解耦反射废气实时含量网络对废气信号进行预测，将经过废气超标信号抑制后的反射通道信号输入到解耦反射废气实时含量网络中，并提取解耦反射废气实时含量网络的预测值与输入值之间的差值；
[0010]S3，将提取到的差值进行归一化后输入到已训练的多废气种类感应器中，进行反射信号的检测。
[0011]在步骤S1中，利用神经网络对参考通道中的废气超标信号进行提纯，并利用误差调整滤波器对监测通道中的废气超标信号进行抑制，如下：
[0012]神经网络运算模型为：
[0013][0014]其中，为废气信号序列，ω
i
为废气实时含量的权值，k为输入节点的长度，N为废气实时含量调整神经元的个数，τ为废气实时含量调整长度；x表示废气超标信号，i表示
神经元个数平均数值；
[0015]参考通道中废气超标信号x(t)表示为：
[0016]x(t)＝rs(t)+c(t)
[0017]式中，x(t)为废气超标信号，r为废气超标信号的幅度，s(t)为废气超标信号；c(t)表示服从K分布的废气信号；
[0018]监测通道中的反射信号z(t)表示为：
[0019][0020]式中，z(t)为反射信号，r'为废气实时含量反射信号的幅度，c'(t)为服从K分布的废气反射信号，f
d
为废气实时含量反射信号相对废气超标信号的差值，Ω为监测通道中的废气超标信号幅度。j2πf
d
t表示废气实时含量反射信号相对废气超标信号的差值中处于j状态废气含量长度值，t表示废气实时含量长度，e表示反射系数。
[0021]在步骤S1中，利用误差调整滤波器对监测通道中的废气超标信号进行抑制具体包括：
[0022](1)利用神经网络对参考通道中的废气超标信号进行提纯，首先确定废气实时含量调整神经元的个数N与废气实时含量调整长度τ，输入节点的长度为K，输出节点的长度为L，
[0023](2)将废气信号序列c(k)添加在神经网络的输入端，通过(2)将废气信号序列c(k)添加在神经网络的输入端，通过计算分层废气实时含量S，计算分层废气实时含量S，从而计算输出权重其中，y为输出的废气反射信号序列，为Moore
‑
Penrose广义逆矩阵，使所有废气实时含量的权重加权和近似网络输出，从而完成对网络中权重的训练；T表示某一时段；
[0024](3)将参考通道接收到的信号x(k)添加在神经网络的输入端，通过对废气实时含量的权重加权和在输出端得到预测的废气信号序列量的权重加权和在输出端得到预测的废气信号序列此时将参考通道接收到的信号x(k)与废气信号序列进行对消，得到对消后的信号该信号反映了废气超标信号的波动情况，提取出的废气超标信号为x
d
(k)＝sgn[x'(k)]，其中sgn[]为符号函数；[x'(k)]表示对消后的信号集合；
[0025](4)根据误差调整滤波器，进行废气超标信号自适应抑制后的监测通道信号z(k)只包含废气实时含量反射信号和废气信号，z(k)表示为；
[0026][0027]其中，c'(k)为预测的废气反射信号序列。τ
k
表示在输入节点的长度k中废气实时含量调整长度。
[0028]在步骤S2中，利用解耦反射废气实时含量网络对废气信号进行预测，具体步骤如下：
[0029]根据数据量的设定确定神经元的数量，此时，输入节点的长度为K，输出节点的长度为L，按照零均值独立均匀同分布原则，在区间[
‑
a,a]上生成输入权重矩阵W
in
和连接权谱
矩阵W'，计算W'的连接权谱半径ρ
max
＝max{abs(W'的特征值)}，得到循环权重矩阵W＝m
·
(W'/}ρ
max
|)，m为输入单元尺度；其中，反射废气实时含量网络的性能由分层的各个参数确定，即分层规模N、分层输入单元尺度IS、分层稀疏程度SD、分层内部链接权谱半径SR。
[0030]在一个实施例中，将抑制后的监测通道信号z(k)添加在解耦反射废气实时含量网络的输入端，计算新的网络废气实时含量，然后计算网络输出，其中输出方程为：
[0031]y(n)＝f
out
(W
out
x(n))
[0032]其中，y(n)为网络输出，W
out
为级联输出矩阵，矩阵大小为：L
×
(K+N)；
[0033]通过输出方程在输出端得到预测的废气反射信号序列计算输入信号和输出信号的对消信号将z'(k)作为检测量用于检测反射信号；f
out
表示输出的废气实时含量反射信号相对废气超标信号的差值，x(n)表示n预测段中废气超标信号；
[0034]在步骤S3中，将提取到的差值进行归一化后输入到已训练的多废气种类感应器中，进行反射信号的检测，具体包括：
[0035]该多废气种类感应器通过多层神经元进行预训练，并使对网络中的权值和偏置进行微调；
[0036]首先确定网络的输入层，隐含层和输出层，给定初始输入，采用无监督方式训练堆叠稀疏调整器，减小重构误差达到设定值，完成对调整器的初始化；
[0037]然后采用有监督的方式训练多层感知机的参数，调整器的输出为：
[0038]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于废气处理的气体检测方法，其特征在于，该气体检测方法包括：通过用于废气处理的气体检测装置对产生的硫化氢、硫醇、硫醚、有机废气进行检测。2.根据权利要求1的用于废气处理的气体检测方法，其特征在于，废气处理的气体检测装置对产生的硫化氢、硫醇、硫醚、有机废气进行处理中，产生的废气通过碱喷淋处理、UV光催化氧化后排放。3.根据权利要求1的用于废气处理的气体检测方法，其特征在于，所述通过用于废气处理的气体检测装置对产生的硫化氢、硫醇、硫醚、有机废气进行检测具体包括以下步骤：S1，利用神经网络对含有废气信号的参考通道中废气超标信号进行提纯，并利用误差调整滤波器对反射通道中的废气超标信号进行自适应抑制；S2，利用解耦反射废气实时含量网络对废气信号进行预测，将经过废气超标信号抑制后的反射通道信号输入到解耦反射废气实时含量网络中，并提取解耦反射废气实时含量网络的预测值与输入值之间的差值；S3，将提取到的差值进行归一化后输入到已训练的多废气种类感应器中，进行反射信号的检测。4.根据权利要求3的用于废气处理的气体检测方法，其特征在于，在步骤S1中，利用神经网络对参考通道中的废气超标信号进行提纯，并利用误差调整滤波器对监测通道中的废气超标信号进行抑制，如下：神经网络运算模型为：其中，为废气信号序列，ω
i
为废气实时含量的权值，k为输入节点的长度，N为废气实时含量调整神经元的个数，τ为废气实时含量调整长度；x表示废气超标信号，i表示神经元个数平均数值；参考通道中废气超标信号x(t)表示为：x(t)＝rs(t)+c(t)式中，x(t)为废气超标信号，r为废气超标信号的幅度，s(t)为废气超标信号；c(t)表示服从K分布的废气信号；监测通道中的反射信号z(t)表示为：式中，z(t)为反射信号，r'为废气实时含量反射信号的幅度，c'(t)为服从K分布的废气反射信号，f
d
为废气实时含量反射信号相对废气超标信号的差值，Ω为监测通道中的废气超标信号幅度，j2πf
d
t表示废气实时含量反射信号相对废气超标信号的差值中处于j状态废气含量长度值，t表示废气实时含量长度，e表示反射系数。5.根据权利要求4的用于废气处理的气体检测方法，其特征在于，在步骤S1中，利用误差调整滤波器对监测通道中的废气超标信号进行抑制具体包括：(1)利用神经网络对参考通道中的废气超标信号进行提纯，首先确定废气实时含量调整神经元的个数N与废气实时含量调整长度τ，输入节点的长度为K，输出
节点的长度为L，(2)将废气信号序列c(k)添加在神经网络的输入端，通过(2)将废气信号序列c(k)添加在神经网络的输入端，通过计算分层废气实时含量S，算分层废气实时含量S，从而计算输出权重其中，y为输出的废气反射信号序列，为Moore
‑
Penrose广义逆矩阵，使所有废气实时含量的权重加权和近似网络输出，从而完成对网络中权重的训练；T表示某一时段；(3)将参考通道接收到的信号x(k)添加在神经网络的输入端，通过对废气实时含量的权重加权和在输出端得到预测的废气信号序列权重加权和在输出端得到预测的废气信号序列此时将参考通道接收到的信号x(k)与废气信号序列进行对消，得到对消后的信号该信号反映了废气超标信号的波动情况，提取出的废气超标信号为x
d
(k)＝sgn[x'(k)]，其中sgn[]为符号函数；[x'(k)]表示对消后的信号集合；(4)根据误差调整滤波器，进行废气超标信号自适应抑制后的监测通道信号z(k)只包含废气实时含量反射信号和废气信号，z(k)表示为；其中，c'(k)为预测的废气反射信号序列，τ
k
表示在...

【专利技术属性】
技术研发人员：余雪，李明宇，郝伟，
申请(专利权)人：湖北嘉泰盛环保科技有限公司，
类型：发明
国别省市：