基于CVAFS法测量火电厂烟气汞浓度的信号处理方法与流程

技术领域：
：本发明涉及一种基于cvafs法测量火电厂烟气汞浓度的信号处理方法，属于信号处理
技术领域：
。
背景技术：
：：汞作为一种剧毒的痕量重金属元素，在环境污染中显示出的潜在持久危害性越来越受到国内外的重视。2011年，我国环保部发布的《火电厂大气污染物排放标准》(gb13223-2011)将汞纳入了控制范畴，规定燃煤电厂汞及其化合物最大排放量为0.05mg/m3，2015年又将此标准提高到0.03mg/m3。虽然目前我国限制新建燃煤电厂，但其仍然是我国发电主力，所以对燃煤电厂汞污染物排放的监测与控制显得尤为重要。目前对烟气汞浓度的监测主要采用在线连续监测系统hg-cem，而在该系统中主要通过冷蒸气原子吸收光谱法(cvaas)和冷蒸气原子荧光光谱法(cvafs)来测定烟气中汞的浓度。其中cvafs是最常用的方法，它是一种特定的基态原子因吸收特定波长的辐射而被激发，激发态原子在去激发过程中以光辐射的形式发射出特征波长的荧光，通过检测器测定原子发出的荧光强度从而实现对元素浓度测定的痕量分析方法。相对于cvaas，cvafs具有灵敏度更高、线性范围更广、检出限更低、光谱干扰更小、设备更简单等优点。目前国外主流汞在线监测仪器有tekran和thermoscientific，其设备价格十分昂贵，相关技术保密。而国内烟气汞在线监测技术研究起步较晚，不够成熟，可靠性和准确性都有待提高。为了制造出适应我国燃煤电厂运行特点、测量精度高、价格低廉和具有我国独立的知识产权的汞形态/浓度在线监测仪器。本发明从汞分析仪的输出电压信号入手，针对含有噪声的电压信号进行软件滤波处理，从而保证最终获得的汞浓度值准确可靠。汞分析仪测定烟气汞浓度的基本原理为，汞冷蒸气在光源的照射下被激发，被激发后的汞原子返回到基态时会发出荧光，该荧光强度通过光电倍增管来检测，进而确定被测汞浓度。因此，要保证测定的浓度准确性及精确性，必须要对光电倍增管及其相关电路的特性及其噪声进行分析。郭从良等在分析光电倍增管总体噪声的基础上建立了光子噪声、光阴极噪声、二次发射噪声、打拿极串噪声和整体噪声的数学模型，为光电倍增管的去噪分析和相关匹配电路的设计提供了理论基础。针对上述噪声，目前主要采取如下步骤来降低该噪声，首先规范光电倍增管的设计制造以及工作条件，其次设计一系列电路来对光电倍增管输出的电压信号进行硬件滤波，其最终处理得到的信号较为理想。通过对上述方法分析，其并未涉及软件滤波，而且在硬件电路的设计上相对复杂繁琐。本发明将多模型扩展卡尔曼滤波方法应用于该非线性系统中，为汞分析仪的信号处理提供新方法和新思路。在对信号进行滤波处理之前首先要获得相应的状态空间方程，而目前常用的经验模型为高斯型，通过将此模型与实际曲线对比发现该模型的误差较大，这势必会影响最终的滤波效果。技术实现要素：本发明的目的是针对上述存在的问题，提供一种基于cvafs法测量火电厂烟气汞浓度的信号处理方法，采用多模型卡尔曼滤波算法来进行滤波处理，从而保证最终获得的汞浓度值准确可靠。上述的目的通过以下技术方案实现：基于cvafs法测量火电厂烟气汞浓度的信号处理方法，该方法包括：汞分析仪输出电压信号的获取；电压信号数据的预处理；电压曲线进行分段多项式拟合；针对拟合出的多项式建立对应的状态空间方程；对于含噪信号进行多模型扩展卡尔曼滤波处理。进一步地，所述汞分析仪输出电压信号的获取来自于用于检测痕量汞所产生的荧光强度的光电倍增管的硬件滤波处理后的输出电压信号。进一步地，所述电压信号数据预处理包括如下步骤：s11、从获取的几个波峰中，随机找一个峰，在满足香农采样定理的前提下，获取电压样本值；s12、根据获取的电压样本值绘制出对应的电压曲线。进一步地，所述电压曲线分段多项式拟合包括如下步骤：s21、根据电压曲线的特性，对电压曲线进行分段处理，分界点为峰值处，将峰分为上升峰和下降峰；s22、针对上升峰和下降峰分别进行多项式拟合，拟合的阶数从1到6，通过对拟合曲线函数的复杂度及拟合精度二者综合考虑，确定恰当的阶数，其中多项式拟合方法通过matlab中polyfit函数来实现，用均方根误差rmse和平均绝对误差mae来检验整体的拟合效果，rmse和mae的表达式如下：其中，n为样本个数，yi为第i个拟合后的电压值，为第i个样本电压真实值。进一步地，所述建立系统状态空间方程包括如下步骤：s31、根据拟合的多项式，确定状态空间方程中的状态量、状态矩阵、观测量和观测矩阵；s32、通过对汞分析仪进行分析，确定电压信号中噪声的特性，从而在电压信号中添加此类噪声。进一步地，所述多模型扩展卡尔曼滤波具体是针对所建立的两个状态空间方程，采用两个原理相同的扩展卡尔曼滤波算法，通过均方根误差rmse和平均绝对误差mae来检验整体的滤波效果，rmse和mae的表达式如下：其中，n为样本个数，zi为第i个滤波处理后的电压值。有益效果：与现有技术相比，本发明具有以下有益效果：1.适用于机理模型难以确定的系统；2.分段多项式拟合的效果不仅高于整体多项式拟合，而且还高于现有的经验模型；3.分段多项式拟合不仅简单，而且任意阶导数可求，与扩展卡尔曼滤波的切合度高，不会出现在求取观测矩阵时其雅可比矩阵不存在的问题；4.相比于惯性滤波，把多模型扩展卡尔曼应用于汞分析仪信号处理中，其滤波效果更好。5.相对于常规的硬件滤波方法，在满足一定滤波要求的条件下，本发明设计的软件滤波方法更简单，更方便，更容易实施。附图说明图1来自于tekran2600mercuryanalysissystem中tekranmercurydatasystem中给出的某时段监测燃煤电厂烟气中汞含量时产生的处理后的波峰图；图2为本发明电压波峰在matlab中的仿真曲线；图3为本发明的分段多项式与整体多项式、经验模型的拟合效果对比图；图4为本发明的多模型卡尔曼滤波的流程图；图5为本发明的多模型扩展卡尔曼滤波对含噪电压信号的滤波效果图；图6为本发明的惯性滤波对含噪电压信号的滤波效果图。具体实施方式下面结合具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。下面通过结合实施例和说明书附图对本发明作进一步的说明。一种基于cvafs法测量火电厂烟气汞浓度的信号处理方法，包括汞分析仪输出电压信号的获取；电压信号数据的预处理；电压曲线进行分段多项式拟合；针对拟合出的多项式建立对应的状态空间方程；对于含噪信号进行多模型扩展卡尔曼滤波处理。实施例1：所述汞分析仪电压信号来自于tekran2600mercuryanalysissystem中tekranmercurydatasystem中给出的某时段监测燃煤电厂烟气中汞含量时汞分析仪产生的硬件滤波处理后的波峰，如图1所示。进一步地，所述电压信号数据预处理包括如下步骤：s11、从获取的几个波峰中，随机找一个峰，本发明取第二个峰，在满足香农采样定理的前提下，获取23组电压值；s12、将获取的23组电压值导入matlab中，绘制出如图3所示的电压峰曲线。进一步地，所述电压曲线分段多项式拟合包括如下步骤：s21、根据电压曲线的特性，对电压曲线进行分段处理，分隔点为峰值处，这样将峰分为上升峰和下降峰；s22、针对上升峰和下降峰分别进行多项式拟合，拟合的阶数从1到6，通过对拟合曲线函数的复杂度及拟合精度二者综合考虑，确定恰当的阶数。其中多项式拟合方法通过matlab中polyfit函数来实现。本发明确定的上升峰和下降峰的拟合多项式的阶数均为4阶，记上升峰和下降峰拟合多项式分别为ya和yb，具体表达式为：ya＝a1x4+a2x3+a3x2+a4x+a5yb＝b1x4+b2x3+b3x2+b4x+b5分段多项式拟合效果图如图4所示，分段多项式与整体多项式、经验模型的拟合的均方根误差rmse和平均绝对误差mae如表1所示。表1拟合效果误差对比拟合效果衡量标准分段拟合整体拟合经验模型rmse0.74301.43478.2549mae0.54471.02534.7585从表1可以看出：相对于整体拟合和经验模型，分段拟合的rmse和mae最小，即拟合效果最好。进一步地，所述建立系统状态空间方程包括如下步骤：s31、根据拟合的多项式，确定状态空间方程中的状态量、状态矩阵、观测量和观测矩阵。其中状态量分别为xa＝[a1,a2,a3,a4,a5]t，xb＝[b1,b2,b3,b4,b5]t；状态矩阵φ分别为：观测量分别为za＝a1x4+a2x3+a3x2+a4x+a5，zb＝b1x4+b2x3+b3x2+b4x+b5；观测矩阵分别为：s32、通过对汞分析仪进行分析，确定电压信号中噪声的特性，确定系统噪声和观测噪声，从而在电压信号中添加此类噪声。针对观测噪声，根据郭从良等建立的光电倍增管相关噪声的数学模型，可以把汞分析仪电压信号中存在的噪声近似为高斯白噪声。本发明在matlab仿真中添加的是方差为5的高斯白噪声。而由于一旦荧光被检测到，其状态就已经确定，且理论模型不会随时间变化，所以此处系统噪声为0。通过上述两个步骤，最终获得的两个状态空间方程为：(1)上升峰系统方程为：观测方程为：za(k)＝a1(k)x4+a2(k)x3+a3(k)x2+a4(k)x+a5(k)+v(k)，(2)下降峰系统方程为：观测方程为：zb(k)＝b1(k)x4+b2(k)x3+b3(k)x2+b4(k)x+b5(k)+v(k)，其中w为0，v为均值为0，方差为5的高斯白噪声。进一步地，所述多模型扩展卡尔曼滤波具体是针对所建立的两个状态空间方程，采用两个原理相同的扩展卡尔曼滤波算法进行滤波处理，具体滤波流程如图4所示，该图中n为采样点的个数，为了充分体现滤波效果，本采样点个数取200个，其中上升峰为50个，下降峰为150个。上升峰扩展卡尔曼滤波的循环次数为6000，下降峰扩展卡尔曼滤波的循环次数为5000。多模型扩展卡尔曼滤波效果图如图6所示。为了验证本发明算法的优越性，对含有相同噪声的电压信号进行惯性滤波处理，惯性滤波系数为0.5，其滤波效果图如图6所示。多模型扩展卡尔曼滤波与惯性滤波后的均方根误差rmse和平均绝对误差mae如表2所示。表2滤波效果对比滤波效果衡量标准多模型扩展卡尔曼滤波惯性滤波rmse0.75021.8308mae0.60561.4633从表2可以看出：基于分段多项式模型的多模型扩展卡尔曼滤波后的rmse和mae均小于惯性滤波，说明基于分段多项式模型的多模型扩展卡尔曼滤波效果更好。当前第1页12