一种超连续光谱的光纤多点位远程测量气体装置及测量方法与流程

文档序号:37358856发布日期:2024-03-22 10:12阅读:13来源:国知局
一种超连续光谱的光纤多点位远程测量气体装置及测量方法与流程

本发明涉及一种超连续光谱的光纤多点位远程测量气体装置及测量方法,属于矿井激光多组分气体测量。


背景技术:

1、矿井火灾是煤矿主要灾害之一,煤在氧化的情况下会产生乙烯、乙炔、甲烷、一氧化碳、二氧化碳等多组分气体,当煤炭氧化到一定温度时,容易发生自然着火的现象,从而需要进一步进行对采空区进行安全处理。因此,对于采空区自燃隐患预测主要采取气体指标分析预报办法,主要气体包括一氧化碳、甲烷、二氧化碳、乙炔、乙烯等多组分气体。目前对以上气体测量的探测技术手段是定期在采煤面回风隅角及回风流等地点人工取样,然后进行气体分析,从而判断采空区是否发生自然发火隐患。这样的分析技术存在着样本不能实时测量、工作量大等缺点。尽管市面以及相关专利出现了激光束管等多组分气体测量系统,但目前采用的技术是采用气体原位抽气方式进行测量。该技术的主要缺点在于系统的光机电部分都在煤矿采空区域,容易产生爆炸,且目前的气体分析测量系统都采用一个气体吸收池,从而造成了部分气体测量的精度低。

2、采用光纤技术与半导体激光吸收光谱技术结合可以实现一种无源的点位多组分气体测量。由于所采用的半导体激光器能量比较弱,且测量波长单一,对于多点位系统测量装置来说,需要多个激光器同时工作,易导致时间周期测量低,系统复杂等问题。本发明采用超连续光谱激光光源,并结合超连续光谱解调测量技术实现一种多点位远程测量气体装置。


技术实现思路

1、针对上述问题,本发明提供了一种超连续光谱的光纤多点位远程测量气体装置,结构简单,通过单光源能够测量多点位的多组分气体成分及浓度。

2、本发明的技术方案如下:

3、一种超连续光谱的光纤多点位远程测量气体装置,包括光源、光纤分束器、光纤合束器、迈克尔逊干涉仪、探测器和数据采集控制卡,光源发出的激光分为多路,每路依次通过准直透镜a、半波片、偏振镜进入到光学吸收池,经过多次反射后,从光学吸收池的入射窗口反射输出,经过准直透镜和光纤合束器;

4、多路激光通过光纤合束器耦合到单模光纤里,经准直透镜二耦合到迈克尔逊干涉仪内,在探测器上实现干涉条纹,经数据采集控制卡采集及数据分析,获得多种气体的浓度。

5、优选的,迈克尔逊干涉仪包括分束器、动镜和反射镜。

6、采用动镜的目的是实现从吸收池反射回来的光在探测器上形成干涉条纹,从而进一步解调信号。当动静反射回来的光与反射镜的光之间的距离相差光的波长时候,两个光符合光的干涉条件,就会产生干涉条纹。迈尔逊干涉仪的主要作用就是实现宽光谱信号的信号解调,同时提高所测量光信号的精度。

7、优选的,所述光源为光学频率梳光源,能够输出高功率、宽光谱波段激光,光源能量为300mw以上。

8、优选的,光源发出的激光分为四路(理论上可以实现四路以上),由于后面的光学吸收池的损耗大约在70mw左右,每路功率应保证75mw以上。

9、优选的,多种气体包括二氧化碳、甲烷、乙炔、乙烯、一氧化碳。

10、优选的,所述光纤分束器和光纤合束器均与数据采集控制卡连接。

11、一种上述的超连续光谱的光纤多点位远程测量气体装置的测量方法,光源发出的激光分为四路,每路依次通过准直透镜a,通过半波片实现垂直偏振,偏振激光经过偏振镜进入到光学吸收池,经过多次反射后,从光学吸收池的入射窗口反射输出,经过准直透镜和光纤合束器;四路激光通过光纤合束器耦合到单模光纤里,经准直透镜二耦合到一个微型的迈克尔逊干涉仪内,其中一路光经过分束器投射到动镜,另一路光经分束器反射到反射镜,经反射的两束光在探测器上实现干涉条纹,经数据采集控制卡采集及数据分析,获得多种气体的浓度;

12、数据采集控制卡同时控制光纤分束器和光纤合束器,当需要测量某一光学吸收池内气体浓度时,数据采集控制卡控制光纤分束器和光纤合束器,以采集该光学吸收池对应光路的干涉条纹信号,并在数据采集控制卡内完成信号调解,得到每种气体浓度信息;

13、依次进行其他三路中光学吸收池内的每种气体浓度信息。

14、本发明不同同时测量四路中4个光学吸收池的信息,因为迈克尔逊干涉仪只有一个,不能同时进行信号解调,但是可以依次测量四路中光学吸收池的气体种类和气体浓度信息,如果只需要测量光学吸收池a的气体浓度时,数据采集控制卡会输送相应命令(如001)给光纤分束器,如果测量光学吸收池b时,则发送对应命令(如002等),其他依次类推。

15、优选的,数据采集控制卡信号调解的过程可以通过傅里叶变换数据处理分析实现,具体为:

16、s1:光学频率梳光源经光学吸收池,在探测器上获得干涉条纹信号s,该干涉条纹信号s携带有光学吸收池的光谱信息;

17、s2:对干涉条纹信号s进行傅里叶变换,得到其中表示f表示光学频率,t表示时间;

18、s3:利用最小二乘法运算,对fs(f)信号的基底进行选择,该基底信号,即为光学吸收池内无气体时,迈克逊干涉仪所测量的干涉条纹信号,基底信号记为g(f);

19、s4:根据两个信息相减获得多组分气体浓度信息为fs(f)-g(f),利用气体分子所对应波长的吸收截面大小,获得每种气体浓度信息,具体为:设定s(i)为气体分子的吸收截面,激光在光学吸收池内所经过的距离为d,则每种气体浓度为(fs(f)-g(f))/s(i)*d。

20、每种气体分子的所对应的吸收截面s(i),可以从hitran数据库中获得。

21、在信号调解时,由于气体之间可能会相互干涉,导致上述傅里叶计算结果的精度不高,为了提高计算精度,本发明公开了一种基于神经网络的计算方法,用于精确计算多种混合气体中的各气体浓度。

22、作为本发明的进一步改进,数据采集控制卡信号调解过程采用神经网络实现,基于神经网络的气体浓度识别方法包括:

23、(1)获取数据集,并分为训练集、验证集和测试集,训练集和验证集用来做模型架构调优,然后训练好的模型在测试集上验证,测试集适用于完全未验证的数据;

24、(2)构建神经网络的广义的损失函数,实现识别多种气体种类和浓度反演和求解两个任务,使用贝叶斯公式对神经网络的层数、训练次数、学习速率进行搜索,并对模型进行优化;

25、(3)采用优化后的神经网络模型对光学吸收池内的气体进行种类和气体浓度识别。

26、进一步的,步骤(1)中,根据一氧化碳、甲烷、二氧化碳、乙炔、乙烯五种气体,从hitran数据库下载相应的吸收光谱作为数据集,设计整个混合气体光谱信息表达式sb可以合理地表示为第i种气体组分的吸收光谱αi加上噪声项n的总和:

27、

28、其中n为传感器系统中包含的各种噪声的总和,包括热噪声、散弹噪声、干涉条纹噪声等;n为待测气体种类数,αi为第i种气体组分的吸收光谱,gi代表为第i种气体,ci为第i种气体的浓度;

29、步骤(2)中,广义的损失目标函数为:

30、

31、其中,为气体组分识别损失项,由二元交叉熵损失构造,构造函数如下:

32、

33、其中和分别表示第j个谱段中第i种气体组分的真实存在概率和预测存在概率,m、n分别代表损失函数矩阵的横向量和纵向量。为气体浓度反演和求解项,为均方误差损失函数;λ表示缩放因子;w表示可训练参数矩阵;

34、当达到最大迭代次数时,训练完成,本发明中最大迭代次数为500;

35、使用贝叶斯公式(bayesian optimization,bo)对批量大小、训练次数、学习速率以及层数进行扫描搜索,层数从1到5不等,神经元个数从2到1024不等,然后根据最终所计算的结果调节层数、训练次数、以及学习速率,最终获得最优的模型。

36、优化后的神经网络为三隐层结构,第一个隐层包括96个神经元,第二个隐层包括74个神经元,最后一个隐层包括211个神经元。

37、根据上述的训练集、损失目标函数、神经网络架构进行拟合运算,最终获得不同成分气体的浓度。

38、本发明所使用的器件型号如下:

39、光学频率梳光源:menlosystem激光输出能量大于300mw,输出光谱1500-1700nm,完全覆盖乙烯、乙炔、一氧化碳,二氧化碳、甲烷等多种气体。

40、光纤分束器:采用亿欧光电mems光纤分路器;

41、准直透镜:采用thorlabs,焦距10mm;

42、半波片:尺寸25.4mm,thorlabs公司;

43、光学吸收池:光学吸收长度为580米,光谱范围1500-1700nm;

44、光纤合束器:亿欧光电,mems

45、反射镜,thorlabs镀金反射镜片;

46、分束器:thorlabs;

47、动镜,thorlabs镀金反射镜片,固定在运动平台上;

48、探测器:thorlabs,pda100,光谱范围900-1700nm;

49、数据采集控制卡:采样频率100mhz,16bit,usb通信,串口通信控制光纤分束器和光纤合束器。

50、本发明未详尽之处,均可采用现有技术进行。

51、本发明的有益效果为:

52、(1)本发明采用了光学频率梳光源技术,,能够同时测量煤矿上的二氧化碳、甲烷、乙炔、乙烯、一氧化碳等多种类气体。光学频率梳光源大能量、宽光谱的特点,实现了多点、多组分气体的分布式测量方式,避免了半导体激光器能量低的缺点。

53、(2)本发明傅里叶变换光谱仪去解调光学频率梳光源,可以同时解调获得多组分气体的相关信息,同时,光学频率梳光源由于分辨率高、单色性好的特点,测量的光谱分辨率高,在后期的算法反演过程中,引入的误差小,提高了测量精度。

54、(3)本发明的创新性地采用神经网络实现信号调解,极大提高了计算精度。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1