基于红外光谱的气体识别与浓度检测算法研究

发布时间：2020-09-02 20:15

　　 近年来,随着半导体激光器的发展和激光光谱学研究的不断深入,基于红外光谱检测物质类别和性质的研究,已经获得了世界各国各领域学者的极大目光。红外光谱检测技术具备速度快、效率高并且适宜在线分析等优点,因此其发展前景广阔。随着航空航天技术的快速发展,气体检测器是保证宇航员生命安全和空间站稳定运行的重要传感器之一,以红外光谱技术为基础的气体传感器则因其小型化、集成化等成为航天模块的重要组成之一。红外气体传感器主要用于载人舱内有害气体成分变化监测、航天器发动机工作期间燃料燃烧情况检测、航天器关键部位气体或液体的泄漏判断以及深空探测过程中行星大气环境检测等方面,为航天器产品质量、安全、宇宙环境探知和宇航员身体健康等提供非常重要的参考数据,因此国外多个宇航研究机构都在大力支持研究和研发适合在航天器上工作的各类气体传感器,并多次在航天工作环境中应用。为了能够满足上述要求,国外对各类传感器进行了深入的研究。为了更加快速准确的识别出环境中的气体成分及其对应的浓度,基于气体的光谱特征和红外吸收光谱的分布情况,本文研究了光谱的检测原理,通过时域分析的方法得出了NH_3、HCl、CO、NO、CH_4等五种气体的红外波段吸收特征,提出了一种基于多变量插值的径向基函数方法(RBF神经网络)的浓度识别算法,并运用Matlab软件进行计算处理,通过对多组实验数据进行模型训练和参数优化,得到了较为准确的预测模型。本文为了说明RBF神经网络算法的识别效果,还研究了BP神经网络算法,同样的利用样本数据进行预测函数模型训练,得到相应的预测结果。通过预测模型对待测样本数据进行预测,很好的预测出了五种气体的浓度,通过计算预测值和真实值间的偏差情况,可以对训练网络的泛化能力进行评价,最后相对误差和决定系数等性能评价参数均表明出RBF神经网络算法在气体浓度识别中可以进行更好的应用。
【学位单位】：电子科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TN21;TP212

【参考文献】

相关期刊论文 前10条

1 张乐乐;曹伟;龙华;赵继东;;基于BP神经网络与粒子群算法的水质评价方法[J];软件导刊;2017年11期

2 李爱莲;龚小帅;;量子遗传算法优化BP网络的焦炭质量模型[J];自动化应用;2017年08期

3 陈子豪;龙华;曹伟;;基于改进型PSO-BP神经网络算法的水质评价[J];信息技术;2017年08期

4 崔文;金杉;;基于BP神经网络的病人体征缓变监护方法[J];电子技术与软件工程;2017年03期

5 薛金涛;李春燕;吴纯洁;叶利明;;拉曼光谱在多组分定量分析中方法学验证的探讨[J];光谱学与光谱分析;2017年01期

6 潘庆先;董红斌;韩启龙;王莹洁;丁蕊;;一种基于BP神经网络的属性重要性计算方法[J];中国科学技术大学学报;2017年01期

7 乔俊飞;安茹;韩红桂;;基于RBF神经网络的出水氨氮预测研究[J];控制工程;2016年09期

8 于群;朴在林;胡博;;基于EEMD和BP神经网络的短期光伏功率预测模型[J];电网与清洁能源;2016年07期

9 薛宇;常建华;徐曦;;基于RBF神经网络的非色散红外SF_6气体传感器[J];光子学报;2016年07期

10 范立强;吕国芳;;基于高维云RBF神经网络的混凝土强度预测[J];电子设计工程;2016年08期

相关博士学位论文 前1条

1 熊宇虹;微型光谱仪信号处理与分析系统的研究[D];重庆大学;2005年

相关硕士学位论文 前3条

1 付建华;近红外光谱分析技术在纺织品检测中的应用[D];中国计量大学;2016年

2 李贵滨;基于SVM的大豆油脂色泽近红外光谱检测算法研究[D];哈尔滨商业大学;2013年

3 郝秀全;基于主成分分析和人工神经网络的酒类辨识[D];西安理工大学;2006年

本文编号：2811052