一种基于径向基神经网络的CO2高温气体浓度检测方法

OPT OpenIR > 半导体激光器专利数据库

	一种基于径向基神经网络的CO2高温气体浓度检测方法
其他题名	一种基于径向基神经网络的CO2高温气体浓度检测方法
	李云龙; 盛伟岸; 徐国辉; 韩晓娟; 张文彪
	2019-05-07
专利权人	大唐长山热电厂
公开日期	2019-05-07
授权国家	中国
专利类型	发明申请
摘要	本发明公开了属于气体浓度检测技术领域的一种基于径向基神经网络的CO2高温气体浓度检测方法；该方法通过可调谐半导体激光器发射激光，使激光穿过待测气体，在另一侧接收激光信号，将接收到的激光信号进行移动平均滤波。将未被气体吸收的激光拟合出激光原始信号，被吸收的激光与原始信号进行对比。由被吸收的激光与原始激光信号的差异信号中提取出反映CO2气体浓度的5个统计特征参数：均值、标准差、偏差平方和、变异系数和最大偏差，归一化处理后作为RBF神经网络的输入，CO2气体浓度作为RBF神经网络输出，建立不同浓度下的RBF神经网络气体浓度检测模型，实现CO2气体浓度的准确测量及误差分析；快速易行，具有工程应用前景。
其他摘要	本发明公开了属于气体浓度检测技术领域的一种基于径向基神经网络的CO₂高温气体浓度检测方法；该方法通过可调谐半导体激光器发射激光，使激光穿过待测气体，在另一侧接收激光信号，将接收到的激光信号进行移动平均滤波。将未被气体吸收的激光拟合出激光原始信号，被吸收的激光与原始信号进行对比。由被吸收的激光与原始激光信号的差异信号中提取出反映CO₂气体浓度的5个统计特征参数：均值、标准差、偏差平方和、变异系数和最大偏差，归一化处理后作为RBF神经网络的输入，CO₂气体浓度作为RBF神经网络输出，建立不同浓度下的RBF神经网络气体浓度检测模型，实现CO₂气体浓度的准确测量及误差分析；快速易行，具有工程应用前景。
主权项	一种基于径向基神经网络的CO2高温气体浓度检测方法，其特征在于，包括：步骤1：由函数信号发生器、激光控制器、半导体激光器、准直器、气体吸收池、凸透镜、探测器、前置放大器和信号采集卡串联组成基于可调谐半导体激光器的CO2气体浓度测量系统；在气体吸收池上设置CO2、N2进口和废气吸收口；步骤2：通过可调谐半导体激光器发射激光信号，使激光束穿过待测气体，由光电探测器和信号采集卡采集不同气体浓度下的激光光谱信号，并将接收到的激光光谱信号进行移动平均滤波；步骤3：CO2气体只吸收特定频率下的激光光谱信号，由未被吸收部分的激光光谱信号拟合得到原始激光光谱信号，计算被吸收部分的光谱信号与原始光谱信号的差值，从该差值信号中提取反映CO2气体浓度的5个统计特征参数；步骤4：将上述特征参数经过归一化处理后作为RBF径向基神经网络的输入，CO2气体浓度作为RBF神经网络的输出，建立基于RBF神经网络的CO2气体浓度测量模型，选取训练样本进行网络训练；步骤5：将不同气体浓度下的测试样本输入训练好的RBF神经网络，实现CO2气体浓度测量，并计算测量误差。
申请日期	2019-02-27
专利号	CN109724941A
专利状态	申请中
申请号	CN201910144354.6
公开（公告）号	CN109724941A
IPC 分类号	G01N21/39
专利代理人	张文宝
代理机构	北京众合诚成知识产权代理有限公司
文献类型	专利
条目标识符	http://ir.opt.ac.cn/handle/181661/55219
专题	半导体激光器专利数据库
作者单位	大唐长山热电厂
推荐引用方式 GB/T 7714	李云龙,盛伟岸,徐国辉,等. 一种基于径向基神经网络的CO2高温气体浓度检测方法. CN109724941A[P]. 2019-05-07.

条目包含的文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
CN109724941A.PDF（614KB）	专利		开放获取	CC BY-NC-SA	请求全文