当前位置:首页 >> 机械/仪表 >>

基于光声光谱技术的多组分气体检测方法研究


重庆大学 硕士学位论文 基于光声光谱技术的多组分气体检测方法研究 姓名:张嵩 申请学位级别:硕士 专业:电气工程 指导教师:陈伟根 20070530

重庆大学硕士论文

中文摘要

摘要
油纸作为充油式电力变压器的主要绝缘介质,在变压器长期运行过程中,由 于绝缘过热和局部放电,会裂解产生部分溶解于油中的特征

气体。分析油中溶解 气体的成分和含量,能够有效地判断变压器故障的类型、程度和发展趋势,因此 检测变压器油中溶解气体的浓度对变压器的安全运行具有十分重要的意义。目前 的变压器油中溶解气体检测装置普遍存在两个主要问题,即传感器的精度和长期 稳定性不高以及多组分气体间的交叉影响带来检测误差。要解决这两个问题,需 要选择新型的气体检测技术。 气体光声光谱技术是一种基于光声效应的微量气体检测技术,它具有高灵敏 度、高选择性、大动态检测范围的优点,在变压器油中溶解多组分气体检测的应 用中有着广阔的前景。结合目前气体光声光谱检测技术的研究现状并针对其中不 足之处,论文从光声光谱技术应用于多组分气体浓度的检测入手,在阐述光声信 号产生机理的基础上分析7光声信号强度与CO、C02、CH4、C2I-12、C2H6、C2I-14 六种气体浓度的关系特性。根据气体光声光谱检测的原理对光声光谱试验平台的 组成分别进行了说明,然后根据试验平台应用于变压器油中溶解多组分气体检测 的具体要求提出了试验平台的设计思路。分析了其中最为关键的部分一光声池的设 计原理和参数设置,并设计实现了纵向共振光声池。 在LabVIEW平台中集成Simulinkgi真模型构建虚拟信号检测系统作为光声光 谱试验平台的组成部分,并且针对光声信号检测过程中的强噪声干扰,采用互相 关分析和混沌检测相结合的方法来提取微弱信号。通过光声信号检测的实验结果 表明了该虚拟系统对于强噪声下的微弱信号非常敏感且具有较高的检测精度,能 有效地抑制强噪声并改善信噪比。 通过光声光谱试验平台上单一组分气体和多组分气体实验结果的对比,分析 了多组分气体间的吸收交叉影响,根据气体交叉影响的修正思路在MATLAB环境 下建立了基于径向基神经网络的修正模型,并对网络建模算法进行改进以提升网 络性能。通过实验表明了该方法能有效地修正气体间的交叉影响;同时由于神经 网络的自适应特性,可以简化气体光声光谱检测的步骤。

关键词:变压器,多组分气体,光声光谱,交叉影响,修正模型,虚拟系统

重庆大学硕士论文

英文摘要

ABSTRACT

Oilpaper is the main insulation of

oil—filled power transformer.It

wiH decompose

and bring dissolved gases in oil in long time operation of transformer be∞use of overheat and partial discharge.Detecting of the concentration and component dissolved gases of

in甜can judge
component

faults condition effectively.So detecting of the in

concentration and

of dissolved gases

transformer oil is of great
ale

significance to the operation safety of transformer.There

two primary problems

existing in the detecting devices of dissolved gases in transformer oil:one is that the precision and long-tree stability of
sensor

is not

high,and
erl"OL

the other is that a'055

influence of mulficomponent gases bfing detecting

To solve these two problems,

we need to choose new-style gas—detecting technology. The photoacoustic¥pt虻'tnml technology is many advantages and
can a

minim gas detectmg technology.It has

be appfied in detecting

ofmulticomponent

gases dissolved in

transformer oil well.Considering the
gas photoacoustie

current research status of detecting technology of

spectrum

and ailning越its disadvantages,this paper starts with
on

application of photoacoustic spectrum in detecting of multicomponent gases.Based

the bringing mechanism of photoacoustic signal.the relation character
value and principle

bet、Ⅳ嘲signal
composing

concentration
of

of other characteristic gases is analyzed.According to the spectral detectmg,this paper

photoacouste of test

represents

components

photoacoustc印涮test
pivotal

platform used to detect platform based
On

dissolved

gases in

on.and design
OIl

the requirement of application

operation flc,ale ofWansformer,then analyzes the principle and design realization ofthe

component-photoacoustie

cell.
set llp virtual signal test

using LabVIEW assorted with Simulink simulation model to
detection system aiming at the paper The
as a

compositive part of photoacoustie spectral

platform

and

strong

noise interference in detection process

ofphotoacoustc

signal,this

combin船cross-correlation analysis埘th

chaotic detection to

pjck

up weak si乎lal.

experimental

results of detecdng photoacoustic¥igllal represents this virtual system is


very sensitive to weak signal under strong noise and has
can

high detecting precision,it

res嘶n

strong

noise in the detecting process effectvely and improve signal-noise

ratio. According to the

contrast

of

experimental

results between single-component gas



重庆大学硕士论文

英文摘要

and multicomponent gases with photoacoustic spectral test platform,this paper analyzes the absorption
CrOss

influence among multicomponent gases and sets up revision model
on

ofCROSS influence based

radial basis neural network in MATLAB,and ameliorates its

modeling arithmetic

to

improve the performance ofnetwork’s.The experimental results
can

represents this method

revise the

ClOgS

influence among multicomponent gases

effectively and predigest detecting steps of gas photoacoustic spectrum because of
self-adaptation ofnetwork’s.

Keywords:transformer,multicomponent
influence,revision model,virtual system



独创性声明
本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取 得的研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文

中不包含其他人已经发表或撰写过的研究成果,也不包含为获得重庆太堂
或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本 研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。

学位论文作者签名:

签字日期:

年月



学位论文版权使用授权书
本学位论文作者完全了解

重废太堂 重废太堂

有关保留、使用学位论文的

规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许 论文被查阅和借阅。本人授权 可以将学位论文的全部或部

分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段 保存、汇编学位论文。 保密( 本学位论文属于 不保密(
)。

),在——年解密后适用本授权书。

(请只在上述一个括号内打“4”)

学位论文作者签名:

导师签名:

签字日期:







签字日期:







重庆大学硕士论文

1绪论

1绪论
1.1论文研究的目的和意义
安全、优质、经济的供电是现代大电网运行的三大要素,而其中又以安全性
最为重要。为保证电网的安全运行,必须在运行过程中不断对其进行监测、分析

和控制。同时,电气设备在运行一段时间后,由于种种原因,故障的发生几乎是 不可避免的,如能及时发现故障,并采取相应的措施,则可避免重大事故的发生。
随着高等级高压输电技术在我国电网中的运用,大型电力变压器数量日益增多,

它们一旦发生事故,不仅损坏昂贵的电气设备,同时造成大面积的停电,给国民 经济造成巨大损失。因此,发、输、配、变各环节中的大型电力变压器必须运行 可靠,才能保证电网运行安全。 充油式电力变压器主要采用油纸绝缘,在长期运行过程中,由于放电和过热现 象的存在,油和纸将裂解,产生H2、CO、C2H4、C2H2等各种气体,这些气体部 分溶解于油中嘲。分析油中溶解多组分气体的成分和比例,可以判断潜伏性故障 的类型、程度及发展趋势,并建立起了一系列国际国内标准11l【2】。目前,电力运行 部门主要采用实验室油中溶解气体色谱分析法诊断变压器潜伏性故障。为了及时 有效地掌握电力变压器的运行状况,电力运行部门逐渐开始为电力变压器配备油 中溶解气体在线监测装置。安装油中溶解气体在线监测装置可以做到对变压器的 连续监测,有可能发现早期的潜伏性故障征兆,从而有助于用户尽可能采取正确 的检修措施D61。近年来,电力变压器油中溶解气体在线监测装置的应用规模不断 扩大,并从单氧组分等关键气体的预警性分析阶段逐渐向多组分智能在线监测阶
段过渡【4】。

目前,变压器油中溶解气体监测装置的气体检测方法主要采用热导池、半导体 传感器或电化学传感器,这些传感器对各待测气体组分都相当敏感,但普遍线性 度不好,对气体的选择性不够理想,在信号采集传输过程中抗干扰能力不强以及 检测单元受外界环境、温度影响易老化使得其精度和长期稳定性不能保证。传统 气体检测方法色谱进样的特性决定了检测时间较长,不可能做到连续在线监测; 温度对色谱柱分离效果的影响以及色谱柱使用一段时间后需要清洗等同有特性决 定了色谱柱技术不适于现场在线监测应用【5】嘲。目前也有采用傅立叶红外光谱技术 检测变压器油中溶解气体的试验装置f42J,但该装置不能检测重要特征气体H2,限 制了它在油中溶解气体在线监测中的应用。目前的电力变压器油中溶解气体监测 装置普遍存在两个主要问题,即传感器的精度和长期稳定性不高以及多组分气体 间交叉影响带来检测误差。要解决这两个问题,就需要选用新型的气体检测技术。

重庆大学硕士论文

1绪论

气体光声光谱检测技术是基于光声效应的一种微量气体检测技术。检测原理 图如图1.1所示,红外光源发射出的光线经由透镜积聚后,光强得到较大程度的增 强。由斩波控制器驱动步进电机使斩波器以恒定速率转动,通过斩波器上均匀间
隔的透光孔将入射光线调制为闪烁的交变信号。通常斩波器上装有小灯泡和光电

二极管,由此产生与交变光同步的电信号,这种电信号用于交变光的调制频率控 制与输出。然后由一组滤光片实现分光,每个滤光片允许透过一个窄带光谱,其 中心频率分别与预选的各气体的特征吸收频率相对应。如果在预选各气体的特征 频率时尽量排除各气体闯的交叉干扰,并通过对安装滤光片的圆盘进行步进控制, 就可以依次检测不同的气体。经调制后的各气体特征频率处的光线以调制频率反 复激发光声池中相应的气体分子,被激发的气体分子会通过辐射或非辐射两种方 式回到基态;对于非辐射驰豫过程,体系的能量最终转化为分子的平动能,引起 气体局部加热,从而在光声池中产生声波,使用微音器可以探测这种声信号并将 其转化为相应电信号。光声技术就是利用光吸收和声激发之间的对应关系,通过 对声信号的探测从而了解光吸收过程。由于光吸收激发声波的频率由调制频率确 定;而其强度则只与可吸收该窄带光谱的特征气体的体积分数有关,因此,建立 气体体积分数与声波强度的定量关系,就可以准确计量气池中各气体的体积分数嘲 [IO]o由于光声光谱检测的是气体吸收光能的大小,因而反射、散射光等对检测干 扰很小,尤其在对弱吸收以及低体积分数气体的检测中,尽管其吸收很弱,但不 需要与入射光强进行比较,因而仍然可以获得很高的灵敏度。因变压嚣油中溶解 多组分气体的分析仅需检测几种已知化合物,采用一系列透射波长一定的滤光片 分光即可。多组分气体的分子红外吸收光谱虽有不同组分气体分子特征谱线交叠 重合的现象,但可选择相对独立的特征频谱区域,从根本上抑制检测过程中不同

组分气体阃发生干扰影响的问题,以满足检测要求旧。
较之传统的气相色谱分析,光声光谱技术的主要优点是:轧长期稳定性好、灵 敏度更高。b.不消耗气样,如载气、标气。c.检测时间短,便于现场检测。d.油中 七种溶解气体(包括氢气13211站1)均可检测。e.不需要容易污染老化的色谱桂与复杂的 气路控制系统。与傅立叶红外光谱技术相比,其最突出的特点是可以测出H2的体 积分数,同时由于光声光谱气池仅为2—3ml的体积大大降低了对油气分离的难度; 其次是光声光谱可以在气体极弱的吸收处进行检测而获得足够的灵敏度,因此可 以选择尽量不受其他组分干扰的特征频谱。而与所有透射式光谱技术相比,光声 光谱可以直接检测吸收量而降低了散射、反射光对检测的影响,因此也极大的提 高了检测灵敏度。光声光谱多组分气体检测技术具有高灵敏度、高选择性、大动 态检测范围等显著优点,在变压器油中溶解气体检测中具有良好的应用前景U]llrl。



重庆大学硕士论文

1绪论

光声疆

擅粤赴理景藐 图1.1光声光谱检测原理图

rig.1.1.prtnciple

diagram ofphotoaeoustic

spec删detecting

1.2气体光声光谱检测技术的研究现状
光声光谱技术的出现可以追溯到1880年Bell发现光声效应。继发现固体的光
声效应之后,Bell及其他科学家Tyndal和Ronetgen在1881年各自独立进行了气

体的光声实验。1938年,苏联学者Viengerov研制出世界上第一台检铡气体浓度的 光声光谱装置,成功的检测了混合气体各成分的浓度。但是,由于缺乏对检测结 果定量分析的办法,以及高灵敏度声波探测器研究的滞后,这一技术在随后的几 十年中没有实质的发展。上个世纪60年代末,激光器的出现和电子检测技术的提
高,给这项技术注入了新的活力,大功率、单色性好的激光,高灵敏度微音器以

及对相位敏感的锁相检测方法的出现极大提高了光声光谱的检测灵敏度。1968年, Kerr和Atwood等人以一个脉冲红宝石激光器做光源,应用光声光谱技术检测了空

气中水分予的吸收光谱阎;Kreuzer等人在1971年用一台氮氖激光器检测氮气中
甲烷含量,检测极限达到了O.Ol皿几田】,并且从理论上分析了光声光谱的检测极限 可达到lO棚量级,J.Cihelka等人在1978年用半导体GaInAsSb/AIGaAsSb激光器 作为可调谐的辐射源,检测了汽车尾气中C凰,NI-13,N20和C2I{6的气体浓度: 1989年,Olafsson等人成功地应用二氧化碳光声系统实现了对氮气浓度的检测: 1990年,F.J.M.Harren、J.Reuss设计了基于C02激光器的腔内吸收光声光谱仪,
并对兰花调谢时释放的乙烯进行了检测,灵敏度达到20x10-121241;1996年,同一

个实验小组的EGC.Bjinen等人,进一步优化设计了基于二氧化碳激光器的内腔式 光声光谱检测系统,这套系统对乙烯的检测灵敏度达到了6xlffl2[251;Bohren在

重庆大学硕士论文

1绪论

1997年选择3微米左右的中红外光源,用光声光谱法同时检测了混合气体中的甲
醇、乙醇、乙苯的浓度;1998年Frans Harren等人用光声光谱技术研究了紫外线

照射人体的损伤程度与皮肤的乙烯释放量之间的关系;2000年,Nibker等人采用
光声技术测量了物质燃烧后排放CI-14、CO、C02气体浓度:同年,Zelinger使用基

予C02激光器的光声光谱仪,选择4条激光谱线,测量甲苯和二甲苯气体成分,
检测极限达到了10。6量级;2002年荷兰Nijmegen大学的光声光谱小组利用光参量 振荡器搭建的光声光谱系统将乙烷的检测灵敏度提高到10x10‘12水平。

随着国际上光声学的发展,我国科学工作者早在1977年也开展了气体光声技 术的应用研究,jE京大学首先用光声技术开展了大气污染气体的检测工作;中国 科学院长春应用化学研究所自1978年以来研制了用于气体检测的光声光谱仪。从 1979年以来,国内二十多个研究机构、单位相继开展了气体光声技术的应用研究, 并取得了一系列实质性的突破。1983年,中国科学院长春光学精密机械研究所研 制成功了GS.1型光声光谱仪,该光谱仪提供一种连续扫描的强光单色光源并设计 一种转换效率较高的光声池,可应用在物理、化学、生物学、医学等方面。但是 受到当时激光技术和微弱信号检测技术发展水平的影响,在之后的一段时间内, 气体光声光谱技术都处于较为缓慢的发展阶段。直到1995年,大连理工大学的于
清旭采用将纵向共振光声池放入双能级跃迁CO激光器光学谐振腔内构成高灵敏度

光声探测器的方法,hfN02和cH4浓度进行光声检测,由于气体吸收线和CO激光器 谱线具有较好的重合性以及较强的腔内激光功率,使得对两种气体进行光声检测
的最低浓度极限分别达到37x1041署9137x10q2量级;苏州大学在1996年研制成功了 P.600型光声光谱仪,该光谱仪是国内首型商品化光声光谱仪,可广泛应用于表面、

波谱、化学、材料、生物和医学研究;1999年,于清旭和林钧岫与荷兰奈梅根大 学的尤斯.欧文斯、弗朗斯.哈伦等人合作,用基于C02激光器的腔内光声光谱仪研 究了乙醛气体对苹果乙烯产量的影响;2000年,中国科技大学化学物理系的郝绿 原、韩家祥、史强等人使用匾柱形光声池并使其工作在一阶径向共振状态,结合光 学长程技术,显著提高了光声信号的检测信噪比,并用钦宝石激光器作光源,使得
光声光谱仪的检测灵敏度达815x10’9L—ln-1,还测出砷烷分子振动量予数为6的高分

辨泛频谱;2001年,予清旭采用连续可调谐窄带线宽激光脉冲,对不同气压下0.1 %浓度的CH4样品气体进行了光声光谱检溯,得到了满意的结果135]139];同年,他 和陈自斌等人基于波导C02激光器,采用了激光谐振腔内置光声池结构和低噪声纵
向共振光声池设计了计算机控制的多谱线多组分气体检测分析系统,该系统对

C2H2和03的极限检测灵敏度分别达到10-11和10-9量级,能够对多种鸟大气污染和 生物气体交换有关的微量气体进行高灵敏度、实时、连续、自动的监测㈣;然后 大连理工大学光声光谱小组在已经取得的研究成果上研制Tyq00036型高灵敏度

重庆大学硕士论文

1绪论

光声光谱微量气体检测仪,该检测仪采用可调谐波导C02激光器作为光源,光谱覆 盖范围9~llgm,采用在激光腔内放置纵向共振式光声池的方法,使用于激发光声 信号的激光功率达到100W,因而光声检测灵敏度较常规腔外光声光谱仪提高近两 个数量级。该检测仪采用计算机控制自动、连续进行激光谱线扫描、光谱数据采 集、数据处理和气体浓度实时显示,对乙烯气体浓度的检测灵敏度可达到0.2ppb, 对氨气、臭氧及多种有机气体的检测灵敏度均达Nppb数量级,并能够同时进行多 种微量气体浓度的分析测量,并且该光声光谱微量气体检测仪具有测量灵敏度高、 时间分辨快和能够连续自动测量的特点,适用于大气环境监测、果蔬气调贮藏库 气体分析和监测及与生物组织微量气体交换有关的生物学实验研究。2003年,中 国科学院选键化学实验室的徐海峰,郭颖,李奇峰等人用以YAG泵浦的染料激光 为光源(脉宽为8m,工作频率为10Hz)的脉冲激光光声装置记录了c2H2分子的泛频

激发谱和A1∥.-_X1Eg+电子跃迁谱,并测量了光声强度随气体压力及激光能量的变
化关系;2004年,哈尔滨工业大学的王书涛等人将光声光谱技术与光纤技术相结 合研制出基于光声光谱法的光纤气体传感器,用光纤相位传感器代替了传统的微
音器检测光声信号,对s02气体的最低检测灵敏度达到了1.2×10~0[3;3。

20世纪90年代以来,气体光声光谱技术取得了许多实质性的进展[27112S'lt30l,主 要表现在:低噪声、高灵敏度的光声池设计使气体光声检测的灵敏度大幅提高; 计算机控制和数据处理技术与光声光谱仪的结合实现了多组分气体同对分析和实 时连续测量。目前光声光谱技术的应用范围主要在生物学、医学、材料学、化学、 物质表面研究、波谱研究以及大气环境监测等领域,而将其应用到变压器油中溶 解气体检测的研究还是一个较新的课题。2005年,英国的开尔曼公司研发了用于 变压器油中溶解气体的光声光谱监测设备,该设备是国内外第一款基于光声光谱 技术的变压器油中溶解气体监测的商业化产品,它可以检测油中溶解七种特征气 体且均具有较宽的检测范围,就灵敏度和可检测范围而言,可以取代实验室气相 色谱,其指标优于现有的大多数色谱检测仪,部分指标甚至优于已用于现场检测 的傅立叶红外光谱仪。目前该设备在国内一些电力都门得到初步使用,但由于其 存在有三个方面的问题而不能很好地用于变压器运行现场监测【¨例:一是监测设备 现场抗干扰的问题,变压器运行现场的强电磁干扰、声干扰甚至太阳光等杂散光 的照射都会使得实验室理论值与现场实验值偏差较大;二是监测单元长期稳定性 问题,该光声光谱系统具有精密的光学元件和复杂的系统结构,外界微小的振动 干扰都会使得监测系统出现错位、失效等现象,并且光学元件随着使用时间的增 长也存在光学污染的可能性而使得稳定性交差;三是交压器油中溶解多组分气体 闻的交叉影响问题,在对油中溶解混合气体进行光声检测时,由于气体组分间的 交叉影响会使得微音器输出信号产生较大的误差,最终影响到监测设备的精度。


重庆大学硕士论文

1绪论

1.3本论文主要研究内容
针对目前变压器油中溶解气体检测技术的现状及光声光谱技术应用于油中溶 解多组分气体检测的前景,切合论文的主要研究工作,论文的研究主要内容如下: 1)变压器油中溶解六种气体浓度与相应光声信号强度关系的特性分析

对于各组分气体某个特定的吸收谱峰,由于气体的吸收系数是确定的,其光
声信号强度与气体浓度的关系可根据比耳定律确定。在测得光声信号后可利用测 得的光声信号强度信息拟合得到各组分气体浓度与光声信号的关系特性。

动气体光声光谱试验平台及光声池的设计 在对目前国内外已经研制出的应用于不同领域的光声光谱检测装置及其组成
部件进行对比参考后,针对其中不足之处并根据本文面向的实际工程领域,提出 具有特定适用条件的光声光谱试验平台的设计思路。该试验平台面向的检测对象

是变压器油中溶解的多组分气体,针对变压器运行现场强噪声干扰以及混合气体 间交叉影响的问题,该平台设计的重点是:从硬件和软件两个方面提高平台抗干 扰能力以及抑制多组分气体交叉影响的相关措施和方法。 3)光声光谱试验平台中虚拟信号检测系统的设计 由于变压器运行现场强烈的电磁辐射干扰以及周围环境的温、湿度变化影响、 外界震动干扰甚至太阳光等射线入射带来的干扰噪声等都极大程度的限制了光声 光谱检测设备现场应用的效果。因此,设计能检测出微弱光声信号的虚拟系统作 为光声光谱试验平台的组成部分以提高试验平台的检测精度及可靠性。 4)基于径向基神经网络的多组分气体交叉影响修正方法 多组分气体的红外光谱吸收特性图上存在重叠区域,即使滤光片选取尽量避 开这些区域,但是由于滤光片不能精确到仅透过对应于各组分气体的单个特定吸 收谱峰,仍难以避免交叉影响的问题。因此,利用径向基神经网络良好的自适应 特性以及函数逼近能力来修正混合气体间的交叉影响。

1.4小结
本章首先阐述了电力变压器油中溶解气体光声光谱检测研究的目的与意义,

并针对目前变压器油中溶解气体监测装置中普遍存在的传感器精度和长期稳定性 不高以及多组分气体间的交叉影响带来检测误差固有缺陷的主要问题,提出了基 于光声光谱技术的多组分气体检测思路,并简述了气体光声光谱检测技术原理、 优点及其现状,最后提出了本论文研究的主要内容。

重庆大学硕士论文

2油中六种典型气体浓度与光声信号强度关系特性的分析

2油中六种典型气体浓度与光声信号强度关系特性的分析
气体分子吸收特定频率v的入射光后由基态昂跃迁至激发态局,两态间的能量

差为焉一晶;_I,l,。一部分处于激发态的分子与处于基态的分子相碰撞,吸收的光能 通过无辐射弛豫过程转变为碰撞分子之间的平移动能(即气体的V-T传能过程),它 表现为气体温度的升高。在气体浓度一定的条件下,温度升高,气体压力会增大。 如果对光源进行频率调制,气体温度便会呈现出与调带4频率相同的周期性变化, 进而导致压强的周期性变化,微音器感应到这一变化并将其转变为电信号,送给 外电路。气体v玎传能过程所需要的时间,取决于气体各组分的物理化学特性。 一般情况下,处于激发态的气体分子的振动动能经无辐射驰豫转变为碰撞分子之
间的平动动能的对阅非常短暂,远低予光的调制周期,因此可近似认为v-T传能

过程是瞬时完成的。但是,一些特殊的气体混合物,其v-T传能时间较长,以致 光声信号的相位出现延迟。Wood等对10.6um的c02红外光源通过大气时气体分

子问的V玎传能过程的研究表明嘲,由于氮气帆)分子的001能级和二氧化碳(C02)
分子的v3能级近似共振,两种分子之间的振动动能传递(即v-V传能)速度很快,

而且大气中N2的含量几乎是C02含量的2600倍,在短时间内,c02吸收的能量 将转变成N2的振动动能,在一定条件下,N2的V.T传能速度较慢,导致光声信号 的相位大大滞后于光的调制相位,甚至出现相位翻转的动力学冷却现象(Kinetic cooling)。此时,应用光声光谱技术分析气体各组分浓度时不但要考虑光声信号强 度,还要计及光声相位的影响。

2.1光声信号的产生过程
2.1.1光吸收过程
产生光声信号的第一步是被检测气体吸收一定调制频率的光能量,被吸收的 能量在气体中形成一个周期性变化的热源,也即是声源。
光强为s(r,O,频率为1’的光束,受频率国调制后入射到密闭的装有某种气体的

光声池,,将有一部分光能被气体吸收,从而使气体分子从基态岛跃迁到激发态西.

设某一时刻气体分子浓度为Ⅳ(分子数/锄3),处于激发态历的分子浓度为M。
d.Nz表示Ⅳ,随时间的变化率,其满足如下公式;

‘“/dr=-N(BIo+01+f,-1)+(Ⅳ一Ⅳ1)骂o
式中,Blo为分子由励到西或历到疡的受激辐射爱因斯坦系数,

(2.1)

蜀。=志J


(2.2)

重庆大学硕士论文

2油中六种典型气体浓度与光声信号强度关系特性的分析

式中,s为E,和锄能级之间跃迁的谱线强度;Av为跃迁的谱线宽度;o为分子离 开助的无辐射(或碰撞)驰豫时间,是激发态无辐射驰豫几率彳。的倒数;fr为分子
离开肋的辐射驰豫时间,是激发态辐射驰豫几率4的倒数。

式(2.1)忽略了在基态岛上分子通过碰撞而激发到局的几率,这在常温条件下是

合理的。如果光强的调制频率彩满足∞“(2吃+‘“+0‘1),可认为dNt/dt=o,则
得到: Ⅳl

2瓦而/J10Ⅳ

(2.3)

从式(2.3)可看出:当入射光iil(r,O满足2旦。>>f_1时,M—O.5N,出现饱和吸 收,其中f为激发态寿命,有fq=t-1+t一。我们不考虑饱和吸收的情况,而使入

射光强度l(r,O满足29。“f一,则式(2.3)可以表示为:
啊=置o(t“+r,-1r1N 式(2.4)称为激发态的分子浓度方程。 处于激发态E,的分子将以几种方式返回到基态岛,其中无辐射(或碰撞)驰豫返 回基态将使西也萨枷变成平移动能,即导致碰撞分子的速度增加。这种平移动能 在光声腔中形成一热功率密度源H(r,O,可以表示为 H(r,f)=Mff“/n, 由(2.4)、(2.5)和BIo的表达式可以得到:
(2.5) (2.4)

H(r,f)。NEb(1+习。1,(r,,) ,阻V
f.

(2.6)

令口。Ⅳ(—羔一)(1+三£,~;NF,则式(2.6)可以简写为
tray
f,

H(r,0=N盯l(r,f)=otl(r,r)

(2.7)

式中,口为分子吸光截面值,对于确定的入射波长,盯为常数。 式(2.7)在下面两种条件同时满足时才能成立:
1)入射光强足够小,以致于吸收跃迁是非饱和的。

2)入射光强随时间的变化率要远远慢予吸收能到热能的转化率。 将(2.7)式进行傅立叶变换有: Ⅳ(r'功=Nc7I(r,co)
(2.8)

由式(2.7)可以看出,当光强讹矽受频率珊调制后,热功率密度源坼矽也以同
样的频率变化。当光源的强度和频率保持不变时,研,r,移和气体分子浓度Ⅳ成正比。

2.1.2光信号的激发过程
由气体定律可知:在密闭光声池内,周期性变化的热功率密度源H(r,O将使腔

内气体压力发生周期性变化,即声臼眵。声压强可以表示为p=”D,其中P为总压


重庆大学硕士论文

2油中六种典型气体浓度与光声信号强度关系特性的分析

强,‰为平均压强。若腔内气体近似为理想状态,则冥波动方程为:

V2p专争一孚百aH
式(2.9)中没有考虑热传导和粘滞等因素,对其进行傅立叶变换,得

(2?9)

式中,v为腔内气体的声速:,,为气体的定压热容和定体积热容比,,,=q/cv?

@2+》2 p(,,功=等蛔日㈣)
其中,p(r,f)=fp(r,ro)exp(一irot)dm,H(r,f)=仁(,,a,)exp(-ieot)da,,

(2.10)

p(r,oO=∑Aj(哆)?乃(,)可表示为一系列共振模式毋fj=J与其振幅4向,之积的叠加。
2.2气体浓度与光声信号强度的关系式
若用S表示微音器的输出电压幅值,我们得到: s=C置Nuc
(2.11)

式中,只为红外光源功率,仃为气体吸收截面值(Nu为气体吸收系数),c为气体

浓度,Ⅳ为气体分子密度,c称为光声池常数,是由(殖(光声池在调制频率国处的
品质因数)、r(r=C。/c.:为气体定压和定容热容量之比)、微音器的灵敏度以及光
声池的几何形状和材料等因素决定,通常通过乙烯气体标定实验测得,乙烯在红 外吸收光谱区内的吸收截面值是己知的,其吸收谱高度结构化,在特征波长处存 在有明显吸收峰,并且它与池表面材料的相互作用很弱,是一种理想的标定气体。

值得注意的是公式(2.1D只在光源调制频率较高时才有意义,当调制频率过低 时,光声信号强度并不正比于气体浓度,而是呈现出非线形特性。这就要求光声 光谱检测时光源调制频率不能选得太低,否则会破坏光声信号强度与气体浓度的 线形关系特性,并且由于频率过低,也会增大许多低频噪声而使得检测误差增大。 但是另一方面由式(2.7)成立需满足的条件可知,当调制频率高于吸收光能向热能转 化率时,光声信号的相位会滞后于光的调制相位,甚至出现相位翻转的动力学冷 却现象。同时由公式(2.11)可以看到光声信号强度与光源功率成正比,但是一味地 增强光源功率并不能无限地提高光声信号强度,当光功率增强到一定程度后气体 对光的吸收会呈现出饱和现象,此后随着光强继续增强,信号幅值不褥随之而提 高,反而会表现出下降趋势。 实际在较短一段时间间隔内,光声池常数有着很小的浮动,我们可以定义重 新标定的光声池常数c.-三口’,其中C为原有光声池常数,口为用于校准的乙烯标


定值,口’为实际测得的乙烯浓度。



重庆大学硕士论文

2油中六种典型气体浓度与光声信号强度关系特性的分析

光声光谱法检测多组分气体时,如果气体分子受光的激发产生的振动动能在 光源的一个调制周期内,能够经无辐射弛豫转变为碰撞分子间的平动动能,那么 光声信号相位与光的调制相位相同【42】。光声信号和各组分气体浓度间的关系可以
表示为: (2?12)

s(^)。c。P(^)^,。杰c。口。(^)

式中,s00为光声信号,c厶为光声池常数,以五)为光强度,Ⅳ。为气体分子密度, q为第k组分气体的浓度,以(∞为第k组分气体的吸收截面。 理想情况下,用光源的所条谱线分析n组分气体伽≥拧)时,可以得到m条谱 线下的光声信号,根据式(2.12)建立方程组式(2.z3),求解该方程组即可得到各组分
气体的浓度。

s=%只丑).Ⅳ。∑^吒(^)
●?l

…。

(2.13)
h-I

五z%以4)^,。∑c上以仉)

墨。%,(厶)_Ⅳ。∑q吒(厶) 多组分气体的光声光谱分析虽然从理论上可以用式(2.13)来进行,但是实际上 用该方法计算各组分气体的浓度时存在很大误差。这是因为:不同气体吸收截面 不同,同一气体在不同谱线下吸收截面也不相同,并且其还与环境温度、压强等 因素有关。但是由于同种气体在同一谱线下的吸收截面是一定的,可以根据实验 环境温度、压强可以对吸收截面进行修正,修正公式如下所示:

a(P,r)=(1+七P!—;!q(1+七r:-i;;生.)口(忍,r0)

10

(2.14)

式中尹、T,PD,7"o分别为校准和检测时参考气体的压力和温度,毛,缸为相应的 压力和温度系数。通常要确定气体吸收截面值是很困难的,并且由于实验条件和 环境的影响会使得实验结果有所不同,通过增加吸收谱线检测次数然后取平均值
的方法在一定程度上降低实验结果的不确定性。 另外,由于选取的变压器油中溶解气体的特征频谱分布范围较广,需要用窄 带滤光片截取出气体各组分的特征谱线。气体特征频谱的选取原则是,尽量避开 气体问的交叉干扰,即波长为某一气体特征频谱的光只能够激发该气体,丽不能

同时激发其他气体;各种气体在其特征频谱处有较强的光谱吸收;受外界因素(如 杂质气体)的影响小。依据此原则,本文选取的用于检测变压器油中各主要故障特 征气体的特征频谱如表2.1所示【删。

重庆大学硕士论文

2油中六种典型气体浓度与光声信号强度关系特性的分析

表2.1变压器油中溶解的主要故障气体特征频谱

Table.2.】.Charaaerisficfrequencydiagramof#maryfaultsgases抽wartsformeroil
气体
CH-

分子量
16 30 28 26 28 44

特征波数,m一1
1254 861 106I 783 2150 668

特征波长/卸m
7.974 11.614 9.425 12.771 4.65l

交叉影响 水 无 无 无 无 无

C2魄
C2H4
c2n2 CO C02

14.97

2.3光声信号的归一化处理
由公式(2.11)8=CP.LNoe可知光声信号强度与入射光强成正比,入射光强的变 化将使得信号检测出现较大的误差。为此,我们需要在试验平台中采用专用的光

声功率计对入射光强进行同步检测,光声功率计输出信号S=Io墨,式中Io为入
射光强,如为光声功率计转换系数。 测得光声信号s和光声功率计输出信号&后进行归一化处理,得到归一化信

号i。s,该归一化信号可以有效地消除入射光强度变化对光声信号检测带来的
S,

影响。

2.4小结
本章首先在阐述光声信号产生机理的基础上分析了特征气体浓度与光声信号 强度的关系特性以及其中重要参数如光声池常数、气体吸收截面值的校正方法; 然后以尽量减小多组分气体间的交叉影响为原则选择了每种气体的特征吸收频 谱;最后针对光声光谱检测中光源功率不稳定而造成检测误差的问题,提出对光 声信号进行归一化处理的思路来减小光源强度变化对光声信号的影响。

重庆大学硕士论文

3气体光声光谱试验平台及光声池的设计

3气体光声光谱试验平台及光声池的设计
3.1光声光谱试验平台的设计原理
由调频脉冲电源驱动红外光源,将连续入射光线调制为闪烁的断续光线,再 由透镜聚焦增强光源发射功率。然后由一组滤光片实现分光,每个滤光片允许透 过一个中心频率分别与预选的各气体的特征吸收频率相对应的窄带光谱。通过对 安装滤光片的圆盘进行步迸控制,就可以依次检测不同的气体。经调制后的光线 以调制频率反复激发光声池中相应的气体分子,被激发的气体分子通过非辐射驰 豫方式使得体系的能量最终转化为分子的平动能,引起气体局部加热,从而在光
声池中产生声波,使用微音器可以探测这种声信号并将其转化为相应电信号。

3.1.1光声光谱试验平台组成
一个完整的变压器油中气体光声试验平台应该包括:光源,光线频率调制装

置,滤光片,光声池,微音器,信号检测系统等几个主要部分,其中光声池是该
平台的核心部分【lilt‘2]129]。试验平台示意图如下所示:

图3.1光声信号试验平台图(箭头为光传播方向)
Fig.3.1.Test platform diagram ofphotoacousfic

s.窜咖

3.1.2试验平台各部分原理及其作用
11光源

光声光谱试验平台所用光源要求既有足够大的功率,同时又在比较宽的光谱 范围内连续可调。但是由于针对的几种变压器油中故障气体的特征频谱的范围非

12

重庆大学硕士论文

3气体光声光谱试验平台及光声池的设计

常广,而目前很多激光光源如C02、CO激光光源的光谱范围都不能覆盖所有选定
的待测气体的特征频谱,所以本论文选用EMIRS200红外光源。该光源是一种能工

作在高频率,高强度输出的微型脉冲红外光源。发射光谱是一个灰体,它以无定
形碳材料作为多层热电阻薄膜,通过电流后发热,产生的红外辐射。它的高发射 率,高热传导性,以及很低的热驻留特性,使它在高频脉冲工作时,能快速得加 热和冷却,并且能在连续工作模式以及脉冲模式下工作,其光学性能如图3.2和33

所示。脉冲光声检测时,光束光斑越小信噪比越好,我们在试验平台中用透镜来 聚焦光线以减小光斑,并且增加光源强度从而提高光声信号强度。

.,暑=叠l-r毒S礴暑毒Iz 图3.2相对信号幅值与调制频率关系图
Fig.3.2.Relation diagram ofrelative signal-amplitude and modulation

frequency

掌曩■t西棼五●差
z ● ●

W——哪酬
● 1,1

'Z





图3.3相对辐射功率与波长关系图
Fig,3,3.Relation diagram ofrelmive emission and wavelength

2)光线频率调制装置

为了把一束输出光功率恒定的连续光线变成光功率时变的光线以作为入射光 线,可以对光源采用频率调制技术。光功率的机械斩波调制主要由光线通过一机 械斩波器来实现的。机械斩波器通常由一个边缘开有若干通光孔的斩波盘、一个 转速稳定和可控的步进电机以及电子控制装置三部分组成。当一束功率不变的连 续光线通过旋转的斩波盘后,由于斩波盘对光线的通和断的作用,使出射光线成 为功率时变的光线。通常斩波器上装有小灯泡和光电二极管,由此产生与断续光 同步的电信号,这种电信号用在断续光的频率控制和后续互相关分析运算的参考
信号中。

重庆大学硕士论文

3气体光声光谱试验平台及光声池的设计

但是考虑到机械轿波器转动在空气中产生声扰动和斩波频率晃动引起声信号 起伏,其频率与光声信号的频率相关,而且扰动噪声随着斩波频率的增加迅速增

大,这些因素都严重影响光声信号的检测信噪比。本试验平台自行设计调频脉冲
电源代替机械斩波器,其结构图如下所示:

图3.4调频脉冲电源组成图
Fig.3.4.Form

dia脚mn offreQuency

modul砒j011 pulse

SOIIIrcA:

图中Vout=1.25Vinx(1+局/恐)+』厶×局,其中1岫为流过R3两端的电流,通常其值 小于loo¨A,可在计算中将其省略。因此可得到踟tit≈1.25Vinx(1.4-焉/心)。 首先通过整流桥将交流电压变换为直流电压并通过LM317稳压模块稳压后,

由可变电阻飓调节输出电压幅值‰来驱动红外光源,再由信号发生器驱动三极管
来控制电压脉冲频率,起到调制光线的作用。电容o、Q的作用是抑制电路纹波。
3)滤光片

窄带滤光片只对在峰值透射波长附近的光波段有较高的透射作用,在其它波 段都表现为高反射,并且窄带滤光片的峰值投射波长随入射光的入射角的增大向
短波长方向移动。所以我们选用的滤光片峰值透射波长分别对应各种气体的特征

频率,并且要求透过带宽越窄越好,以便排出非检测气体的干扰。
4)光声池 光声池是样品气体在其中吸收光能后通过无辐射弛豫过程散发热能而产生压

力波,并由微音器转换成电信号的部分。光声池是影响试验平台性能最为关键的
组成部分,其几何结构和材料对检测灵敏度有着重要的作用。 5)微音器

常用的微啬器分为电容式和驻极体(具有半永久性极化作用的电介质)两种类
型,其主要功能是把声能转化成电能,所以它必须要能准确地反映出压力的变化。 相关研究表明,脉冲光声信号信噪比与微音器灵敏度及带宽成正比,我们采用的 是美国knowles公司的EK-3024,灵敏度为22mV/pa,且具有较宽的响应带宽和良好

的温度漂移特性。

14

重庆大学硕士论文

3气体光声光谱试验平台及光声池的设计



一●●,●●●。_

‘~

I■

h?"口O口)
图3.5徽音嚣灵敏度与调制频率关系图(EK-3024)
Fig.3.5.Relation diagram ofsensitivity and modulation

I●¨

I●●●●

freQuency(F_,K-3024)

衍数据采集卡

数据采集卡对微音器输出信号进行采样后将采样数据存储为电子表格excel或 专用测量文件Ivm的形式,作为虚拟检测系统的待测信号由模块内置的数据采集函
数传输到程序框图中去。我们选用的数据采集卡型号为凌华公司的PCI-9112,该数

据卡具有32位PCI总线和12位模拟量输入分辨率,可16路单端或8路差动模拟量输
入、16位数字量输出,最高采样频率达至lJll0 KHz。

7)虚拟信号检测系统 由于光声光谱检测过程中噪声的干扰,光声信号湮没在强噪声下难以检测,
本论文采用在LabVIEW平台中集成Simulink仿真模型的方法构建虚拟信号检测系

统,并以互相关分析和混沌检测相结合的方法来提取出微弱光声信号。虚拟信号
检测系统的设计过程和相关实验分析将会在第四章进行详细说明。

3.2光声池的设计及实现
3.2.1光声池的设计原则及分类
随着高灵敏度光声光谱技术的发展,光声池作为光声光谱系统的一个重要组

成部分也得到了较大发展。光声池的材料一般选用热传导系数较大的黄铜以及不 锈钢等,其结构不尽相同,但是设计原则是相同的; ①光声池应尽量与外界声干扰隔离。 ②应尽量减少入射光与池壁,窗片及微音器发生直接作用从而产生背景信号. ③应尽量增强光声池内的入射光强或设法增强池内光声信号以提高信噪比。 ④应保持池内表面光洁,使之对气体的吸附和解吸都小。 目前光声池的结构可以分为共振式和非共振式两类【15)i堋。

重庆大学硕士论文

3气体光声光谱试验平台及光声池的设计

1)非共振气体光声池

当调制频率厂=善低于池体的最低阶的共振频率时,光声池就工作在非共振
状态,这时池内光声信号几乎是同相的,而光声信号强度为:

4(m)=—————————?——一
矿国(1+—!~) ∞o

4.r出、暑—itz(y-1)JjI—,l(r,co)dV

(3.?1) p?,

式中,fr=R2c,/2.048k,|j}为气体热传导系数,G为气体等容热容;功共振管体积。
非共振气体光声池具有结构简单,体积小及检测灵敏度高的优点,但仍存在
以下两个问题:

①不能对流动状态的试样进行检测。在低频时,气体在池体上的进出端相当
于声压的“短路’'端,使光声信号急剧减小。

②为了提高光声信号,光声池必须工作在低调制频率上,电流噪声、电阻噪 声、气流的湍流噪声都呈现低频特性,因而不利于信噪比的提高;同时小的池体 积也限制了光在池内的反射次数,光能的利用率低,且热传导损耗增大。 2)共振式气体光声池 共振式的光声池分为两类,一类是光学共振,另一类是声学共振。目前绝大 多数均采用声学麸振式光声池。声学共振式光声池的优点: ①体表比较大,有利于对吸附性较强的气体进行检测。 ②激发的声波场具有一定空间分布,通过把气体进出口放在节点上,可以实 现流动式的实时检测。 ③调制频率较高有利于电子检测和克服低频噪声的影响。 对共振式光声池而言,池体的尺寸是由所选的共振模式p,(,)及共振频率

。7

f=≥所决定的。其中,为光线沿径向传输的距离坐标。
Z万

当光的调制频率国=∞,时,光声信号彳,∽为极大,且

4鸱)一!互鼍箩坐驴(,,q坞.(,)∥
以和)之间有两个明显的不同之处,即:

(3.2)

将式(3.2)与(3.1)比较可以发现,共振光声池的光声信号彳,p,)与非共振光声池的 ①共振光声池虽然工作在较高的频率上,但由于共振的驻波放大作用,光声

信号并没有减小。如果雅越高,△∞,就越小,4,徊,)就越大,因此选用Q值高的
共振模式对提高光声信号是有利的。但若雅过高,则由于△国,太窄,环境温度的
变化和调制频率的漂移会引起光声信号的较大变化,从而使检测变得不稳定.

重庆大学硕士论文

3气体光声光谱试验平台及光声池的设计

②共振光声池的光声信号4(哆)与入射光线,(r,哆)和共振模式只(r)之问的 耦合状况密切相关,因此通过选择适当的光强分布,(,,q)和相应的共振模式马(,) 也可达到增强光声信号和抑制背景信号的目的鲫。

共振式气体光声池的中心共振频率‘。和Q值理论计算式为:

厶=v/2(1+A1)

(3.3) (3.4)

Q=R/[dI"+O一,脚】

式中,,是共振管长度;v是声速;△,称为开端修正项,可以认为是共振管一维声场
向缓冲池三维声场辐射的不匹配效应引起的,通常近似取A,=2xO.85R;R、dF、

积和,,分别是共振管的半径、粘滞层厚度、热导层厚度和热容比Co/c,。在实际
应用中可由共振频率曲线(光声信号强度一频率)得到中心频率值.厂Ⅲ,再根据公式

Q=厶/4厂埘可得到Q值,式中4么为1/√2峰值频谱宽度。
3.2.2光声池相关参数的设置【201
提高光声池灵敏度的主要限制是窗背景噪声。窗噪声起源于窗口材料以及池

壁吸收入射光而造成的同步声压波动,是限制光声光谱探测灵敏度的主要噪声之 一。窗片吸收背景噪声产生的声波传播到微音器探测的位置约需4001as,在时间上
可以和信号分开;但窗片反射造成的背景噪声会直接影响信号。窗噪声的幅度反

比于池长度,所以增大池的长度既增大了光声信号,又减小了窗噪声。
在光声池中,造成声衰减的主要原因之一是池内表面上的粘滞和热传导。表 面粘滞损耗正比于某些内表面的面积,而这些内表面平行于介质质点振动速度或

其分量。由于径向声模式的传播垂直于侧面而平行于端面,粘滞损耗仅产生在端
面,而其他声模式都在侧面产生粘滞损耗,所以径向声学模式的粘滞损耗最小,

品质因子强大。若光线沿光声池的轴线入射,则径向模式与光线的耦合效率最高.
工为声共振管长度,z为声共振管轴向坐标,在=《/2处,声压为波腹,所以将微
音器安装在池体中部将会获得最大的信号幅度。 为了进一步增强气体共振光声池的光声信号,可以采用以下方法: ①增加气体试样的吸收光能。在试样光吸收系数一定的情况下,可以采用增
强入射光线强度或增加有效吸收光程的方法。

⑦光线应该在共振模式P。(r)的极大处入射,使光线与共振模式之间的耦合尽
可能的强,可达到增强光声信号与抑制背景噪声的目的。

③根据检测需要,应选用Q值高的、共振频率/纛低、池体体积小的共振模式。
为了减小背景信号的影响,共振光声池的设计可考虑采用以下措旖: ①因为窗口吸收而产生的光声信号,同样取决于池体共振模式之间的耦合, 因此可以把窗口放在共振模式的声压波节处,从而使窗口吸收所形成的背景信号
17

重庆大学硕士论文

3气体光声光谱试验平台及光声池的设计

源与共振模式之间的耦合减至最弱。 ②设置布瑞斯特窗口,使得入射光线偏振程度最大,可以从很大程度上减小
由于光窗和池壁对背景气体反射造成的背景光声信号。

在设计光声池时还要设法减小热粘滞阻尼,这是信号在池壁耗散的重要原因。
热粘滞阻尼将导致信号按指数规律e“衰减,其中s是阻尼系数,其随着∞帕而变化.

3.2.3用于试验平台的纵向共振光声池及特点
用于光声光谱试验平台的光声池设计应满足以下几方面的要求: ①能够在光声池内激发较高Q值的声模式; ②能提高池内的有效入射光强; ⑤保证入射光线与共振模式的耦合效率; ④有利于噪声的减小: ⑤共振频率要远小于分子的振动平动弛豫时间的倒数,保证分子的激发能充 分转化为平动能。 1)声学共振模式的选择 ~个高为l,半径为R的圆柱形光声池,它的第丘堋,妒阶共振模式P。(r)与共

振频率‘分别为

‰(,)=COs拦》co《卿厶争,)
’_=iv L。7P
玎分别为纵向,角向,径向的模式数。

(3.5) (3?6)

2+(争2声

式中,v为池内气体声速,口。,是m阶贝赛尔函数厶’(刀口)=O的第n+1个根,P,m, 当池体工作在(000阶径向共振状态,则有

‰l(r)=山洋,),刀%l=3.832
允l=0.610二。

(3.7) (3.8)

在,=o处,由于山(竺》r)为极大值,所以光线J(∞,,)宜沿,=o的z轴入射,使
光线与共振模式p籼(,)之间有最强的耦合。微音器则可放在,=五的池体壁面上,因 为那里也是径向共振的声压波腹。r-.-O.628R处是径向共振的声压波节,因为这时 山(1XGrOI,)=o,因此池体的端面r=O.628R处可以开孔,作为流动气体试样的进出口, 从而达到减小湍流噪声干扰的目的。 当光线沿圆柱池轴线入射时,光声池也可以工作在纵向共振000)阶模式上。
对于000)阶的共振模式有:

lS

重庆大学硕士论文

3气体光声光谱试验平台及光声池的设计

A∞扛)=cos(/2)

(3.9) (3.10)

‰=寺
这时,z=委处纵向共振声压波腹。
对于第一阶角向共振(010)阶模式,有

‰@咖cos明(孚,),嬲l。.1.84l
兀1。;o.293-Rv

(3.11) (3.12)

这时光线在r“R处平行于z轴入射,因为在r=R处,以(椒l。)为极大,使,(r,国)与
po,。(,,日)具有最强的耦合。

从上述三种不同共振模式的对比可以看出:径向哭振模式虽然具有很高的9 值,但它的共振频率及对应的池体体积也最大;对于相同半径的池体,角向模式

共振频率比径向模式几乎减小一倍,但啦也较之低很多,且声波衰减很快;纵向
共振的Q值虽然为三种共振模式中最低的,但是它可以在较低共振频率上发生,池 体体积也最小。高的共振频率可以有效地抑制低频噪声,但是过高的共振频率会 使得光声信号相位滞后于光调制相位甚至发生相位翻转现象,这是不利于光声信
号检测的,并且还会使得检测干扰噪声增大,该噪声频率与调制频率相同,严重

地影响了检测信噪比。选用啦高的共振模式对提高光声信号是有利的,但是过高
的(}值,使得环境温度的变化与调制频率的漂移会引起光声信号的较大变化从而使
得检测变得不稳定。

论文选用纵向共振模式作为用于试验平台的光声池声学共振模式,虽然该共

振模式的始不是很高,但是其相关噪声小,且检测也更加稳定。
2)几何结构与尺寸的确定

常用的光色池有长方形与圆柱型两种,实验研究p川表明长方形光声池中声波 的衰减大于圆柱型声波的衰减,再者,圆柱型光声池的表面积与体积之比小于同 体积的长方形光声池使得气体的吸附较小,故论文选用的是圆柱型光声池。 当气体浓度较小时,可以增加光声池光程以获得较低的可检测浓度极限,一 般可以通过已知浓度的气体光谱来进行推算,如果光程长为l时测得已知浓度为f 的气体光谱,其特征吸收谱峰高为凰而其附近噪声均方根为矗Ⅳ,则要检测气体浓度

极限值cm所需要的最短光程为;



7蝴‰刮‘张2最7

0.13)

较长的池长即可以增加有效吸收光程从而增强光声信号强度,又可以减小光

重庆大学硕士论文

3气体光声光谱试验平台及光声池的设计

窗嗓声来提高检测信噪比;同时较大的池半径对与频率相关的噪声也有很好地抑 制作用。论文中光声池长度为200ram,直径为70mm,中间共振管直径为lOmm, 同时为了尽量减小气体流动带来的噪声,气体进出口直径仅为0.4mm。其中声学滤 波器的作用在于减小外界声干扰的影响并缩短光声信号的响应时间。 自行设计的纵向共振光声池结构示意图如下:
气体入口 气体出口

Z嵋e膏

Z圃et户

声学谵渡罨

声学溽竣嚣

图3.6自行设计的光声池示意图 F.g.3.6.Sketch diagram ofphotoacoustic cell designed
by ourselves

3)光声池的相应去噪措施 光声光谱试验平台的干扰噪声产生根源复杂且分布情况未知,都极大程度的
影响了检测灵敏度与信噪比的提高,我们根据噪声产生的根源采取相应措施去抑 制光声池设计过程中所遇到的干扰噪声。
表3.1光声池设计过程中的噪声来源及解决方案

问题 吸收背景噪声

解决方案

①采用气体缓冲室以有效的隅离窗片背景噪声 ⑦缓冲室半径大于3倍的光束半径以避免光线
接触共振管壁引起相干噪声

③把窗片放置在共振模式的声压波节处使得窗片
吸收所形成的背景信号源与共振模式之问的耦 合减到最弱 反射噪声 ①窗片按布儒斯特角布置

②保证窗片表面和池内壁的洁净
光声池内壁对光和热的吸收

①采用内径较大的光声池共振管 ②内壁采用高导热系数和反射率的材料

样品气体流动噪声

①限制气体的流动速度小于0.IL/min ⑦在声压波节处开孔作为流动气体试样的进出 口,可减小湍流噪声干扰

重庆大学硕士论文

3气体光声光谱试验平台及光声池的设计

外界环境干扰

①采用屏蔽盒对光声池进行声、杂散光以及电磁
屏蔽

②采用支架装置对光声池进行精确固定,防止外
界振动带来的检测误差

3.3光声光谱试验平台的抗干扰措施
目前英国开尔曼公司研发的变压器油中溶解气体光声光谱在线监测设备在国

内外一些电力部门得到了初步使用,但由予其没能很好地解决监测设备现场抗干 扰的问题,变压器运行现场的强电磁干扰、声干扰以及杂散光的照射都会使得检 测出现较大误差。因此,本文的光声光谱实验平台需要采取相应的抗干扰措施来
抑制气体光声检测过程中的噪声。

光声试验平台的干扰噪声可分为两大类:一类是随机噪声,包括热噪声,电 噪声和机械噪声:另一类是和光声信号同步的背景噪声,其在幅值上远大于随机 噪声,且无法采用互相关运算或锁相放大器滤除,是影响检测信噪比的主要因素。

3.3.1试验平台随机噪声千扰的抑制
随机噪声主要包括热噪声,电噪声和机械噪声。热噪声主要是由光声池中气 体分子布朗运动引起微音器探测元件随机振动而引起的噪声,它对光声检测灵敏 度的影响较小,可以暂不考虑;电噪声主要是由电子检测装置、仪器(例如放大器、 滤波器等)引起的,应该尽量选用性能较好的低噪声电子检测装置和仪器以减小电
噪声的影响;机械噪声主要是空气传播的声干扰,由于微音器是一种非常敏感的

声传感器,它对外界声干扰反应相当灵敏,要减小机械噪声,光声池的密封设计 尤为重要,当真空度足够高时,光声池抗外界声干扰的能力就较强。

3.3.2试验平台背景噪声干扰的抑制
本论文采用二次检测法来消除背景吸收噪声的影响。首先在光声池中通入高 纯度非吸收载气,微音器输出的电信号即为背景噪声,然后再在池内充入待测的 吸收气体与载气的混合气体,这样第二次检测光声池中得到的既有有效光声信号 又含背景噪声,检测前后两次的差分信号即可得有效光声信号;同时在光声池的 两端设置布瑞斯特窗,它使得入射光偏振程度最大,在很大程度上减小了光窗和
池壁反射光线造成的背景反射噪声。

另外在试验平台中采用调频脉冲电源驱动红外光源来调制光线,代替了传统 的机械斩波器,是考虑到机械斩波器转动在空气中产生声扰动和斩波频率晃动引 起光声信号起伏,其频率与光声信号的频率相关,无法用互相关分析运算滤除掉, 而且扰动噪声随着斩波频率的增加迅速增大,严重影响光声信号的信噪比。

21

重庆大学硕士论文

3气体光声光谱试验平台及光声池的设计

3.4小结
本章首先对气体光声光谱试验平台的总体结构以及组成各部分的作用与要求

进行了说明,然后提出了变压器油中溶解多组分气体光声光谱试验平台的设计思 路,着重分析了其中影响试验平台性能最为关键的部件一光声池的设计原理,并
在对现有光声池结构进行参考对比的基础上设计实现了纵向共振光声池。最后根

据光声光谱试验平台中噪声的产生来源与种类,采取相应抗干扰措施来抑制噪声。

4光声光谱试验平台中虚拟信号检测系统的设计
信号处理系统作为光声光谱试验平台的重要组成部分,其对信号的处理能力
直接影响着整个试验平台的可行性以及检测精度。在光声信号检测中,由于信号

通常处于强噪声环境下且自身幅值又非常小,为了检测结果的准确性,在试验平 台硬件上采取抗干扰措施的同时还应该采用相应的微弱信号检测方法上来抑制干 扰噪声提取光声信号。由于交压器运行现场环境的干扰以及检测过程中噪声的影 响,使得微音器输出的毫伏级电压信号(对应于溶解气体的体积分数常为1/106级) 湮没在强噪声下无法辨识,采用滤波放大,傅立叶分析等方法对检测过程中的干 扰抑制没有太显著的效果,检测信噪比仍然较低。混沌检测是一种不同于以往检 测方法的新型微弱信号检测方法,利用其对噪声的强抑制能力可以将噪声干扰下 的与策动力同频的微弱信号提取出来,但是由仿真实验发现该方法具有一定局限 性:当噪声能量远大于待测信号能量时,会让混沌检测方法实效。为此论文在混 沌检测基础上引入互相关分析的方法,将初始噪声能量降低到与待测信号量级相
当后利用混沌系统对噪声强免疫的特性避开剩余噪声的影响提取出微弱信号【4研,

并以此检测方法为依据设计实现了虚拟信号检测系统作为光声光谱试验平台的组
成部分。

4.1基于互相关分析与混沌检测相结合的微弱信号检测方法
4.1.1微弱信号互相关分析方法
设x(o为待测信号,r(O为参考信号,行渺为噪声,≯为待测信号与参考信号的 相差。其互相关函数为:

rX(t)r(f—f矽 ;熙r(沈sinoJt+玎(,))-Ursin(舐t—f)+一边 =Tliln.-。m r协sinox?Ursin(coO—f)+声冲+fliIII--。o r一(f)?Ursin(烈t—f)+妒弦
Wo(t)=一lira =UrUsl2cos(ost一力+P,nr(t)

(4.1)

式中,珊何为互相关函数,阮为待测信号幅值,U,为参考信号幅值。

理论上,参考周期正弦信号与噪声不相关,其相关函数肋形应为0,但是由
于工程实际中积分时间不可能为无限长,并且工程实际中噪声没有那么理想,不 能看作是白噪声而应该视为色噪声,色噪声与信号的相关性有可能很强,所以实 际计算的m州j!)不为零,而只是接近于零的随机变量,表现为剩余噪声帅。针对互

相关分析去除噪声不完全的缺陷,我们引入基于混沌振子检测微弱信号的方法, 可以在互相关分析的基础上进一步提高信噪比。待测信号在经过互相关分析环节 后,初始噪声在很大程度上得到抑制,由于剩余噪声在能量上远低于初始噪声,

与待测微弱信号的量级相当,不会因噪声过强使得系统由临界混沌状态误相变到
大尺度周期状态,而让混沌检测方法失效。


4.1.2微弱信号混沌检测方法
1)信号混沌检测原理 微弱信号检测最大的障碍就是噪声的类型及其分布情况未知,而混沌检测对 于白噪声和未知分布色噪声均具有强抑制能力,利用混沌振子进行微弱信号检测 的理论基础是其非平衡相交对同频微弱信号具有极大敏感性和对噪声具有强免疫 力【49】。混沌系统对待测周期信号极为敏感,当含有非高斯噪声的信号通过混沌模 型时,大部分通频带外的噪声将被滤除掉,同时非高斯噪声将被转换成高斯噪声。 在此过程中混沌系统相当于一个窄带滤波器,允许通频带内的待铡信号和极少量 的窄带噪声通过混沌系统,从而减少噪声对待测信号的干扰,提高了信号的检测 信噪比。目前广泛用于强噪声背景下微弱周期信号检测的Duffmg混沌振子的一般 形式(可测不同频率)如下: 掌=一adcr+c02<≯一工5+/cos(耐))(4.2) 其对应状态方程为:
dr


石。国y; 型!=m(x’一,5一耖+fcos(m0);
ate

(4-3)

式中,,为内置策动力幅值,七为阻尼系数,矿—巧为振子的非线性项,在外加信
号一定的情况下,它决定了振子的特性,也决定了检测能够达到的精度。 利用混沌系统进行信号检测的具体思路为【521:首先调节系统的内置策动力^

使系统处于从混沌状态向大尺度周期状态过渡臼铆l缶界状态,得到策动力值以分岔
值),然后加入同频率的待测信号,此时系统中总策动力幅值五变为;

石=、协2+2Af2∞s矿+A2

(4.4)

由上式可以看出,系统运动状态与待测信号和策动力的相位差矿有关,当该相 位差满足(4.5)式时,系统仍然处于混沌状态。

n-m'eeos(A/:呒)sps疗+部rccos(彳/2五)(4.5)
当其相位差不在上述范围内时。由于混沌系统对小信号的敏感性,系统进入 大周期状态。此时,调整策动力相位与待测信号相位相同,并调节内置策动力,

幅值,使得系统再次处于大周期到混沌的临界状态,得到对应策动力西,则可求得 待测周期信号的幅值为彳--f2-.而。
2)混沌系统运动状态的判定

由以上讨论可知,信号混沌检测的关键是确定系统由混沌状态进入大尺度周 期状态的策动力阈值五。在实际信号检测中,系统的混沌运动与周期运动之间没有 明显界限,单凭肉眼观察来确定临界阈值有一定的困难,所以混沌特性判据的研 究是混沌检测的理论基础。混沌运动的基本特点是运动对初始条件的敏感性,两 个极为靠近的初值所产生的轨道,随时间推移按指数形式分离,李雅普诺夫特性 指数是定量描述这一现象的量,它表示在多次迭代中平均每次迭代所引起的指数
分离中的指数【5”。在Dllmllg系统中至少存在有一个李氏特性指数始终为常数O,

下面关于混沌判据的讨论均不包括这些始终为0的指数。由李氏特性指数谱可以 辨识出系统的运动状态和得到相变临界阈值:如其中有一个特性指数为正,说明 系统处于混沌态;如全都为负,说明系统处于大尺度周期态;如有指数为零,或近 似为零,则系统处于从混沌态向大尺度周期态过渡的临界状态,此时对应的策动
力幅值即为相变临界阈值.后。 3)噪声对混沌系统运动状态的影响 在没有噪声的情况下,系统的大尺度周期运动轨道应该是一理想的极限环,

但由于噪声的影响,该环的边界显得有些租糙。在统计的意义下,任何能量在一 定范围内的噪声都不会改变系统原有状态,仅仅会使系统的运行轨迹变得粗糙些,
在理想轨迹附近摆动。但是由仿真实验可知:当噪声能量远大于待测信号能量时,

系统临界状态在一定概率下会由于强噪声存在而发生误相变,其对噪声强免疫的
特性遭到破坏。

4.2基于LabVIEW与Simulimk软件混合编程的虚拟信号检测系统
LabVIEW和Simulink是当今工程领域内使用广泛的两种软件,Simulink具有非 常强大的系统仿真功能,而LabvIEw则能非常方便的实现与数据采集硬件设备的 通讯。在LabVIEW程序中集成Simulink仿真模型,可互相弥补各自不足之处,提高 编程效率,也使得虚拟仪器的系统仿真功能更为强大。

4.2.1虚拟信号检测系统的组成
基于LabVIEW与Simulink结合的虚拟信号检测系统由LabVIEW平台, MATLAB算法模块,Simulink仿真模型三部分组成,系统结构如图4.1所示。

图4.1虚拟微弱信号检测系统及其算法图
Fig.4.1.Diagram ofvirtual weak signal detecting system and its arithmetic

由MATLAB算法模块提供互相关分析算子和李雅普诺夫特性指数谱计算程 序,在MATLAB环境下用脚本文件编辑器编写,定义相应算法;然后在程序框图 中加入MAlrI,AB脚本节点,在节点中用“Import'’命令直接调用MATLAB算子,脚 本节点与外部程序框图依靠其输入输出变量来连接,由于在MATLAB和LabVIEW 中对数据类型有着不同的定义,编程时应使得脚本节点内外数据类型相匹配【50】。 在Simulink中建立起仿真模型,通过Simulation模块内置函数将其转化为LabVIEW 模型,并通过用户界面的输入控件确定仿真时间参数。对混沌系统采用龙格一库 塔四阶计算方法求解,初值默认为【O,O】,时间步长本实验选为0.001s。其中有两点 值得注意:一是程序中采样点数的选择将会对结果产生较大的影响,点数太少不 能准确描述实际波形,但点数太多又会使得硬件采样频率的调节误差增大,因此 采样点数的选择要合适才能保证检测的精度(本实验选为5000点,采样频率 2000HZ):二是混沌系统仿真时间选取要足够长才不会对系统运动状态产生误判断 (本实验为20s,步长0.OOls)。
4.2.2

Simulink模型与LabⅥEW平台的集成



NI公司提供了专门用于动态系统实时仿真的Simulation模块,它可以通过其内 置程序将Simulimk模型转化为LabVIEW模型,一方面利用LabVIEW丰富的用户界 面作为Simulimk模型的输入输出,另一方面利用Simulimk优越的仿真性能对系统实 现半物理仿真。

4.2.3虚拟系统与数据采集卡的通讯 I曲Vmw的Simulation模块通过内置式数据采集函数将采集卡采集到的数据
记录下并传输到后续程序框图中,实现带实时I/O的动态系统。根据选用采集卡的 型号,在LabVIEW中由相应的程序驱动其工作。

虚拟信号检测系统的LabVlEW程序框图如图4.2所示。

圈4.2基于LabVIEW与Simulink楣结合的虚拟信号检测系统程序框图
Fig.4.2.Program diagram of virtual signal detecting system based
Simul{rIl【
on

combining/.abVIEW

with

其中互相关运算子vI的程序框图如图4.3所示。

图4.3互相关分析vl程序框图
Fig.4.3.1:'rogram diagram ofcross-correlation analy'zhlg VI

4.3光声信号检测的实验分析
在虚拟信号检测系统的设计完成后,整个光声光谱试验平台的设计也就基本

完成了。可以在试验平台上进行c2H2气体的光声光谱检测实验,按照气体光声光 谱检测原理,微音器输出信号就是我们需要检测的光声信号,它可视为周期信号
与强干扰噪声的叠加,其中周期信号幅值与油中溶解气体的浓度具有函数关系,

频率与光源调制频率相同。微音器输出信号通过数据采集卡采样后,由虚拟信号 检测系统内置的数据采集函数传输到后续的程序框图中去。为了检验虚拟系统对 不同分布噪声的强抑制能力,我们分别对均匀噪声、高斯噪声以及未知分布噪声
下的C2H2气体光声信号进行检测实验,实验结果如表4.1所示。
表4.1不同噪声下C2H2气体光声信号的检测
Table.4.1.Detecting ofC2H2 photoacoustic

si印al

trader different noises

噪声类型

测得信号 幅值~

检测信噪 比(SNR)/db
52 53 48

相对误差,%

均匀噪声 高斯噪声 未知分布噪声

0.0009976 0.0010026

0.24 0.26 1.07

Oml0107

注:SNR=-1019(周期信号功率/噪声标准差);C2H2气体光声信号标定值为0.001v

三种不同分布噪声下的待测信号波形如图4.4(a)、图4.5(a)和图4.6(a)所示,微 弱光声信号湮没在强噪声中无从辨识。调用MAlLAB算子对待测信号进行互相关

分析处理,由图4.4∞、图4.5(b)和图4.6(b)可以看出互相关分析方法在很大程度上
抑制了初始噪声干扰,此时的噪声能量相比于初始噪声降低了数倍,但是由于工

程实际中积分时间的有限且噪声与参考信号存在有一定相关性,它并不能够完全 消除与光声信号同频背景噪声的影响,信号仍然存在有剩余噪声的现象,它们使 得信号波形出现许多毛刺甚至在某些地方发生畸变。 为了抑制剩余噪声,我们将互相关函数信号作为混沌检测中策动力的一部分 引入到混沌系统。在选定阻尼系数k为0.5后,首先从零开始调节内置策动力—曝值 到临界分岔阈值易,该阈值没有确切公式得到其解析解,只能通过重复实验将历值 的精度顺次向高位扩展。当选定,值后运行混沌判据计算程序,观察系统的李氏指 数谱图,直到有一条李氏指数谱线收敛值为负,另两条谱线收敛值为O(李氏指数谱 线随着时间演化具有收敛性质),如图4.8(a)所示,此时系统处于从混沌态向大尺度 周期态过渡的临界状态,如图4.7(a)所示,最后得到为值;此时加入互相关函数信 号,由于混沌系统对同频信号具有极大的敏感性,系统进入大尺度周期运动状态,
如图4.7(b)所示,其对应的李氏指数谱如图4.8(b)所示,其中有两条李氏指数谱线为

负数且在数值上很接近,一条谱线始终为常数O;然后,通过虚拟检测系统中的移 相环节调节内置策动力相位与互相关函数信号相位相同,并调节内置策动力f幅值

使系统再次处于混沌向大尺度周期过渡的临界状态,记下对应阈值而,即可求得加

入的互相关函数信号幅值砺弓仁而。又由公式(4.1)|可知1Uo----UsUr/2,推得待测C2H2
光声信号强度Us=2uJur(参考信号幅值Ur值已知)。

图4.4(a)均匀噪声下C2H2气体光声信号波形图 Fig.4.4(8).Waveform diagram ofC2H2photoacoustic
signal under

uniform∞&

图4.4(b)互相关分析后信号波形图(均匀噪声) Fig.4.4(b).Waveform diagram
ofsignal after
grOSS

correlation anaZyzing(uniform

noise)

图4.5(a)高斯噪声下C2H2气体光声信号波形图 Fig.4.5(a).WaveformdiagramofC2H2photoacoustic signedunderGaussiannoise

图4.5(b)互相关分析后信号波形图(高斯噪声) Fig.4.5(b).Waveform diagram
ofsignal after
cross

correlation

analyzing(Gaussian noise)

图4.6(a)未知噪声下C2H2气体光声信号波形图 Fig.4.6(a).Waveform diagram ofC2H2 photoacoustic
signal under unkiiown noise

图4.60)互相关分析后信号波形图(未知噪声)
FigA.6

Co).Waveform diagram ofsignal after

cross

correlation analyzhg(unknowll

noi嘲

重压太生硬±监塞

4左虚左谱达验垩台虫虐型篮量控捌丕缠数递进

图4.7(a)系统的临界混沌状态 Fig.4.7(a)Critical
chaotic state ofsystem

图4.7CO)加入互相关信号后系统的大尺度周期状态

Fig.4.7(b).I_弼e-scale periodic state ofsystem碉H


adding嘴correlation

signal







山 .31f1 苦

————

.五扣

太j
10
31







扣30
Time“)

图4.8(a)临界混沌状态的李氏指数谱
Fig.4.8.(a)Lyapunov
exponent diagram ofcritical chaotic state



罢.140
山.1S3 苦


j?1∞

.170








10

加30
11m8b)

图4.8(b)大尺度周期状态的李氏指数谱 Fifr4.8(b).Lyapunov exponent
diagram oflarge-so.ale periodic state

4.4小结
尽管从光声光谱试验平台的硬件设计方面采取抗干扰措施来抑制检测过程中 的噪声,但是由于噪声产生根源、类型存在着复杂性与不确定性,微弱的光声信 号仍然湮没在强噪声下而难以检测。本章采用互相关分析和混沌检测相结合的方
法来提取微弱信号,并采用在LabVIEW平台中集成Simulink仿真模型的方法构建虚

拟信号检测系统作为试验平台的重要组成部分。通过C2H2气体光声信号检测的实
验结果表明了该虚拟系统可以在很大程度上提高信噪比且具有较高检测精度,能

有效地抑制检测过程中的强噪声干扰。

重庆大学硕士论文

5基于径向基神经网络的多组分气体交叉影响修正方法

5基于径向基神经网络的多组分气体交叉影响修正方法
在论文的第2章中分析了CO、C02、crh、c2I-12、c2H6、c2i-h六种特征气体 浓度与光声信号强度的关系特性,考虑到混合气体的组分越多,会使得实验的重
复测量次数呈几何倍数的增长,同时使得交叉影响修正模型的网络结构变得复杂,

训练过程也随之增长,作为对多组分气体间交叉影响分析和修正的起步研究工作, 在本章中,选用C2H2、C2I-i6和C02三种气体组成的混合气体来进行实验。三种气 体在红外特征吸收谱峰上较为接近,吸收频谱上存在着重叠现象,在采用滤光片 对其中某一种气体组分进行滤光时,滤光片会透过干扰气体组分的部分特征吸收 频谱段,这样在微音器信号输出端就会出现较大的检测误差,因此将这三种气体 的混合气体作为交叉影响分析和修正实验的典型气体,在理论和技术上是可行的, 并且具有较大的实验分析以及推广价值。

5.1多组分气体交叉影响的实验分析
在搭建好光声光谱试验平台后,可以对气体样品进行光声光谱检测实验。为 了对比该试验平台对于某种单一气体以及混合气体中同一气体的检测精度,我们 依据浓度值的不同分别配制了单一C2H2气体样品以及c2H2、c2H6和C02的混合 气体样品各十组。然后按照以下步骤进行检测实验,得到的实验结果如表5.1所示: ①调节电源输出电压值去驱动红外光源,光源调制频率由信号发生器控制; ②向光声池内充入待铡气体样品直至充满其中,注意控制气体流速在0.IL/min 以免气体流动带来噪声; ③光源发出的红外光线经过透镜聚焦后,由滤光片透过待测气体的特征频谱, 然后沿光声池共振管轴线入射: ④光声池内的气体分子吸收光能后向外辐射热量,引起池内声压的周期性波 动,微音器探测到该声信号并将其转换为对应电信号; ⑤微音器输出信号经过数据采集卡采样后进入到虚拟信号检测系统,得到相 应光声信号的幅值信息。
表5.1光声光谱检测实验结果
Table.5.1 ExpcrimeⅡt,al results ofphotoacoustic spectral detecting

气体 样品 序号

盥一 C/zH2气

混合气体中 的C2H2气 体浓度

混合气体 中的C21"k 气体浓度
^‘I以.

混合气体 申的o。2 气体浓度

微音器输出 ,mv(对应单

微啬器输出 ,mv(对应混 合气体中的 C2H2气体1

体浓度



/m



一饧H2气体)

重庆大学硕士论文

5基于径向基神经网络的多组分气体交叉影响修正方法

l 2 3 4 5 6 7 8 9 10

90 110 140

90 1lO 140 lso 210 220 240 250 280 300

80 80
80 80 80 80 80 80 80 80

70 70 70 70 70 70 70 70 70 70

4.62 5.S3 8.1l l o.77

4.97 6.27 8.44 lLl4 13.56 15.67 17.45 18.7l 20.59

l∞
2lO 220 240 250 280 300

13.22
15.34 17.17 18.37 20.28

22.09

22.54

由上述实验结果表可以看出,单一的c2H2气体与混合气体中相同浓度的C2H2 气体所对应的微音器输出信号值有着一定的差异,这是由气体光声光谱检测技术 自身的特点决定的。由光声光谱检测原理可知,为了实现对变压器油中溶解多组 分气体的检测,需要用滤光片在混合气体较宽的频谱范围内滤出待测气体的特征 频谱。多组分气体的光谱吸收特性图上存在重叠区域,即使滤光片在选取时尽量 避开这些区域,但是由于滤光片不能精确到仅透过对应于各组分气体的单个特定 吸收谱峰,混合气体不同组分在其透射光波段内,均有不同强度的吸收。当干扰气 体在待测气体特征吸收峰有较强吸收时,意味着由于干扰气体的存在将给检测带 来较大误差,这种误差无法用硬件解决。这就需要对微音器输出信号进行修正处理, 以求获得精确的检测,从而实现多组分同时检测的且的。

5.2多组分气体交叉影响的修正方法
5.2.1气体交叉影晌修正的基本思想【45J
气敏元件阵列由一组透射波长不同的滤光片同微音器组成,每组气敏元件除 分别对某一种气体具有较强选择性外,对混合气体中的其它气体也有不同程度的 响应(滤光片不是只滤出某个特定波长的光,而是滤出以某一特征频谱为中心,具 有一定带宽的~段光)。因此气敏元件阵列对混合气体的输出信号可表示为: pi=番(cl,cz…cj…c毒 p2一f2(c|。c2…cl…c0

pi《(ch c2…cI...c0
pi=委《c1.c2…ct…c0

婿.1、

其中:p《卢1,2…n)为气敏元件阵列中第f组微音器的输出;联卢l,2…n)为混

重庆大学硕士论文

5基于径向基神经两络的多组分气体交叉影响修正方法

合气体中第i种气体浓度。不同浓度的混合气体产生不同的气敏元件阵列输出组合。 把这些输出作为神经网络的输入,相应的混合气体各组分浓度作为神经网络的输 出,形成网络的学习样本集。网络经过对学习样本的反复学习,建立神经网络输入 层、隐层、输出层各自的网络结构及其之间的连接关系,从而掌握气敏元件阵列 输出信号与混合气体各组分浓度的函数映射关系。当输入一组未知的混合气体时。 神经网络通过对气敏元件阵列输出值的识别即可判断出混合气体中各组分气体的 浓度。神经网络的判断精度主要取决于样本的选择和网络对样本的学习精度两个 方面,为此必须构造网络合适的学习样本集,使其具有足够的数量和合理的分布。 随着被识别混合气体组分的种类以及各组分气体浓度分布范围的增加,网络的学 习样本数量也随之大幅度增加,结构也将变得更为复杂。

5.2。2径向基神经网络【删
1)RBF神经元结构

RBF神经网络的基本单元是RBF神经元。神经元的输入是权值矩阵的行向量与 输入向量的向量距离(--维欧氏距离)与阈值所的乘积,其数学表达式为:
ni=bi(∑(wij"Pj)2)”


(5.2)

式中,胁为网络隐层第价神经元的输入,6沩第阶神经元的阈值,WⅣ为隐层权值矩 阵的第价行向量的第7个元素,办是箭个输入向量的第f时刻输入值。
径向基神经元隐层传递函数一般采用高斯型函数:

。。(.P),c。p(一Ⅲ:!:.二.;止)
口●

(5?3)

其中:m例是第?阶径向基神经元的响应值,jt(Pl,P?,...,瑚为输入向量,“和嚷为
第后个径向基神经元的中心值及其传递函数的标准差。

厂—、厂—————————弋
Input

Radial Basis N euron

”0…Kj.-

、J、。...........兰....。.√
口=冗阳嘲11哪II 6)
图5.1径向基神经元结构图
Fig.5.1.S仃uctum diagram ofradial basis nc,dl'on

当输入向量与权值向量的向量距离减小时。神经元的输出增大。输入与权值的 向量距离越接近,则径向基传递函数的输出越大,当输入向量P同权值向量∥完全相

重庆大学硕士论文

5基于径向基神经网络的多组分气体交叉影响修正方法

同时,径向基函数网络的输出为极大值l。对于给定的输,入巾,只有靠近中心部分才 被激活,输入与高斯函数中心的距离越近,隐节点的响应就越大。阙值b用来调节 高斯函数对输入的灵敏度,6的绝对值越大,神经元对输入越灵敏,6的取值由RBF
网络训练过程确定。 2)RBF神经网络结构模型

RBF网络是一种两层前向网络,包括隐层和输出层。隐层由径向基神经元组成, 输出层由线性神经元组成。在RBF网络中,在隐层执行的是一种固定不变的非线性 变换,将输入空间映射到一个新的空间,输出层在该新的空间中实现线性组合,可 调节的参数就是该线性组合器的权值,使整个网络通过非线性基函数线性组合,完
成从输入向量空间到输出向量空间的非线性变换。隐层基函数对输入激励产生一

个局部化的响应,即仅当输入落在输入空间中一个很小指定区域中(距离接近中心 的中央位置)时,隐单元才做出有意义的非零响应。由于隐层对输入激励信号的响 应,只在函数的中央位置产生较大的输出,即为局部响应,所以该网络具有很好 的局部逼近能力。多组分气体交叉影响修正问题可以视为采用径向基神经网络对
未知函数的逼近,任何函数都可以表示成一组基函数的加权和,则在径向基网络

中,相当于选择各隐层神经元的传递函数,使之构成一组基函数逼近未知函数。
nput Radial Basis Layer Linear Layer

o乡\=
掣=M加f(II∥1J。pII 6,)
吖isith
elementof=1where

竺./\竺
譬2purdin(LW“Ⅳ“哟
IIWuka'ectm"made
oftheilh

生/
rowofIWl.1

图5.2径向基神经网络结构图
rig.5.2.S扛IldAl∞diagram ofradial basis network

5.3基于RBF神经网络的MATLAB修正模型设计
MATLAB修正模型的程序流程简图如下所示(注:具体编程语句参见附录B)。

重庆大学硕士论文

5基于径向基神经网络的多组分气体交叉影响修正方法

图5.3 MATLAB修正模型的程序流程图
Fig.513.program flow diagram ofrevision model in MATLAB

1)网络样本库的建立与数据预处理

RBF网络属于有监督学习网络,要使网络具有好的泛化能力并能有效分析混合
气体各组分的浓度,首先需要大量具有代表性的学习样本来训练网络。网络经过学 习生成误差最小的网络参数,这些网络参数应能反映出网络结构的本质特征,而后

将网络推广到实际未知样本以完成预测分析功能。为此,必须获得大量准确且具有 代表性的实验数据,并通过数据组合建立网络学习样本库和检验样本库。前者用于 对RBF网络的训练,使其对微音器输出信号幅值与气体浓度的关系函数进行逼近; 后者用于检验网络的泛化能力,验证网络对未知气体浓度的预测性能。网络的训 练分为两步,第一步是采用非监督式的学习训练输入层的权值,第二步是采用监
督式学习训练线性输出层的权值,训练的目的是为了求得网络隐层和输出层的权 值矩阵及其阙值。

为了使得网络较快地收敛并提高其泛化能力,对学习样本中的微音器输出信 号和气体浓度分量进行归一化处理,同时以降低气体浓度对输出的影响。假设微

音器的稳态响应为“用电压值表示),气敏元件阵列中第i组微音器对气体组分:萨生
的响应则用v『f表示。微音器输出信号归一化预处理算法为:

p。:至塑


(5.4)

',一‰

式中,;、气分别表示气敏元件阵列中第缕【微音器所有响应的均值及其对纯净空 气的稳态响应。将经过处理后的向量P作为网络的实际输入。同理,气体浓度分量
归一化算法为:

f.:生二鱼 c皿t一‰


(5.5)

2)隐层传递函数的确定

隐层由径向基神经元组成,其传递函数一般为高斯函数。隐层传递函数的确

重庆大学硕士论文

5基于径向基神经网络的多组分气体交叉影响修正方法

定就是确定高斯函数参数均值C和方差盯2的值。我们将高斯函数方差仃2定义为样 本各点协方差之和,在MATLAB中提供了用于计算样本与中心点c协方差的函数

cov以及求和函数s咖,其中均值c的确定方法如下所述。
径向基网络中心值(即为高斯函数均值c)的选取在很大程度上影响到网络对函
数逼近的准确性及其泛化能力。是构造Ⅺ强网络的关键,我们根据K一均值聚类算

法来确定该参数。K-均值聚类算法是一种基于样本间相似性度量的间接聚类方法, 属于非监督学习方法。所谓聚类相似度是利用各聚类中对象的均值所获得一个“中 心对象”来进行计算的。在同一聚类中对象的相似度较高;而不同聚类中的对象相 似度则较小。其算法流程如下:首先从,1个数据对象选择七个对象作为初始聚类中 心。当事先知道样本类别数时,可将其设为中心个数;而对于剩下其它对象,则根 据它们与这些聚类中心的距离,分别将它们分配给与其最相似的(聚类中心所代表 的)聚类;然后再计算每个所获新聚类中所有对象的均值;不断重复这一过程直到 标准测度函数(一般都采用均方差函数)收敛为止。

(,,七,?distance',?gtan.),其中c为聚类中心,蚴聚类结果,参数助输入数据
矩阵,七为聚类中心的个数,本文是对有三种气体组分的混合气体进行实验,故七

MAll。AB提供的K-均值聚类函数为knIeam,其调用格式为:[JDX,c]=k:means

值取为3,’distancet为距离测量方法的选取,’st耐为聚类中心选取的方法。
3)RBF网络的建模及建模算法的改进 RBF网络的建模包含建模函数的选择和网络参数的确定,其中后者可以由网络 自适应训练得到。我们选择newrb函数为建模函数,并针对其隐层传递高斯函数在 参数选择上的不足之处对网络建模算法进行改进。MATLAB中用于径向基网络建 模的newl'b函数通过逐渐增加隐层的径向基神经元个数来调整网络误差直到其低

于预先确定的目标均方误差,调用格式为:net钮ewrb(P,T,goal芦pread,MN,DF),其

中功气体浓度归一化值组成的期望输出矩阵,助微音器输出信号归一化值组成
的网络输入矩阵,^掰为神经元个数最大值,Dj哟当网络均方误差不满足条件时所
逐次增加的神经元个数,goal为目标均方误差,spread为网络分散度。 n鳓rrb函数在创建径向基隐层过程中会调用radbas函数,该函数默认将高斯传 递函数的均值和方差都置为l,这是不理于人工选择参数从而改善网络性能的。针 对该问题,我们对建模函数中隐层传递高斯函数参数的选择方法加以改进,将微 音器输出信号组合成的样本数据首先通过K-MEANS方法选择其聚类中心(高斯函 数均值),然后根据选定的中心值计算出样本数据协方差之和(高斯函数方差),通 过人工的方法选择高斯函数的参数从而提升了网络性能,最后将经过处理的样本
数据组合作为网络的输入矩阵P.

我们可以把需要预先确定的目标均方误差:goal定为一个很小的值以尽量减小

重庆大学硕士论文

5基于径向基神经网络的多组分气体交叉影响修正方法

由于算法带来的网络误差,但同时该值取得越小,网络训练花费得时间就越长, 所需的神经元数目也就越多,甚至还会使网络发散。为了看到每一步网络的性能 函数变化,设置DF参数为1,这样每一次的图都可以显示出来,对生成的网络的过 程也就有了一个清楚的认识。网络分散系数spread的值对网络性能起着至关重要的 作用,其值越大,网络逼近的函数越平滑,但误差增大。若取值过大,将导致在逼 近变化比较剧烈的函数时,使用神经元过多;若取值过小,则导致在逼近平滑函数 时,使用的神经元过多。该参数只能根据要解决的实际问题反复进行取值测试直到 得到其最优值。通过反复比较,发现RBF函数参数spread不同,对不同气体识别误 差不同,因此为了使多组分气体检测均获得较高的精度,spread应该取不同的数值。 在网络径向基隐层建模完成后,对隐层输出进行加权组合,即可确定网络的 输出矩阵y,其中输出层权值向量由训练过程得到。最后还需计算出网络的偏差值 mse(7"-I-),将其与预先选定的目标均方误差值作比较,若网络偏差仍高于目标值,

模,直到偏差值低于目标均方误差值。另外就是当网络神经元个数超过鹏数时,
若网络误差仍然大于目标值,建模过程也会结束,因此可以在计算机运算能力范
围内将该参数值取得稍大。 4)网络泛化性能的检验

就根据参数D磁次增加网络隐层神经元数目,并重复以上步骤对网络进行重新建

泛化能力是指网络对未知样本进行正确预测输出的能力,其主要受两个方面 因素的影响:一是来自学习样本的影响,包括样本的质量、数量和样本的代表性 三个方面;二是来自网络自身的影响,包括网络结构和学习算法两个方面。将检验 样本中的气体浓度值(原始标定值)作为网络期望输出,相应微音器输出信号值(原 始标定值)作为网络输入,在MATLAB环境下调用nntool命令对已经建模的RBF网 络进行仿真,可以检验网络对未知气体浓度的预测能力。当检测其他混合气体时,

只需改变滤光片码盘中某些滤光片进择不同浓度的样本组合进行标定,并对程序
中网络输入矩阵与期望输出矩阵的数据稍作修改即可。

5.4交叉影响修正的实验分析
本文以红外吸收谱峰较为接近的C02、C2H2和C2H6的混合气体作为实验气体样 品,C02气体浓度值我们取为[70、90、140、170、200](单位:此几)共5种水平,C:l-12 气体浓度值我们取为[90、l 10、140、180、210、220、240、250、280、3001(单位:此几) 共10种水平,C2H6气体浓度值我们取为f80、110、120、150、170、200、220、230](单 位:灶几)共8种水平。3种组分气体各取其中一种浓度值来配制成混合气体,按照混 合气体中各组分气体浓度值的不同可组合成400组(5x10x8)气体样本数据,选择其 中100组数据作为光声光谱检测中气体浓度的标定值。以不吸收红外光的N2为载

重庆大学硕士论文

5基于径向基神经网络的多组分气体交叉影响修正方法

气,将此混合气体充入到光声池内,按照光声光谱检测的步骤从微音器上各自获 得100组对应的输出电压信号(每组电压信号包含分别对应3种组分气体浓度的3个 输出电压值)。由此组合为MATLAB修正模型网络的样本集,其中学习样本有50组 数据,检验样本有50组数据。 将混合气体中某一种气体组分的浓度值作为网络的期望输出矩阵,对应的一 组微音器输出信号(包含对应混合气体各组分浓度的3个电压值)作为网络输入矩 阵,对网络进行有监督地自适应训练,当网络误差满足一定条件时建模过程完成, 相应网络参数和结构被保存下来。在MATLAB环境下调用神经网络工具箱,输入 检验样本数据对已经建模的网络进行泛化性能仿真检验。当需要对其它组分气体 进行交叉影响修正时。只需将网络期望输出矩阵更换为待测组分气体的浓度值即 可。由此得到的实验结果如表5.2所示:
表5.2交叉影响修正实验结果(原始数据)
Table.5.2.Experimental resulls ofrevision offross

influence(鲥ginaJ data)
网络 网络 输出
C2H6

气体
样本

C2H2

C2H6 气体

C02

微音器
输出
/mv

微音器 输出
/mv

微音器
输出
/mv

网络

气体
浓度

气体 浓度 标定

输出
C2}12

输出
C02

序号

浓度 标定

^II以,

标定 值

(对应 C2H2)

(对应
c2H6)

(对应
c02)

气体

气体 浓度值

气体



浓度值
^lI,I

/肌
l 2 3 4 5 6 7 8 9 10 11 12 13 14 90 90 90 90 90 110 110


l龇
70 90 140 170 200 70 90 140 170 4.74 5.12 5.37 5.56 5.S3 5.92 6.25 5.18 6.91 lO.29 11.82 12.23 6.04 7.3l 10.7l 4.33 5.58 8.72 10.62 12.41 4.85 5.72 8.97 11.02



浓度值
^II以, 70.15 90.2l 139.89 170.14 199.9l 70.11 90.18 139.87 169.92 200.14 69.9l 90.16 140.05 170.13

80
120 170 220 230 80 120 170 220 230 80 120 170 220

90.02 90.03 90.03 90.02 90.0l 110.97 110.98 110.07 llO.08 110.11 140.1l 140.04 140.03 140.07

80.04 120.12 160.94 220.11 230.06 80.12 120.13 169.85 220.14 229.86 79.92 120.09 170.15 220.14

110 110 llO 140 140 140 140

6刀
6.96

12.24
12.72 8.02 10.9l 12.85 12.92

2∞
70 90 140 170

7.45
8.23 8.76 9.27 9.42

12.“
5.12 5.93 9.25 11.54

40

重庆大学硕士论文

5基于径向基神经网络的多组分气体交叉影响修正方法

15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41

140 180 180 180 lS0 lS0 210 210 210 210 210 220 220 220 220 220 240 240 240 240 240 250 250 250 250 250 280 280 280 280 280 300 300

230 80 120 170 220 230 80 120 170 220 230 80 120 170 220 230 80 120 170 220 230 80 120 170 220 230 80 12 170 220 230

200 70 90 140 170 200 70 90 140 170 200 70 90 140 170 200 70 90 140 170 200 70

9.95 10.92 11.32 11.7l 12.2l 12.94 13.23 13.97 14.29 14,74 15.05 15.48 15.68 16.08 16.28 16.41 17.23 17.48 17.66 17.9l 18.24 18.52 18.75 19.20 19.72 19.9l 20.45 20.63 20.97 21.12

13.32 8.76 11.37 13.08 13.29 13.52 9.32 11.62 13.27 13.83 14.08 9.9l 12.32 13.36 14.09 14.42 10.28 12.44 13.7l

13.21 5.69 6.52 9.84 11.96 13.78 5.8l 6.9l 10.34 12.45 14.13 6.15 7.24 lO.89 12.93 14.67 6,58 7.86 11.27 13-36 14.92

140.13 180.12 180.05 180.02 180.04 170.92 210.1l 210.13 210.10 200.94 210.05 220.13 220.09 210.89 210.93

230.18 79.89 119.84 170.15 219.90

199.92 69.87

89.93
140.17 170.14 199.86 70.11 90.18 139.88 170.88 199.92 70.12

230.09
79.87 119.89 170.13 220.12 229.86 80.17 120.1l 170.05 210.88 230.18 80.06 120.12 170.05

89.83
140.16 170.14

220.15 240.03 240.04
240.14

199.83
70.09 89.87

139.84
170.18 200.17 70.14 90.16

14.61
14.76 10.8l 12.63 13.89 14.94 15.18

240.06
230.94

220.16
220.86 80.12

6.72
8。02 11.43 13.59 15.08 7.04 8.35 11.76 13.81 15.63

250.05
250.08 250.07

90
140 170 200

11.79 160.91 220.07
230.09 80.11 110.89 170.08 220.17

140.18
169.91

2柏.93
240.84 280.14 280.18 280.03

2∞.17
69.92

70
90 140 170 200 70 90

11.04
12.8l 14.07 15.64 15.77 11.92 13.2l

42
43 44 45 46 47

89.87
140.10 170.13 200.13 70.16

270.86
280.14

21.73
22.19 22.42

220.93 80.08 110.83

80
120

7.36 8.74

300.05
300.13

89.85

4l

重庆大学硕士论文

5基于径向基神经网络的多组分气体交叉影响修正方法

48 49 50

3∞
300 300

170 220 230

140 170 200

22.6j

14.78 16.31 16.64

12.14 14.22 15.96

290.87 290.86

160.87 220.19 230.04

140.17 170.10 199.89

23.20 23.41

300.12

表5.3修正实验结果对比
Table.5.3.COnWast ofexperimental results ofrevision

气体 样品 序号

微音器输出 标定值/my (对应单一 C2H2气体)

交叉影响修正 前的徼音器 输出/my (对应混合气体 中的c2H2气体)

相对于 标定值 的误差
/%

交叉影响修正 后的微音器 输出/mv (对应混合气体 中的C2H2气体)

相对于 标定值 的误差
f%

l 2 3 4 5 6 7 8 9 10

4,62

4.97 6.27 8.44 11.14

7.58 7.55 4.07

4.74 5.92 S.23 10.92 13.23 15.48 17.23 18.52 20.45 22.19

2.60 1.54 1.48 1.39 0.08 0.9l 0.36 O.82 0.84

5.83
8.11 lO.77 13,22 15.34 17.17 18.37 20.28 22.09

3.“
3.33 2.15 1.63 1.85 1.53 2.04

13.56
15.67 17.45 18.71 20.59 22.54

0.45

对应三种组分气体修正模型的预测曲线以及训练误差曲线分别如下所示:

图5.4(a)RBF网络模型预测曲线(C2l-12)

图5.40)RBF网络训练误差曲线(C2112)
Fig.5.4(b).Training
RBF
error

Fig.5.4(a).HDr∞硎l塔cl盯Vc ofRBF
network

curve

of

model(C2I-12)

network(C2l-12)

重庆大学硕士论文

5基于径向基神经网络的多组分气体交叉影响修正方法

图5.5(a)RBFN络模型预测曲线(C2H6) F弛5.5(a).ForerⅪsting
curve

图5.50)RBF网络训练误差曲线(C2H6)
Fig.5.5

ofRBF network

Co).Training

eft'or ctlfve

ofRBF

圈5.6(a)RBF网络模型预测曲线<C02) F弛5.6(8).ForecastingcurveofRBFnetwork model(c02)

图5.6(b)RBF网络训练误差曲线(c02) Fig.5.6(b).Trainingerrorcun咕ofKBF
network(C02)

从表5.2和表5.3可以看到,网络实际输出的气体浓度值与期望输出的气体浓度

标定值之间的误差是比较小的,多组分气体问交叉影响带来的检测误差得到较大 程度的抑制。并且从修正模型的预测和误差曲线可以看到,网络具有较好的收敛
性和较快的训练过程,同时由于其较少的神经元个数也使得网络结构简单化。

将径向基神经网络方法运用于多组分特征气体浓度的检测,一方面可以有效 地修正混合气体组分间的交叉影响;另一方面采用RBF神经网络方法对气体浓度进 行泛化预测,只需要足够的高质量样本对网络进行训练,然后根据训练好的网络 对未知浓度的气体作出预测,该方法只需微音器输出信号作为网络输入,而不需 其他光声光谱检测的相关参数,这也就很好地解决了气体光声光谱检测过程中由 于光声池常数以及气体吸收系数这两个参数值较难确定且随着实验条件和环境变 化而带来的检测难度及误差的问题。

重庆大学硕士论文

5基于径向基神经网络的多组分气体交叉影响修正方法

5.5小结
本章首先在光声光谱试验平台上对单一气体和混合气体进行对比实验,分析 了多组分气体间的交叉影响。然后根据气体交叉影响修正的基本思路,在分析径 向基神经网络结构的基础上给出了基于径向基神经网络的MATLAB修正模型的建 模思路和参数设计方法,并针对MATLAB建模函数在建模过程中难以改善两络泛 化性能的不足之处对网络建模算法进行改进。实验结果表明将径向基神经网络方
法用于多组分气体交叉影响的修正是行之有效的,由于多组分气体间交叉影响而

带来的检测误差在很大程度上被减小;同时由于径向基神经网络的自适应特性, 可以不必确定其中某些难以检测的参数如光声池常数和气体吸收系数的确切值,
也就简化了光声光谱检测的步骤。

重庆大学硕士论文

6结论

6结论
变压器油中溶解气体成分和含量分析能有效发现运行变压器内部存在的潜伏 性故障,可为变压器实施状态检修提供积极的依据。针对目前变压器油中溶解气
体检测技术所存在的问题,论文从光声光谱技术应用于多组分气体检测原理入手,

对变压器油中溶解气体光声光谱检测原理和方法进行了研究。设计了气体光声光 谱试验平台并研究了基于LabVIEW和Simulink软件的虚拟信号检测系统的设计方
法,采用基于径向基神经网络的方法修正了多组分气体间的交叉影响,论文的主 要工作和结论有: 1)基于光声信号产生机理,分析了CO、C02、CH4、C2H2、C2H6、C2H4六种

气体浓度与光声信号强度的关系特性;根据气体光声光谱试验平台各个组成部分 的作用和具体要求,设计了试验平台并提出了抗干扰措施,详细研究光声池的设 计原理并设计实现了纵向共振光声池;最后根据光声光谱试验平台中噪声的产生 来源与种类,采取相应抗干扰措施来抑制噪声。 21采用在LabVIEW平台中集成Simulink仿真模型的方法构建虚拟信号检测 系统作为光声光谱试验平台的组成部分,并通过互相关分析和混沌检测相结合的
方法来检测强噪声下的微弱光声信号。实验结果表明该虚拟检测系统可以在很大

程度上提高信噪比且具有较高检测精度,能有效地抑制检铡过程中的强噪声干扰。 31通过对比光声光谱试验平台上单一气体和混合气体的实验结果,分析了混
合气体问的吸收交叉影响,然后采用基于径向基神经网络的方法来修正多组分气 体问的交叉影响,在MATLAB环境下建立了修正模型,并针对MATLAB建模函

数在建模过程中难以改善网络泛化性能的不足之处对网络建模算法进行改进。实 验结果表明该方法可以有效地抑制多组分气体间的交叉影响;同时由于神经网络 的自适应特性,可以简化气体光声光谱检测的步骤.

重庆大学硕士论文

致谢





本论文是在导师陈伟根教授的悉心指导下完成的,从论文的选题、理论研究、 软硬件设计、系统实施的整个过程中,陈伟根老师给予了详细的指导和帮助,在
论文完成之际,向陈伟根老师表示衷心的感谢!

在论文完成的过程中,得到了重庆大学高电压与电工新技术教育部重点实验 室的大力支持,王有元副教授、杜林副教授、甘德刚师兄、董大伟师弟等对论文 及研究工作提出了许多宝贵的建设性意见,进一步丰富了课题的研究内容,在此
向他们表示由衷的谢意。

衷心感谢我的家人和我的朋友,他们的大力支持使我能潜心于本课题的研究,
对我完成学业起了很大的推动作用。

再一次向所有帮助过我的人表示最诚挚的谢意,对在百忙之中抽出时间评阅
本论文的专家学者表示真诚的感谢!

作者:张嵩

2007年4月于重庆大学

重庆大学硕士论文

参考文献

参考文献
【l】GB/T 7252--2001变压器油中溶解气体分析和判断导则【s】. f2】IEC Publication
60599 Mineral oil-impregnated equipment in service-Guide to the

inlerpretafion

ofdissolved and free gases

analysis[S].March,1999.

【31孙才新,陈伟根,李俭.电气设备油中气体在线监测与故障诊断技术【M】.北京:科学出版社,
2003.

f4】郭碧红,杨晓洪.我国电力设备在线监测技术的开发应用状况分析阴.电网技
术,1999,V01.23,No.8:65~68.

【5】李宁先,章金谋,李镓等.变压器油中气体色谱分析方法和仪器发展现状川.变压 U,2003,V01.40,No.8:20--23. 【6】许坤,周建华等.变压器油中溶解气体在线监测技术发展与展望明.高电压技
术.2005,V01.31,No.8:30-32.

【7】刘先勇,周方洁,胡劲松,李红雷,光声光谱在油中气体分析中的应用前景田.变压器, 2004,V01.41,No:7:30-33. 【8】张JII,王辅.光声光谱技术在变压器油气分析中的应用明.高电压技术,
2005,V01.31,No.2:84-86.

【9】罗森威格.光声学和光声谱学咖.北京:科学出版社,1986.
【lO]殷庆瑞,王通,钱梦骤.光声光热技术及其应用【hq.|B京:科学出版社,1991. 【1l】严风霞,王莜敏.现代光学仪器分析选论IM].上海:华东师范大学出版社,1992. 【12】李全臣,蒋月娟.光谱仪器原理【M】.北京:北京理工大学出版社,1999. 【13】陆同兴,路轶群.激光光谱技术原理及应用[MI.合肥:中国科学技术大学出版社,1999.
【14】l乙G

J.密勒,B.C.斯特斯.红外光谱学的实验方法tM].北京:机械工业出版社,1985.
ofan

【15】方洪烈.光学谐振腔理论D川.北京:科学出版社,1981.
[161
Chen

Weigen,Sun Caixin.Study Oll

the application

on-line synthetic detecting system for

transformer

insulation[-q.1SEIM 2001.
oils:a new approach for the determination of

【17】JalbertJ,Gilbert,R.Decomposition oftransformer
dissolved

gases明.IEEE Transactions,April

1997.Voi.12,Issue 2:754-760.
trace

【is]J.Uotila,V.Koskinen,and J.Kauppinon.Selective differential photoaconstic method for
gas

analysis田.Vibrational Specuoscopy,2005,V01.38:3^9.
Trace gas

【19】M,ws鲫sL

morIitoring by laser-photoacousfic

specU'osonpy们.Infrared

Phys.

Teehn01.1995。V01.36,No.1:415--425

[20】V.Zeninari,V.A.1(a砷锄鲫p.Courtois,Yu.N.Ponomarev.D懿i弘and

chamctcristics

of



重庆大学硕士论文

参考文献

differential

Helmho|tz

photoncoustic

cell

Physics&Technology,1999,V01.40:1—23.

[21】A.Bohron
sourcag

and

NLW.Sigrist.Optical parametric
Irate

oscillator based difference frequency laser in the

for photoacoustic

gas

spectroscopy

3岬mid-IR

ranges们.Infrared

Physics&Technology,1997,V01.38:423-.435.

【22】E.L.1(e玛J.G.Atwood.The

laser

illuminated absorptivity spectrophone:A method
at

for

meast_rement ofweak absorptivity in gases

laser

wavelengths们.Apt,1968,V01.7:915-921.

[23】L.B.Kreu∞r.Ultralow
Vol,42:2934~2943.

gas concentration infrared absorption

s脚.opy田.J.Appl.Phys,1971,
measurements
of

【24】F3.M.HanenJ.Reuss.EJ.Woltering and
agricultrrally

D.D.Bicanic.Photoacoustic

interesting擘龄s'detection

ofC2H4 below the ppb

level[Y1.Appl.spectroscopy,1990,

V01.44:1360-1368,

【25】Bijnen.FJ.C,Reuss.J,Harrcrl.EJ.M.Geometrical optimization of



longitudinal

photoaconstic

spectrometerfortracegas analysis川.RC’VoSci.In甜mm,1996,V01.67,No.11:4000--4004.

126】A.D.Wood,M.Camac

and

E.T.Gerry.Effects of 10.6-laser induced air chemistry

on

the

atmospheric refractive index m.Appl.opt,1997,V01.10,No.8:1877—1884.

【27】J.Brinn,A.Chakir
350-830 nm

etc.Absorption Spectra

M删emonts

for the Ozone Molecule in the

Region田Journal ofAUnospheric Chemistry,1998,No.30:291-299.
and

[281 EL.Meyer

gw.sigrist.Atmospheric

pollution

monitor啦using

C02一laser

photoncoust]c

spectroscopy锄d

othertechniques们.Rev.Sci.jlls岫,1990,V01.61,No.7:1779"-1807.
Based Photo-Acoustic Instrumentation
on

[29】EOreig,EMJohnston,TD.Binnie,姒.Mackenzie.A PC
System【J】.IEEE Transactions 【30】Jolm.EMcClelland.Condensed
phase signal matter

UlWasonics symposium,1994:1333—1336.

photoacoustic spect∞s∞仍,and

detection using gas

generation【J】.IEEE Transactions on UlWasonics symposium,1980:610-617.
of speed of sound in


【31】Benedetto,ILM.Gavioso,R.Spagnoio.Measurement resonator们.IEEE Insmanontation
and

gas-filled acoustic

Measurement

Technology Conference,Jun,1996:257—261. sensing system for on-line

【32】J.KS.Wan,M.S.10ffe,M.C.Depew.Novel measurements阴.1995:233—237.

acoustic

hydrogen

【33】杜聚有.氢气的光声光谱检测技术研究恻,大连理工大学硕士论文,2006.
[34】李少成.光声光谱和腔内增强吸收光谱技术的研究与应用p】.大连理工大学博士论 文.2003. 【35】于清旭,Cornelia.Fischer,Markus.sigrtst基于差额激光源的微量气体光声光谱检测系统忉. 光电子激光,2001,V01.12,No.9.'923-926.

p6]于清旭,陈自斌,李红,李少成,林钧蚰.基于波导C02激光器的光声光谱仪IJ】.激光杂志,

重庆大学硕士论文

参考文献

2001,V01.22AIo.4:1l~l 4.

光删,V01.31,No.8:979--982.

【37】王书涛,车仁生,王玉田,田庆国.基于光声光谱法的光纤气体传感器研究田.中国激

D8]郝绿原,韩家祥,史强,张竞辉,朱清时.高灵敏高分辨钛宝石激光光声光谱仪阴冲国激光,
January,2000,VoI.A27,No.1:17~22.

【39】于清旭,李少成,宋昌烈等.微机控制的高灵敏度激光光声光谱仪研究网.中国激
光,2001,V01.28,No.5:451.--454.

[40】刘先勇.用傅立叶红外构造变压器油中溶解气体在线监测仪【D】.北京理工大学博士论
文,2002. 【41】LS.Rothman,D.Jacquenmrt,etc.The
H1TRAN 2004 molecular spectroscopic

database们.

Journal ofquantitafive spectroscopy&radiative transfer,2005.No.96:139~204.

[42J李红.多种气体成分光声光谱分析的理论研咒大连理工硕士论文【D】.2001.
[431
E Z.Chert,C.Y.Robert

Wu.Temperature-dependent

phmoabsor叩on㈣sections

in the

WV:UV region l

Methane and ethane阴Journal ofquantitative spccl∞scopy&radiative

transfer,

2004,No.85:195—209.

[44】W.H.Parkinsorh J.Rufus,ICYoshino.Absolute absorption cross
the wavelength region 163-200 run and the temperature No.290:251--256.

section measurements ofC02 in

dependence【刀.Chemical Physics,2003,

【45】张永怀,刘君华,林继鹏.OGSA结合RBF网络数据融合技术在红外气体分析中的应用叨.仪
器仪表学报Jan,2005,V01.26,No.1:67-70.

脚】孙广清,王磊.径向基函数网络预测混合气体浓度们.传感技术学报June,2004,
No.2:209"211.

【47】康帅,庞华伟,周伟林.用LabVIEW开发系统实现微弱光信号的锁相检测四.光电信息与技
术june,2004:62-..64.

【43】李月,石耍武.色噪声背景下微弱正弦信号的混淹检测田.物理学报,March.2003,V01.52'
No.3:526~529.

【49】朱右宇,姜长生,张冰,刘维亭.基于混沌理论的微弱信号检测方法印.传感器技术,2005,No.5:
65—《8.

【50】张惑平,刘正平.在labview中应用matlab进行信号处理田.中国测试技术,July,2004,Voi.30,
No.4:77—79.

【51】张宾,李月,卢金.Lyapunov特性指数用于混沌判据们.Mar,2004,V01.22,No.2:111—114.
【52】尚秋峰,尹成群,李士林,杨以涵.基于Duff+rlg振子的微弱正弦信号检测方法研究 [j-jJan,2005,V01.25,No.2:66-70.

重庆大学硕士论文

附录
作者在攻读硕士学位期间发表的论文目录

【11张嵩.陈伟根,王有元。杜林.变压器油中溶解气体光声信号检测的干扰抑制方法.高压电器, 已收录,稿件编号:20074)47. 【2】陈伟根,张嵩,杜棒,王有元.基于互相关分析与混沌检测相结合的光声信号检测方法.电力自 动化设备,已收录,稿件编号.'4104. 【3】陈伟根。张嵩,王有元,云玉新.基于神经网络的多组分气体光声光谱检测交叉影响修正方法. 电力系统自动化,已送审。稿件编号200705122.

作者在攻读硕士学位期间参加的科研项目

【l】基于光声光谱技术的变压器油中溶解气体在线监测方法研究,重庆市科委自然科学基金重点 资助项目。项目编号:CSCT,2007BA3002.

重庆大学硕士论文

附录B:采用径向基神经网络修正气体交叉影响的IIATl2kB程序
网络预测模型建模程序:
clear all;

≈原始样本数据
data=【90
90 90 90 120 170 220 80

70

4.74 6.91 10.29

5.1 8 5.58 8.72

4.33 0.03;
0.07;

0.02;

90
1 40

5.12 5.37

170 5.56 200 5.83
70 90

11.82

10.62
12.41

0.06; 0.12f
0.04j 0.08j

90 110
11

230
80

12.23 6.04 7.31
lO.71 12.24 12.72

5.92
6.25

4.85 5.72
8.97



120
170

11 0 11 0

140 170

6.27 6.96

0.19; 0.15; 0.13s
0.04; 0.03:

220

11.02


1lO
140 140 1 40 140

230
80 120

200 7.45
70 90

2.84

8.23 8.76 9.27 9.42
9.95

8.02
10.91 12.85 12.92 13.32

5.12 5.93 9.25 11.54

170

3.40 170

0.04; 0.07j 0.05j 0.1 5?; 0.16s
0.1 8j

220 230
80

140
180

200
70

13.21 5.69 6.52
9.84

10.92
3.1.32

8.76 11.37


180 120 180 170
180 220

90 140 170

11.71
12.21 12.94

3.08

13.29

11.96


0.08; 0.18j 0.15; 0.05j 0.06;

180

230

200
70

13.52 9.32 11.62 13.27
13.83 14.08

3.78

210 80 210 120 210
210 210

13.23

5.81 6.91
10.34 1

90
1 40


13.97
14.29

170
220 230

70

14.74 15.05


2.45 0.09j 3 0.08;
0.17


200
70

1 4.1

220

80 120

5.48

9.91
12.32

6.15
7.24

220

90

15.68

0.06;

220
220 220 240

170

140 170 200



6.08 6.28
6.41

13.36 14.09

10.89

0.08;

220 230 80 120
170



12.93

0.06;



14.42 10.28

14.67 0.15; 6.58 7.86
0.14; 0.11;

70
90 140

17.23 17.48 17.66

240 240
240 240

12.44
13.71 14.61


11.27 0.1 9;


220 230 80 120
170

170 200 70 90
140


17.91


3.36 0.10;

8.24 8.52

4.76

14.92 0.09; 6.72
0.12;

250
250 250 250 250

10.81

18.75


12.63 8.02 13.89 11.43


0.06; 0.1l,
0.10; 0.07j 0.17;

9.20

220 230 80 120
170

170 200
70 90 140 170

19.72 19.91
20.45

4.94

13.59

15.18 15.08
11.04 7.04

280
280 280 280 280

20.63
20.97

12.81

8.35

0.1 8; 0.13; 0.03; 0.07; 0.08; 0.13,

14.07 11.76
15.64

220 230 80 120
170

21.12 21.73 22.19 22.42 22.61 23.20 23.41

13.81

200
70

15.77 15.63
11.92 7.36 8.74

300
300

90
140 170 200

13.21


300 300
300

4.78

12.14 0.1l; 14.22 0.16; 0.18】;

220 230

16.31

16.64 15.96

%数据归一化处理
tl=data(:,1);t2,data(:,2),t3tdatal:,3);

xlsdata(:,4)7x2-data(:,5),x3qlata(:,6),
xO=data(:,7);

96x0为微音器对空气的稳态响应
for n-1:1:50

tl_u(n,:)-(tlln,:)-min(t1))/(max(t1)-min(t1))7
t2 ufn,:'t(t2(n,:)1Bin(t2》)/(max(t2}-11吐rl(t2})7

重庆大学硕士论文

t3 xl x2

u(n,:)=It3【n,:)-min(t3))/(max(t3)-mln(t3)); u(n,:)毒(xl(n,:)一xOfn,:))/(mean(x1)一x0(n,:))f u(n,:)蕾(x2(n,:)一xO(n,:))/(mean(x2)一xO(n,:)); u(n,:)=(x3(n,:)一xO(n,:))/(mean(x3)一x0In,:));

x3 end

%数据初始化
T--屯3

u;%样本数据矩阵的第一列组成网络期望输出矩阵 u,x2_u,x3_u),i样本数据矩阵的第4列、第5列和第6列组成输入矩阵

Xtcat(2,xl
T≈T’;

≈采用K一均值聚类法选取样本数据中心
【IDX,C,sumd,D】=kmeans(X,3,’distance’,’cityblock’,’start’,’cluster’)f

%定义delta为样本数据协方差之和
delta=coy(X,, delta=sum(delta);

%网络实际输入矩阵P
for

i=l:1:50%样本数据行数 3-I:1:3%聚类中心致
HIi,j)一((x(i,:)一c(j,:)))+I(x(i,:)一C(j,:))’), H(i,9)霉exp(一H(i,J)./delta(j)),

for

end end

P=H’;

%网络建模 err_goal-O.000001;%目标均方差 spread=0.3,%网络分散系数
MN=1000; DF=I;

net“newrb《P,T,err

goal,spread,MN,DF);

%网络铡试
Y=sim(net,P),

EsT—Y;≈网络误差

重庆大学硕士论文

附录

SSE=sse(E), MSE=mse(E),

%预测曲线
figure; plot(T,。一+’),
hold on,

plot(Y,’r:。’),

legend(’期望输出’,’网络实际输出。), title《?RBF网络模型预测曲线-), xlabel(?样本数据组数?); ylabel(。气体浓度标定值’), ¥储存训练好的神经网络
save RBFnet.mat net;

%当网络模型建立后,在MATLAB命令行调用nntool命令可以查看网络情况并根据检验样本数据秽修一
正模型进行预测性能的检验仿真

基于光声光谱技术的多组分气体检测方法研究
作者: 学位授予单位: 被引用次数: 张嵩 重庆大学 1次

本文读者也读过(10条) 1. 云玉新.陈伟根.赵笑笑 变压器油中多组分故障特征气体的光声光谱检测方法[会议论文]-2009 2. 王鲲鹏 基于光纤激光器的乙炔气体近红外光声检测技术研究[学位论文]2007 3. 周红晶.刘县.赵鑫.胡智慧.徐元哲 变压器油中溶解乙烯气体的光声光谱法的研究[会议论文]-2008 4. 张川.王辅.ZHANG Chuan.WANG Fu 光声光谱技术在变压器油气分析中的应用[期刊论文]-高电压技术2005,31(2) 5. 高树国.秦九渠.刘伟.杜黎明 光声光谱法在变压器油溶解气体检测中的应用[期刊论文]-河北电力技术 2010,29(2) 6. 杨晓龙 光声光谱技术中的多气体成份分析方法研究[学位论文]2003 7. 陈伟根.云玉新.潘翀.孙才新.CHEN Weigen.YUN Yuxin.PAN Chong.SUN Caixin 光声光谱技术应用于变压器油中 溶解气体分析[期刊论文]-电力系统自动化2007,31(15) 8. 刘波.姜丰 基于光声光谱技术的变压器故障在线监测系统设计[期刊论文]-计算机测量与控制2010,18(4) 9. 云玉新.刘民 用于变压器油中气体检测的光声光谱技术[会议论文]-2009 10. 唐新文.刘定友.李宪栋.陈红梅 光声光谱法对变压器油中气体色谱的在线监测[会议论文]-2008

引证文献(1条) 1.付华.翟波 光声光谱式甲烷气体传感器的研究[期刊论文]-传感器与微系统 2010(9)

引用本文格式:张嵩 基于光声光谱技术的多组分气体检测方法研究[学位论文]硕士 2007


相关文章:
光声光谱技术
气体光声检测技术本质 上基于气体红外吸收理论, 它...应用光声光谱法检测气体浓度主要 利用分子红外光谱。...为尽量避免各组分气体间的交叉干扰,需选用窄带滤光...
基于FPGA的锁相放大器在多组分气体检测中的应用
摘要: 该文介绍了基于光声光谱技术的多组分气体检测的基本原理, 设计了基于 fpga 的数字 双相锁相放大器,完成了低通滤波器和 dds 信号发生模块的仿真设计并应用...
光声光谱检测,毕业论文
油液中的污染物大致可以分固体、液体还有气体等多种...我国开展液压系统油污染的控制和检测研究开始于上...光声光谱技术的初步发展是在 20 世纪 30 年代到 ...
文献检索期末考试
最终筛选出的各文献 文献 1: 这是一份学术论文...信号检测三方 面着手,系统地研究了油中溶解气体光...该论文构建了基于光声光谱技术的变压器油 中溶解气体...
光声光谱原理与色谱原理的对比分析
年代初发展起来的检测物质和研究物质性能的 新方法。...上第一家将光声光谱技术应用在变压器油中溶解气体...光声室,由光声光谱测量模块进行检测,不需要组分...
光声光谱可行性研究报告
研究方法,为在线式光声光谱技术 油中溶解气体分析...设备故障 最为有效的方法之一,分为离线和在线测试...主要有如下几个缺点: 1、检测精度不够,重复性差,...
电力变压器的光声光谱油色谱在线监测
基于光声效应来检测吸收物体 积分数的一种光谱技术...一种是测量油中多种气体的多组分油色谱在线监测设...在线监测设备中最常用的气体检测方法, 也是目前发展...
ppb级基于量子级联激光器光声光谱技术痕量气体检测仪
ppb级基于量子级联激光器光声光谱技术痕量气体检测仪_材料科学_工程科技_专业资料...(精准、可选择性和速 度) 、多组分气体的通用性、并易于使用(轻便、免维护)...
激光光声光谱检测技术在六氟化硫检漏工作中的应用
关键词 激光;六氟化硫;气体检测 0 引言 激光光声光谱技术作为一种高灵敏度的微量气体检测技术,已有 30 多年的 历史。 激光光声光谱技术和红外气体检测技术都是...
更多相关标签:
气体吸收光谱 | 气体光谱 | 气体红外吸收光谱 | 气体红外光谱 | 气体光谱分析仪 | 光谱吸收型气体传感器 | 各种气体的光谱图 | 吸收光谱法 测气体 |