Bp神经网络实时提取tdlas气体吸收光谱吸光度的方法
【技术领域】
[0001] 本发明涉及一种BP神经网络实时提取TDLAS气体吸收光谱吸光度的方法，更具体 地说，涉及一种利用BP神经网络实时提取可调谐半导体激光气体吸收光谱吸光度的方法， 属于分析仪器算法的技术领域。
【背景技术】
[0002] 随着我国经济的迅速发展，工业化进程的不断增加，燃煤电厂生产、冶金以及城市 垃圾焚烧过程中产生大量的有害气体排入大气，主要有CO,C02,NOx，502气体以及粉尘等，造 成能源消耗高、环境污染严重等众多问题，国家对环境保护的重视程度也越来越高，因此提 高燃烧效率减少有害燃烧物的排放对大气环境有很大影响。气体物质的在线实时检测，不 仅可以有效监测大气污染成分，而且其准确的测量结果可用于燃烧的诊断，优化燃烧系统， 提高燃烧效率，以及对危险气体的监测预警。
[0003] 可调谐半导体激光吸收光谱技术（TunableDiodeLaserAbsorption Spectroscopy，TDLAS)是一种广泛应用的气体分析技术。当一束一定频率的激光照射到均 勾气体介质时，气体介质与电磁波作用，气体介质内部吸收电磁福射的能量而发生量子化 的能级跃迀，从低能级跃迀到高能级。不同气体因为分子结构不同所决定的其能级差也不 同，从而决定了可吸收的光的频率也不同，通过测量被吸收的光的波长和强度，即可得到被 测介质的特征吸收光谱，通过对吸收光谱进行定性定量分析，可以得到被测介质的成分、结 构和浓度等特征信息。比尔-朗伯定律（Beer-LambertLaw)是吸收光谱学的基本定律，它 表征了一束频率为v的单色激光穿越一段长为L、压力为P、温度为T和浓度为X的均匀被 测气体介质时，其透射光强度It(v)和入射光强度IJv)的关系：
[0004] Tv=It(v)/I〇(v) =exp[-PXS(T) 0 (v)L] =exp[-a(v)]
[0005] 式中L(V)和It (V)分别表示频率为V的激光入射时的参考光强和经过待测气 体吸收后的透射光强，S(T)表示气体吸收谱线的谱线强度，线型函数〇7表征该吸收谱线 的形状，a(v)表示光谱吸光度（SpectralAbsorbance)。由Beer-Lambert关系可知，光强度 的衰减与被测气体浓度、温度、压力等相关，因此，通过测量光强度衰减信息就可以分析获 得被测气体的相关参数。因此要获得被测气体的相关参数首先要获得待测气体的光谱吸光 度。目前常用的方法是选取透射光信号上几段无气体吸收时的激光强度进行多项式拟合， 拟合出基线，该基线可认为是无气体吸收时的参考激光强度，如图1所示，再利用上面的比 尔-朗伯定律，求出吸收光谱，对吸收光谱信号除以拟合的基线，再取对数得到吸收光谱吸 光度。这种方法在谱线吸收比较强以及各个谱线之间的干扰较小的情况下提取的吸收光谱 吸光度较好，但在谱线密集的情况下，有可能整个透射光信号上吸收谱线重叠都较严重，很 难找到无气体吸收的部分。
[0006] 另一种提取吸收光谱吸光度的方法是硬件实现的平衡探测法，效果不错，但对参 与平衡运算的有吸收透射光强和参考光强的关系有一定要求，大致为1:2左右。对工业应 用环境，特别是不稳定的燃烧流场中，不易满足该条件。
【发明内容】
[0007] 发明目的：本发明的目的在于提供一种基于FPGA的BP神经网络实时提取TDLAS 气体测量技术中气体吸收光谱吸光度的方法，该方法具有更好的稳健性和更宽的适用范 围，并且具有实时计算的优点。
[0008] 技术方案：本发明所述的一种BP神经网络实时提取TDLAS气体吸收光谱吸光度的 方法，包括以下步骤：
[0009] 1)所述TDLAS测量系统中激光器发出的激光经过信号源产生的电流控制信号调 制后分束，其中一束激光穿过待测气体，照射至一个光电探测器得到透射信号Vabp;另一束 激光直接照射至另一个光电探测器得到参考信号VMf;
[0010] 2)将所述透射信号Vabp和参考信号V归一化处理，Vabp_nOTm表不归一化后的透射 信号，V,ef _表示归一化后的参考信号，然后输入BP神经网络，经BP神经网络提取输出气 体的吸收光谱吸光度。
[0011] 进一步地，所述BP神经网络为FPGA实现BP神经网络，包括输入层线性化计算模 块、Sigmoid传递函数实现模块和输出层线性化计算模块；输入层线性化计算模块计算A1 =Xin*IW+IB，其中Xin为输入信号矩阵，输入信号矩阵即为所述步骤2)所述的经过归一化 处理后的每个采样点的透射光信号和参考信号构成的矩阵，即：
【主权项】
1. 一种BP神经网络实时提取TDLAS气体吸收光谱吸光度的方法，其特征在于，包括以 下步骤： 1) 所述TDLAS测量系统中激光器发出的激光经过信号源产生的电流控制信号调制后 分束，其中一束激光穿过待测气体，照射至一个光电探测器得到透射信号V abp;另一束激光 直接照射至另一个光电探测器得到参考信号VMf; 2) 将所述透射信号Vabp和参考信号V 归一化处理，V abp__表不归一化后的透射信号， 表示归一化后的参考信号，然后输入BP神经网络，经BP神经网络提取输出气体的吸 收光谱吸光度。
2. 根据权利要求1所述的BP神经网络实时提取TDLAS气体吸收光谱吸光度的方法， 其特征在于，所述BP神经网络为FPGA实现BP神经网络，包括输入层线性化计算模块、 Sigmoid传递函数实现模块和输出层线性化计算模块；输入层线性化计算模块计算Al = Xin*IW+IB，其中Xin为输入信号矩阵，输入信号矩阵即为所述步骤2)所述的经过归一化处 理后的每个采样点的诱射光信号和参考信号构成的矩阵，即：
W为输入层权值矩阵，IB为输入层阀值矩阵，Al为输入层线性化计算模块的输出结果； Sigmoid传递函数模块完成A2 = f (Al)计算，A2为Sigmoid传递函数模块的输出结果，其 中f (Al)的表达式为：
所述输出层线性化计算模块完成A3= A 2*LW+LB计算，其中LW为隐含层权值矩阵，LB 为隐含层阀值矩阵，A3即为最终的BP神经网络模块的输出。
3. 根据权利要求2所述的BP神经网络实时提取TDLAS气体吸收光谱吸光度的方法，其 特征在于，所述的IW为输入层权值矩阵，IB为输入层阀值矩阵、LW为隐含层权值矩阵，LB 为隐含层阀值矩阵由以下方式模拟得到： 1) 使用MATLAB软件建立BP神经网络为一个隐含层的经典三层BP神经网络结构，所述 隐含层的传递函数为单极性Sigmoid传递函数，所述隐含层节点数为10 ; 2) 利用现有仿真计算的归一化处理后的透射光信号和参考光信号作为BP神经网络的 输入，神经网络的输出目标值D为仿真计算的理论吸收光谱吸光度信号，BP神经网络的学 习训练方法采用Levenberg-Marquardt训练算法；设定期望输出均方值误差E为2*1(Γ 13; 设定最大训练步数为10000 ; 3) 使用MATLAB软件，按照步骤2)的参数设定，进行神经网络的训练，训练完成后得到 输入层权值矩阵IW，输入层阀值矩阵ΙΒ，隐含层权值矩阵LW，隐含层阀值矩阵LB，且满足如 下关系：
其中MSE表示均方值误差。
4. 根据权利要求1?3所述的BP神经网络实时提取TDLAS气体吸收光谱吸光度的方 法，其特征在于，所述的归一化处理为：
其中Vabp_n。?表示归一化后的透射信号，VMf_n" m表示归一化后的参考信号，V___和Vabp_ max分别表不透射信号的最小值和最大值，V raf_mil^P V raf_max分别表不参考信号的最小值和最 大值。
【专利摘要】本发明公开一种BP神经网络实时提取TDLAS气体吸收光谱吸光度的方法，其特征在于，包括以下步骤：1)所述TDLAS测量系统中激光器发出的激光经过信号源产生的电流控制信号调制后分束，其中一束激光穿过待测气体，照射至一个光电探测器得到透射信号Vabp；另一束激光直接照射至另一个光电探测器得到参考信号Vref；2)将所述透射信号Vabp和参考信号Vref归一化处理，Vabp_norm表示归一化后的透射信号，Vref_norm表示归一化后的参考信号，然后输入BP神经网络，经BP神经网络提取输出气体的吸收光谱吸光度。本发明的FPGA的BP神经网络实时提取TDLAS气体测量技术中气体吸收光谱吸光度的方法，该方法具有更好的稳健性和更宽的适用范围，并且具有实时计算的优点。
【IPC分类】G01N21-39
【公开号】CN104535528
【申请号】CN201410699109
【发明人】卢荣军, 杜倩倩
【申请人】东南大学
【公开日】2015年4月22日
【申请日】2014年11月26日