论文部分内容阅读
近年来，随着工业的飞速发展，二氧化碳排放量急剧上升，所造成的温室效应对人类的生存构成巨大的威胁。“低碳经济”已提上了日程，二氧化碳减排和回收成为二十一世纪研究的热点课题。同时，对二氧化碳排放量的监测是必不可少的部分。一些专家学者研究了许多气体检测方法，并研发了相关设备，其中，基于光谱吸收理论的检测方法实现了对二氧化碳气体浓度的在线检测，其具有精度高、实时性好等优势，但其稳定性和鲁棒性较差。针对实际环境条件下二氧化碳浓度的测量结果受环境干扰大的情况，本文做了以下研究：首先，通过分析光谱吸收法的理论，得知基于光谱吸收技术的二氧化碳的在线监测方法的存在诸多局限性：检测结果受实际环境条件下的温度、压强、湿度、相似气体等因素影响，其中温度和压强与测量结果存在直接的函数关系，相似气体、湿度等影响因素与测量结果之间的关系不确定。在此结论基础上，提出了应用多传感器数据融合技术修正光谱吸收法的检测误差，并选取了比较适用于实时检测的在线极限学习机作为融合模型。然后，选取温度、压强、湿度、相似气体四种常见的影响因素作为实验对象，在实验室条件下设计了模拟实验，包括了硬件系统设计和软件系统设计。利用所设计的实验系统，通过改变整体环境变量下的某一个变量定性分析该变量对测量结果的影响特性，然后，通过连续改变全局变量，保证每一个变量都至少变换一个周期，而且整体呈现交叉变换，采样获得一组样本数据。接着，对数据进行归一化预处理后，分几种情况对其进行融合：第一种是采用ELM网络直接对归一化处理后的数据进行处理；第二种是先用K-均值法对数据进行分类，然后再用ELM网络对其进行融合；第三种是应用不完全观测理论的异步多传感器数据融合算法改进模型的数据结构，再融合。最后，通过比较TDLAS的直接测量结果和应用三种融合技术修正后的测量结果，从精度、鲁棒性和可控性等方面分析两类测量方法的优缺点。实验结果表明，在环境变化幅度较大的情况下，环境因素对检测结果影响程度较大，通过改进的ELM模型融合修正后的浓度值比用TDLAS直接测量值精度高、鲁棒性强、适应能力广。