文档介绍:万方数据
S02技术的基本原理是基于定律,数学BOAS(1)宾,王式民的基本原理J(A)Io(,I)exp[--LJ(AP)Ci]汤光华,许传龙,邵理堂,杨道业,周引言计睁4矷算法在大气痕量气体监测中可以通过增本文首次提出根据差分吸光度的最大值设定阈值,将传统DOASIX)AS294月光谱学与光谱分析(differentialspectroscopyDOAS)(OD7)DOASD()AS测量精度的前提下提高了系统的检测极限,较好地解决了短光程下低浓度气体的测量精度问题。在常温常压和流动状态下,对烟气中的ǘ炔饬拷辛死砺酆褪笛檠芯俊Q芯拷峁砻鳎慕腎算法在1S02286mgrfl29·淮矷算法在保琒ǘ炔饬烤ǘ冉细撸涣街炙惴ǘ钡膕浓度测量都存在较大的误差,必须进行线性度校正。关键词差分吸收光谱;卡尔曼滤波;算法融合;差分吸光度最大值;烟气浓度监测;检测下限中图分类号:A:./甶——在我国,火电厂、水泥厂、冶金厂和工业窑炉等固定污[1]境保护问题认识的不断提高以及人们对环保意识的不断增S02[3]其中,具有代表性的是世纪年代末由德国Platt[45]术,由于其大范围、实时、在线和多组分同时测量等优点,使其广泛应用于大气痕量气体和固定污染源烟气排放浓度监测中。D()AS光谱为基础,根据差分吸收光谱的结构来鉴别被测气体的种类,通过差分吸收光谱的强度来反演气体的浓度。传统IX)AS加光程获取较低的测量下限,对于短光程下的低浓度烟道气排放浓度监测,由于其信噪比较低,气体和粉尘谱线重叠严IX)AS[1011]法各自的特点,设定相应的适用范围。本文进行了基于算法融合的系统的烟气浓度测量试验,试验结果表明系统具有较宽的动态测量范围并极大的提高了测量下限。(1)了两部分:仅仅由待测气体引起的随波长快速变化的窄带吸收截面/;和由待测气体、干扰气体和粉尘颗粒引起的随波长缓慢变化的宽带吸收截面啦一/如通过数字滤波将来自其他气体和粉尘的干扰消除,将方程敕匠,经过简化可得基金项目:国家自然科学基金项目资助作者简介:汤光华,年生,东南大学能源与环境学院博士后V0129No4ppl036-1040April2009东南大学能源与环境学院,江苏南京收稿日期:薅┤掌冢—:.
万方数据
ln=lIl~椿竦肑。为对吸光度景窘进行高.:稪疘,籐∑口荆。琍23的响应测量值即差分吸光度;是测量值与状态之间关S0205IX)AS4光谱学与光谱分析J70(=I)起宽带吸收。对获得的吸收光谱进行低阶多项式拟合通滤波以后的差分吸光度。21I)0AS根据被测气体对象,选择具有明显差分吸收结构的波段,在此波段上选择一些具有较强吸收的离散波长及与之对(3)程组た·ぃ.[c11(A2)+G2(A2)+G(A2)]Lm气体的种类。传统算法对方程组捎米顃乘法来进行求解。基于卡尔曼滤波的算法在大气污染物监测中,由于光程较长,在污染物浓度很低的情况下测量结果也能具有较高的精度。作者研究发现,当将技术应用于烟道等短光程下的低浓度气体监测时,由于光程、浓度和粉尘等众多因素的影响,吸收光谱中包含的被测气体浓度的信息量较少,信号的信噪比较低。如果仍然采用传统算法,将会产生较大的测量误差。本文提出了在信噪比较低的情况下使用基于卡尔曼滤波的D()AS量结果带来的影响。仁状谓ǹǘ瞬ㄓ糜贗的多组分分析。卡尔曼滤波是一种递推性质的线性滤