OGSA结合RBF网络数据融合技术在红外气体分析中的应用

　　1　引　　言

　　利用人工神经网络非线性逼近能力和泛化功能,消除各种干扰困素对传感器输出特性影响,是气体传感器系统实现智能化功能的有效手段[1]。传感器阵列技术是实现该思想的硬件基础,二者的有机结合是提高多种气体分析系统的检测精度的新思路。目前该研究方向涉及的传感器阵列均属于电化学类型[2～4],在红外气体分析方面尚未见报道。

　　为了保证传统红外气体分析仪具有一定的选择性,一般采取复杂滤波气室结构、高难度光学工艺等多种硬件技术。但这些措施成本很高、作用有限,特别是非目标气体在待测气体的特征吸收带内有交叉吸收情况下,无法消除因此带来的干扰。本文针对这一问题,在通用低成本光学气敏传感器原有的选择性基础上,提出光学气敏传感器阵列(OGSA)结合径向基函数(RBF)神经网络技术方法检测混合气体浓度,具有一定工程应用前景。

　　2　系统检测原理

　　2.1　系统检测原理以及硬件本身存在问题

　　本文描述的红外多组份气体分析仪系统框图如图1所示。

　　该系统是由一个低频脉冲中红外光源、单个气室、窄带滤光片阵列、热释电探测器阵列、放大电路以及计算机数据采集系统组成。仪器定性分析是基于异核气体分子对红外线的特征吸收,而定量测量则是基于Lambert-Beer吸收定律。

　　在频域内连续的红外线间歇照射气体吸收池中的混合气体,不同组份气体分别吸收各自特征波段的红外线。气体浓度变化则吸收强度变化,引起传感器输出电压的变化。不同滤光片的中心波长分别对应被测气体的特征吸收峰,滤光片阵列和热释电探测器阵列组合可形成光学气敏传感器阵列。

　　混合气体不同组分在某一个滤光片的透射光波段内,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测量带来较大误差,这种误差无法用硬件解决。这就需要对传感器阵列输出信号进行软件处理,以求获得精确的测量,从而实现了多组分同时探测的目的。

　　2.2　传感器系统数学模型

　　图1所示的分析仪有多个光学通道,第i个探测器输出信号Vi表示为[5]:

　　ω为斩波器工作频率,η是斩波器一个工作周期内,通光时间与工作周期的比值。

　　ε为接收器光敏面对辐射的吸收率,λ为入射到探测器的红外线波长,A为敏感元面积。

　　W(λ,T,t)为脉冲辐射通量密度函数,在一个辐射脉冲内,它只是λ和T的函数;T为光源温度。