[发明专利]一种混合气体成分的非线性分析方法

说明书

本发明公开了一种混合气体成分的非线性分析方法，包括如下步骤：S1预估混合气体的组成成分，获取其中每种气体成分的光谱情况，建立二次拟合公式；S2利用MATLAB进行二次方程拟合，得到混合气体浓度与吸光度的非线性关系；S3测量混合气体在不同波长上的吸光度；S4将混合气体在不同波长上的吸光度带入到S2中得到的气体浓度与吸光度的非线性关系，计算得到混合气体中各气体的浓度。本发明的方法有较高的精度，并且对于不包含的气体本方法最终的计算结果自动为零，可以实现对混合气体的盲检测。

技术领域

本发明属于混合气体分析技术领域，具体涉及一种混合气体成分的非线性分析方法。

背景技术

近几年，气体检测技术快速发展，在矿井、大气环境监测、医疗、食品、航空航天方面都有广泛的应用。目前对于单一气体的浓度检测已经非常成熟，但是在实际环境中往往多种气体是共存的，故气体的种类和浓度很难从单一传感器的响应来判断。

当前，对多组分气体的定量分析常采用气相色谱(gas chromatogram，GC)和气相-质谱联用(gas chromatogram-mass gas chromatogram，GC-MS)方法、电化学探测法和吸收光谱法。电化学方法需要对待测气体进行采样，不适用于现场监测；GC和GC-MS法需要专门的进样装置，其过程复杂、时间较长，无法满足实时自动化连续监测的需要。光谱分析技术与化学计量学方法的结合极大地提高了定量分析的灵敏度、准确性和可靠性，适用于现场快速检测和实时在线分析，但是，多组分气体的带状吸收谱造成多成分谱的混叠，需用化学计量学方法建立多元回归模型进行分析和预测。常用的校正方法包括多元线性回归(multivariate linear regression，MLR)，主成分回归(principle componentregression，PCR)，偏最小二乘法(partial least square，PLS)，人工神经网络。最小二乘算法、主成分分析算法和主成分回归算法等都是相关性的分析方法，不适用于非线性的、不相关的变量分析，因此这些算法在处理多组分气体时，很难达到预期的实验效果，分析结果精度不高。

发明内容

本发明的针对现有技术中的不足，提出利用已知的单成分气体光谱情况，建立浓度与吸光度的非线性关系，再利用朗伯定律中光谱的线性叠加原理，把混合气体的吸收光谱，看成是单种气体吸收光谱的线性组合，从而解出混合气体中各组份的浓度。

为实现上述目的，本发明采用以下技术方案：

一种混合气体成分的非线性分析方法，包括如下步骤：

S1预估混合气体的组成成分，获取其中每种气体成分的光谱情况，建立二次拟合公式；

S2利用MATLAB进行二次方程拟合，得到混合气体浓度与吸光度的非线性关系；

S3测量混合气体在不同波长上的吸光度；

S4将混合气体在不同波长上的吸光度带入到S2中得到的气体浓度与吸光度的非线性关系，计算得到混合气体中各气体的浓度。

为优化上述技术方案，采取的具体措施还包括：

步骤S1中每种气体成分的光谱情况包括每种气体的浓度、波长、吸光度。

步骤S1包括测量每种气体在不同浓度对应不同波长情况下的吸光度，并构建相应的二次拟合公式；若有n种预估气体，则测量n种波长情况下，每一种波长对应的每种气体几种不同浓度的吸光度。

步骤S2中利用MATLAB进行二次方程拟合，得到二次拟合公式的系数，进而得到混合气体浓度与吸光度的非线性关系。

在某一波长上，混合气体浓度与吸光度的非线性关系为