文献类型：期刊文章

作　　者：段小丽[1,2] 王明泉[1]

DUAN Xiao-li;WANG Ming-quan(School of Information and Communication Engineering, North University of China, Taiyuan 030051, China;College of Mechanical Engineering, Jinzhong University, Jinzhong 030600,China)

机构地区：[1]中北大学信息与通信工程学院,山西太原030051 [2]晋中学院机械学院,山西晋中030600

出　　处：《光谱学与光谱分析》

基　　金：国家重大科学仪器设备开发专项(2013YQ240803);山西省科技攻关项目(20140321010-02)资助

年　　份：2019

卷　　号：39

期　　号：9

起止页码：2883-2888

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、PUBMED、RCCSE、RSC、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：对于多组分混合气体定量分析而言,基于特征光谱的定量分析技术具有不可比拟的优势,而定量检测效率与精度取决于其采用的光谱数据处理算法的优劣。优化光谱分析算法参数与改进光谱数据处理方式是提高定量分析速度与精度的重要手段。针对井下多组分气体定量分析建模过程中支持向量机(SVM)参数难以确定,并且随组分数增多而呈指数增长的光谱数据运算量的问题,提出了一种改进型粒子群优化-支持向量机(PSO-SVM)算法。该算法主要针对多组分气体混合光谱数据量大,光谱特征信息存在交叠的问题进行研究。通过粒子变异约束PSO算法的收敛路径,再通过粒子信息共享提高模型优化效率,最后利用设置动态不敏感区提高模型精度。设计了一种井下多组分气体快速定量检测系统。该系统由CPU控制信号调制模块驱动红外光源,信号光经过滤尘除湿后的气室照射在探测器上。在压力与温度传感器补偿的基础上,由信号处理模块将探测得到的光信号量化传入CPU,最终,结合改进型PSO-SVM算法实现各组分气体浓度的定量分析。在完成井下实际样气采集、预处理的基础上,对浓度范围0~10.0%的CH4和浓度范围0~1.0%的C2H6,C3H8,SO2和CO2共5种组分的混合气体进行了测试,获得了800组红外光谱数据,其中训练集400组,验证集400组。采用SVM建立了多组分气体的定量分析模型,利用改进型PSO对SVM中的参数进行了优化,并将获得的最优参数重建了定量分析模型。对采集的红外光谱数据分别由本算法与传统BP网络算法进行各组分气体浓度反演,实验结果显示,由于变异粒子对其产生的约束,使最优值收敛范围变小,从而提高了收敛速度,该算法建模时间仅为传统方法的1/10;由于通过气体光谱特性给出不敏感区,使特征光谱计算时交叉敏感效率降低,从而提高了模型预测的准确度,平均误差约为传�

关 键 词：多组分气体定量分析  粒子群算法 支持向量机 红外光谱

分 类 号：O657.3]