基于深度学习的气体浓度分析方法研究文献综述

 2022-09-25 03:09

文献综述(或调研报告):

目前主流的气体浓度检测方法有两种,一是以化学理论为基础的抽样式采样检测,二是以光谱技术为基础的插入式在线监测。其中,抽样式采样监测分为直接抽取的方式和稀释采样的方法,直接抽取的方法又分为内稀释的方式和外稀释的方式,稀释采样的方法又分为前处理的方式和后处理的方式;插入式在线监测分为内置式和外置式。[1]本课题主要研究基于光谱技术的插入式在线监测技术。

DOAS(差分吸收光谱技术)是一种光谱监测技术,其基本原理是利用空气中气体分析的窄带吸收特性来鉴定气体成分,并根据窄带吸收强度来推演微量气体的浓度,由于其原理简单、结构简单、响应速度快、精度高等优点被广泛运用于烟气排放监测。[2]

20世纪80年代除,NOXON第一个发表了 DOAS 技术的概念,而后德国科学家 U.Platt和D.Perner推动了该技术的发展,将其应用到了大气层的研究中。[3]

八十年代后期,欧洲大部分国家认同了DOAS技术在空气质量监测方面的应用,同期OPSIS公司将该技术成功用于实际系统,并对DOAS系统进行硬件和结构的改进。

1999年,复旦大学开始研究DOAS大气监测技术的研究,天津大学、中科院安徽光机所等科研单位在DOAS技术应用开发的研究取得了一定的成就。

DOAS技术的关键在于对采集到的光谱信息进行信号处理,进而得到高信噪比的气体吸收光谱或得到准确的浓度信息。

A.C.Vandacle等人希望通过时域频域转换,在频域下对光谱信号进行滤波去噪,其提出傅里叶变换技术,将光谱信号转换到频域进行处理。[4]

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。