机动车尾气CO检测中神经网络多环境因子在线修正算法研究

分析了温度、湿度、压力对预处理后尾气CO浓度测量的影响, 提出一种机动车尾气CO检测神经网络多环境因子在线修正算法, 首先采用尾气样本数据离线训练得到BP神经网络模型, 然后将实时测得的样品气温度、湿度、压力及小数吸收值代入到模型进行在线修正, 得到修正后CO浓度, 解决了NDIR传感器因环境变化所带来的测量误差影响.通过标样实验、模拟实验, 并和SEMTECH-EcoStar对比检测结果, 在样品气温度30～50℃、相对湿度25～40%、压力95～115kPa、CO浓度0～0.2%范围内的最大相对偏差为4.8%.车载外场实验, 得到修正因子在0.8～1之间, 验证了方法的必要性和可靠性, 为机动车尾气的CO浓度的准确检测提供有效技术支持.     

（英）高压甲烷近红外吸收光谱展宽特性及参数精确测量

通过搭建的测量实验平台,获取了甲烷6 046.96 cm^-1处高压气体吸收光谱.通过经验模态分解算法减弱了高压引起窗片形变而产生的探测噪声,吸光度信号的均方根误差（RMSE）降低了3.87倍,通过洛伦兹线型拟合算法获得的吸光度拟合残差优于±1%.研究表明,谱线线宽随着压力增大而增大,计算的高压环境的氮气-甲烷分子的互展宽系数为0.063 1 cm^-1atm^-1.此外,随着压力的增大,吸收线出现“红移”现象,计算得到氮气诱导压力频移系数为-0.008 48 cm^-1atm ^-1.由此提出一种利用检测波长、压力和压力频移系数的线性关系反演高压环境下气体浓度的算法.总之,高压环境下光谱展宽特性研究为工业环境下的光谱检测打下基础.