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.     

连续波腔衰荡吸收光谱技术中的模式匹配研究

对比了波长调制和腔长调制两种方式实现模式匹配的性能特点,通过测量空腔衰荡时间并进行Allan方差分析,得到两种调制方式的衰荡时间分别为（5.239±0.077）μs和（5.252±0.058）μs,该系统的吸收系数检测限为10^-10量级。对于甲烷气体浓度,通过步进式改变入射激光的波长,描绘了甲烷气体的吸收谱线,其检测限可达10^-9量级。利用波长调制和腔长调制方式得到环境中甲烷气体的浓度分别为1.868×10^-6和1.870×10^-6。实验结果表明,虽然波长调制和腔长调制均能实现模式匹配,完成痕量甲烷气体的测量,但是通过对比可知：腔长调制方式具有更高的测量精度和更低的浓度检测限;波长调制方式发挥了可调谐激光器的优势,结构相对简单,无需压电陶瓷等附加的机械结构。因此,在实际应用中可根据需求在测量性能和装置复杂度及成本之间进行取舍。