详情

原文传递采样气室、基于QPSO算法的红外气体传感器及气压补偿方法

专利名称：	采样气室、基于QPSO算法的红外气体传感器及气压补偿方法
摘要：	本发明提供一种采样气室、基于QPSO算法的红外气体传感器及气压补偿方法，采样气室通过通过引入的三块凹面镜，能够有效增加红外光反射的次数，延长红外光穿过待测气体介质的距离，在保证光程的情况下，有效缩小了气室体积，保证了传感器的小型化；另外，采用量子粒子群算法对红外气体传感器输出的电压值进行气压补偿计算，以获取经气压补偿后的气体浓度值，计算精确度高。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	南京信息工程大学
发明人：	常建华;赵勇毅;沈婉;赵正杰
专利状态：	有效
申请日期：	2018-12-20T00:00:00+0800
发布日期：	2019-04-30T00:00:00+0800
申请号：	CN201811562034.4
公开号：	CN109696413A
代理机构：	南京钟山专利代理有限公司
代理人：	戴朝荣
分类号：	G01N21/3504(2014.01);G;G01;G01N;G01N21
申请人地址：	210044 江苏省南京市江北新区宁六路219号
主权项：	1.一种采样气室，其特征在于，所述采样气室沿纵长方向设置有第一端部和第二端部，其中，第一端部上设置有一进气口，第二端部上设置有一出气口；所述采样气室包括电调制红外光源、反光镜、热释电探测器、反光杯、第一凹面镜、两个第二凹面镜；所述电调制红外光源固定安装在采样气室临近第一端部的顶部，所述反光镜固定在电调制红外光源的下方，反光镜的反射面朝向电调制红外光源、并且与采样气室的轴中心线呈45度角；所述热释电探测器固定安装在采样气室临近第一端部的底部，其探测面朝向电调制红外光源，所述反光杯固定在其上方，反光杯的反射面朝向热释电探测器；所述第一凹面镜设置在第一端部的中心位置，第一凹面镜的曲率半径为R1；所述两个第二凹面镜拼接后设置在第二端部的中心位置，两者的拼接线与采样气室的轴中心线重叠，第二凹面镜的曲率半径为R2；所述R1>R2。 2.根据权利要求1所述的采样气室，其特征在于，所述采样气室的进气口内侧设置有防水透气膜。 3.根据权利要求1所述的采样气室，其特征在于，所述采样气室的内壁采用黄铜镀金层。 4.一种基于QPSO算法的红外气体传感器，其特征在于，所述红外气体传感器包括红外传感器、气压传感器和微处理系统，其中，红外传感器采用权利要求1-3任意一项中所述的采样气室；所述红外传感器、气压传感器分别与微处理系统电连接；所述红外传感器采用具有单光源双光路特性的电调制红外光源，两条光束在采样气室内经多次反射后被热释电探测器接收，两条光束所经路径分别被定义成测量通道和参比通道；所述热释电探测器响应于接收到电调制红外光源发出的两条光束，将之分别转换成一测量电压U0和一参比电压U1发送至微处理系统；所述气压传感器设置在采样气室底部，被设置成实时探测采样气室内气压值，并将探测的气压值转换成一气压电压U2发送至微处理系统；所述微处理系统内设置有一气压补偿模块，气压补偿模块内配置有一量子粒子群算法模型；所述微处理系统接收热释电探测器发送的测量电压U0和参比电压U1、以及气压传感器发送的气压电压U2，归一化处理后，发送至气压补偿模块进行气压补偿计算，以获取经气压补偿后的气体浓度。 5.根据权利要求4所述的基于QPSO算法的红外气体传感器，其特征在于，所述红外气体传感器还具有一显示单元；所述显示单元与微处理系统电连接，用以显示经气压补偿后的气体浓度。 6.一种基于QPSO算法的红外气体传感器气压补偿方法，其特征在于，所述气压补偿方法包括： S1：创建量子粒子群算法模型； S2：接收热释电探测器发送的测量电压U0和参比电压U1、以及气压传感器发送的气压电压U2，进行归一化处理； S3：将归一化处理后的数据发送至已创建的量子粒子群算法模型的输入层，量子粒子群算法模型对其进行气压补偿计算后，由量子粒子群算法模型的输出层输出计算结果，将输出的计算结果作为经气压补偿后的气体浓度。 7.根据权利要求6所述的基于QPSO算法的红外气体传感器气压补偿方法，其特征在于，步骤S1中，创建量子粒子群算法模型的方法包括以下步骤： S11：将红外气体传感器的热释电探测器检测通道输出电压U0、参比通道的输出电压U1以及气压传感器的输出电压U2发送到微处理系统，对电压数据进行归一化处理，将归一化后的处理数据作为量子粒子群算法的输入样本； S12：随机初始化粒子群中各粒子的位置； S13：计算粒子群中所有粒子个体最好位置的平均； S14：计算每个粒子的当前适应度值，并与该粒子历史最好适应度值进行比较，值小的作为该粒子最好适应度值； S15：比较粒子群中每个粒子的最优适应度值，最小值作为当前迭代全局最优适应度值，其位置作为全局最优位置； S16：比较当前全局最优值与历史全局最优值，值小的作为全局最优值，其位置作为全局最优位置； S17：更新粒子群中各粒子的位置，公式如下： ui,j(t)～U(0,1) S18：若满足终止条件，输出群体的全局最优位置；否则，返回步骤S12进行下一迭代； S19：根据以上步骤所得的参数，创建微处理器中的量子粒子群算法模型。
所属类别：	发明专利