多组分气体傅立叶变换光谱分析的多分析模型信息融合方法

摘要

本发明公开了一种多组分气体傅立叶变换红外光谱在线分析的信息融合方法，该方法首先采用常规多组分气体的特征变量提取方法、分析模型建立方法，为每种目标气体建立多个分析模型，然后建立每个模型的噪声水平估计模型。对于给定的光谱图，计算每个模型的结果，估计其噪声水平，并根据各模型的噪声水平估计其权值系数。最后对同一种目标气体的分析模型进行加权平均，计算该组分气体的最终分析结果，以提高多组分气体光谱分析结果的准确度。本方法可用于石油、天然气勘探的气测录井，矿井安全，产品质量检查与故障诊断、五金、化工、环境保护等涉及多组分气体光谱定量分析的应用领域中。

主权项

一种多组分气体傅立叶变换红外光谱分析的多模型信息融合方法，其特征在于，该方法为每种气体的提取多个特征变量，然后根据特征变量之间的不同组合建立多个分析模型，并估计各模型在不同气体浓度时的噪声水平，在实际的多组分气体光谱在线分析过程中，根据各模型的分析结果及噪声水平δ_jk，对其分析结果进行加权平均，以获得更为准确的分析结果；各组分气体的每个模型的信噪比采用如下步骤估计：1)估计每条谱线的噪声水平；在气室中充满氮气，并连续扫描光谱8～15次，求每条谱线的均方根；对于以透射率为输出的光谱，按式(1)计算：$\Delta x_i=\sqrt{\frac{\underset{j=1}{\overset{L}{\Sigma }}{(x_{\mathrm{ij}}-{\bar{x}}_i)}^2}{L-1}}---\left(1\right)$式中L表示扫描的次数，Δ_xi表示第i条谱线的均方差，x_ij表示第j次扫描第i条谱线的谱线值，表示L次光谱扫描结果中第i条谱线的均值；而对于以吸光度为输出的光谱，对第j次扫描第i条谱线的谱线值v_ij进行自然指数运算x_ij＝exp(‑v_ij)后，再代入式(1)进行计算；2)估计特征变量f_im的噪声水平，对于以透射率和吸光度为输出的光谱图，给定光谱数据X以后，特征变量的噪声分别由式(2a)和(2b)估计，或者分别由式(3a)和(3b)估计：$\Delta f_i=2\underset{j=1}{\overset{R}{\Sigma }}\left|\right|b_j\left|\right|\Delta x_j/x_j---\left(2a\right)$$\Delta f_i=2\underset{j=1}{\overset{R}{\Sigma }}\left|\right|b_j\left|\right|\Delta x_j/\exp (-x_j)---\left(2b\right)$$\Delta f_i=2\sqrt{\underset{j=1}{\overset{R}{\Sigma }}{(b_j\Delta x_j/x_j)}^2}---\left(3a\right)$$\Delta f_i=2\sqrt{\underset{j=1}{\overset{R}{\Sigma }}{(b_j\Delta x_j/\exp (-x_j))}^2}---\left(3b\right)$式中b_j,j＝1,2,…,R，是按照f_im＝XB_im的形式，对吸光度光谱用TR特征变量提取算法确定的向量B_im的第j个元素，这里R表示B_im的长度，f_im表示第i种气体的第m个特征变量，对于透射率光谱，X用‑ln(X)取代，式中ln(·)表示自然对数运算，exp(·)表示自然指数运算；3)估计每个分析模型的噪声水平；首先估计每组分气体分析模型对每个输入f_i的微分：$\Delta g_{\mathrm{jki}}=\frac{g_{\mathrm{jk}}(f_1,...,f_i+e,...,f_N)-g_{\mathrm{jk}}(f_1,...,f_i,...,f_N)}{e}---\left(4\right)$式中g_jk(·)表示由前向神经网络或多项式偏最小二乘法确定的第j组分气体的第k个分析模型，e是一个很小的量，直接设定为0.0005～0.005之间的数；然后按式(5)进行该模型的噪声的估计：${\delta }_{\mathrm{jk}}=\sqrt{\underset{i=1}{\overset{N}{\Sigma }}{\left(\Delta g_{\mathrm{jki}}\Delta f_i\right)}^2}---\left(5\right)$式中δ_jk表示第j组分气体的第k个分析模型的噪声水平；各组分气体的最终分析结果的信息融合按式(6)进行：${\tilde{y}}_j=\underset{k=1}{\overset{K}{\Sigma }}{y}_{\mathrm{jk}}\frac{{\tau }_k}{{\kappa }_j}---\left(6\right)$式中y_jk表示第j组分气体的第k个分析模型的分析结果，表示第j组分气体的融合结果，K表示第j组分气体的分析模型个数，κ_j和τ_k是由分模型噪声水平估计的系数，由式(7)估计：${\kappa }_j=\underset{k=1}{\overset{K}{\Sigma }}{\tau }_k,{\tau }_k=\frac{\underset{l=1}{\overset{K}{\Sigma }}{\delta }_{\mathrm{jl}}}{{\delta }_{\mathrm{jk}}}---\left(7\right)$式中δ_jl、δ_jk由式(5)估计得到。