本發(fā)明涉及節(jié)段橋梁風(fēng)振性能，具體為一種基于傅里葉變換紅外光譜儀的氣體識(shí)別方法及系統(tǒng)。

背景技術(shù)：

1、在當(dāng)今的科學(xué)研究與工業(yè)生產(chǎn)等眾多領(lǐng)域中，氣體識(shí)別具有至關(guān)重要的意義。例如，在環(huán)境監(jiān)測(cè)方面，準(zhǔn)確識(shí)別大氣中的各種氣體成分及其含量，對(duì)于評(píng)估空氣質(zhì)量、研究氣候變化以及監(jiān)測(cè)污染源等工作不可或缺；在工業(yè)生產(chǎn)過程中，實(shí)時(shí)監(jiān)測(cè)生產(chǎn)環(huán)境中的氣體組成，能夠有效保障生產(chǎn)安全，防止有毒有害氣體泄漏引發(fā)的事故，同時(shí)也有助于優(yōu)化生產(chǎn)工藝，提高產(chǎn)品質(zhì)量。

2、基于色譜技術(shù)的氣體分析方法雖然在理論上能夠?qū)崿F(xiàn)較高的分離效率和較為準(zhǔn)確的定量分析，但在實(shí)際應(yīng)用中卻面臨諸多問題。首先，其設(shè)備購置成本高昂，需要配備復(fù)雜的進(jìn)樣系統(tǒng)、色譜柱以及高精度的檢測(cè)器等部件，這使得許多小型企業(yè)或研究機(jī)構(gòu)望而卻步。其次，操作過程極為復(fù)雜繁瑣，不僅要求操作人員具備專業(yè)的色譜分析知識(shí)和技能，還需要對(duì)設(shè)備進(jìn)行精細(xì)的調(diào)試和維護(hù)。再者，整個(gè)分析周期較長(zhǎng)，從樣品采集、進(jìn)樣、分離到檢測(cè)和數(shù)據(jù)處理，每一個(gè)環(huán)節(jié)都需要耗費(fèi)大量時(shí)間，無法滿足現(xiàn)場(chǎng)快速檢測(cè)和實(shí)時(shí)監(jiān)測(cè)的迫切需求。例如在工業(yè)生產(chǎn)現(xiàn)場(chǎng)突發(fā)氣體泄漏事故時(shí)，色譜技術(shù)無法及時(shí)提供準(zhǔn)確的氣體成分信息，從而延誤事故處理的最佳時(shí)機(jī)。

3、現(xiàn)有技術(shù)有以下不足：傳統(tǒng)的氣體傳感器往往僅針對(duì)特定的一種或幾種氣體具有響應(yīng)性，對(duì)于復(fù)雜的多組分氣體混合物的識(shí)別能力有限。例如，一些電化學(xué)傳感器在檢測(cè)混合氣體時(shí)，不同氣體之間可能存在交叉干擾，導(dǎo)致檢測(cè)結(jié)果不準(zhǔn)確。并且，這類傳感器的選擇性和靈敏度難以同時(shí)兼顧，當(dāng)目標(biāo)氣體濃度較低時(shí)，可能無法準(zhǔn)確檢測(cè)，而在存在多種類似氣體時(shí)，又容易出現(xiàn)誤判。

4、在所述背景技術(shù)部分公開的上述信息僅用于加強(qiáng)對(duì)本公開的背景的理解，因此它可以包括不構(gòu)成對(duì)本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于傅里葉變換紅外光譜儀的氣體識(shí)別方法及系統(tǒng)，以解決上述背景技術(shù)中提出的問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種基于傅里葉變換紅外光譜儀的氣體識(shí)別方法，具體步驟包括：

4、步驟1：使用傅里葉變換紅外光譜儀對(duì)于待檢測(cè)氣體樣品進(jìn)行檢測(cè)，獲取輸出的光強(qiáng)隨光程差變化的信號(hào)，并標(biāo)定為干涉信號(hào)，將干涉信號(hào)通過傅里葉變換轉(zhuǎn)為頻譜，基于波長(zhǎng)范圍和分辨率計(jì)算波長(zhǎng)點(diǎn)數(shù)；

5、步驟2：對(duì)頻譜進(jìn)行奇異值分解獲得特征值，將得到的特征值以從大到小的順序構(gòu)建奇異值對(duì)角矩陣，并將奇異值對(duì)角矩陣的對(duì)角元素標(biāo)定為奇異值；

6、步驟3：計(jì)算奇異值相鄰元素的差值，構(gòu)成差分序列并標(biāo)定序列號(hào)，計(jì)算差分序列的均值和標(biāo)準(zhǔn)差，依據(jù)均值和標(biāo)準(zhǔn)差構(gòu)建判別模型，將高于判別模型輸出結(jié)果的差值標(biāo)記為突變點(diǎn)，選取其中最大的突變點(diǎn)所對(duì)應(yīng)的序列號(hào)作為組分?jǐn)?shù)；

7、步驟4：判別模型以組分?jǐn)?shù)為列，用隨機(jī)數(shù)生成器生成初始的濃度矩陣；以組分?jǐn)?shù)為行、波長(zhǎng)點(diǎn)數(shù)為列，用隨機(jī)數(shù)生成器生成初始的吸收光譜矩陣；

8、步驟5：運(yùn)用mcr-als算法，先固定濃度矩陣更新吸收光譜矩陣，再固定吸收光譜矩陣更新濃度矩陣，如此反復(fù)迭代，每次迭代時(shí)計(jì)算濃度矩陣和吸收光譜矩陣與上次迭代的變化范數(shù)，當(dāng)范數(shù)變化小于設(shè)定范數(shù)變化閾值時(shí)停止迭代，獲得迭代后的吸收光譜矩陣；

9、步驟6：預(yù)先設(shè)定一個(gè)相關(guān)系數(shù)閾值，計(jì)算吸收光譜矩陣與標(biāo)準(zhǔn)光譜庫中各光譜的相關(guān)系數(shù)，超過相關(guān)系數(shù)閾值的標(biāo)準(zhǔn)光譜所代表的氣體種類，即為檢測(cè)樣品中所包含的氣體種類之一，通過計(jì)算濃度矩陣各列平均值確定每種氣體的相對(duì)含量。

10、進(jìn)一步地，傅里葉變換紅外光譜儀采用4000cm-1到400cm-1的紅外光照射氣體樣品進(jìn)行檢測(cè)，設(shè)置測(cè)量掃描次數(shù)為n，波長(zhǎng)點(diǎn)數(shù)為p，其中，n為≥5的正整數(shù)，每次掃描得到的干涉圖，通過內(nèi)置的傅里葉變換功能，將時(shí)間域的干涉信號(hào)轉(zhuǎn)換為頻率域的吸收光譜矩陣：

11、

12、式中，a表示為吸收光譜矩陣，aij表示為矩陣中的元素，其中i表示行索引，j表示列索引，其中，吸收光譜矩陣的維度為m*n，m是頻率點(diǎn)數(shù)，n為測(cè)量掃描次數(shù)；

13、進(jìn)一步地，計(jì)算吸收光譜矩陣a的轉(zhuǎn)置at：

14、

15、利用矩陣乘法計(jì)算ata：

16、

17、式中，(ata)ij表示為矩陣ata中第i行第j列的元素，aki表示為轉(zhuǎn)置矩陣at中第k行第i列元素，akj表示為轉(zhuǎn)置矩陣at中第k行第j列元素，之后對(duì)ata進(jìn)行特征值分解，得到滿足ata＝vdvt的正交矩陣v和對(duì)角矩陣d，構(gòu)建特征方程：

18、det(ata-λi)＝0

19、式中，λ表示為特征值，i是n*n的單位矩陣，對(duì)特征方程求解就可以得到n個(gè)特征值，將這些特征值從大到小組成對(duì)角矩陣，即

20、

21、進(jìn)一步地，通過對(duì)對(duì)角矩陣d的對(duì)角線上每個(gè)特征值λi進(jìn)行開平方運(yùn)算：

22、

23、式中，σi表示為與特征值λi一一對(duì)應(yīng)的奇異值，其中，矩陣v是由ata的特征向量組成的正交矩陣，它的維度是n*n，矩陣d是對(duì)角矩陣，對(duì)角線上的元素是矩陣的特征值，非對(duì)角線元素全部為0，矩陣vt是v的轉(zhuǎn)置矩陣，且v和vt互為逆矩陣，

24、將計(jì)算得到的奇異值按從大到小的順序放置在維度為m*n的矩陣對(duì)角線上，構(gòu)成奇異值對(duì)角矩陣：

25、

26、進(jìn)一步地，設(shè)定di是奇異值數(shù)組相鄰元素的差值，則差分序列為：

27、d＝[d1，d2，…，dn-1]

28、式中，d表示為差分序列，di＝σi+1-σi；

29、計(jì)算差分序列d的均值

30、

31、計(jì)算差分序列d的標(biāo)準(zhǔn)差σd：

32、

33、構(gòu)建的判別模型：

34、

35、將滿足的元素對(duì)應(yīng)的索引記錄，并將位置標(biāo)定為突變點(diǎn)。

36、進(jìn)一步地，依據(jù)組分?jǐn)?shù)確定初始的濃度矩陣的維度為g*1，設(shè)定濃度的取值范圍設(shè)定為[0，1]，之后采用均勻分布的方式在該區(qū)間內(nèi)生成隨機(jī)數(shù)來填充矩陣，逐行逐列填充，得到初始的濃度矩陣；

37、依據(jù)組分?jǐn)?shù)與波長(zhǎng)點(diǎn)數(shù)確定初始的吸收光譜矩陣的維度為g*p，設(shè)定光譜數(shù)據(jù)的取值范圍為[0，1]，采用均勻分布的方式在該區(qū)間內(nèi)生成隨機(jī)數(shù)來填充矩陣，從矩陣的第一行第一列元素起始，將生成的隨機(jī)數(shù)置入此位置，接著依序向右逐一填充該行剩余列的元素，按此規(guī)律逐行操作，直至整個(gè)矩陣的所有元素被填充完成，得到初始的吸收光譜矩陣。

38、進(jìn)一步地，設(shè)定范數(shù)變化閾值為μ，構(gòu)建目標(biāo)函數(shù)：

39、

40、對(duì)目標(biāo)函數(shù)關(guān)于slj求偏導(dǎo)數(shù)：

41、

42、令偏導(dǎo)數(shù)將結(jié)果記錄為矩陣形式：(ctc)st＝cta，求解st：

43、st＝(ctc)-1cta

44、對(duì)st進(jìn)行轉(zhuǎn)置得到新的吸收光譜矩陣s后，采用弗羅貝尼烏斯范數(shù)衡量變化程度，計(jì)算公式為：

45、

46、式中，slj是本次迭代得到的吸收光譜矩陣s中的元素，是上一次迭代的吸收光譜矩陣sprew中對(duì)應(yīng)的元素，將計(jì)算得到的吸收光譜矩陣變化范數(shù)‖δs‖f與范數(shù)變化閾值μ進(jìn)行比較：

47、當(dāng)‖δs‖f<μ時(shí)停止迭代，當(dāng)前的濃度矩陣c和吸收光譜矩陣s即為最終結(jié)果；

48、當(dāng)‖δs‖f>μ時(shí)，進(jìn)入固定吸收光譜矩陣更新濃度矩陣的步驟：

49、固定吸收光譜矩陣s，構(gòu)建關(guān)于濃度矩陣c的目標(biāo)函數(shù)：

50、

51、對(duì)目標(biāo)函數(shù)關(guān)于clj求偏導(dǎo)數(shù)，令偏導(dǎo)數(shù)等于0，整理成矩陣形式：(sst)ct＝sat，再求解濃度矩陣c：

52、ct＝(sst)-1sat

53、對(duì)ct進(jìn)行轉(zhuǎn)置得到新的濃度矩陣c，再計(jì)算本次更新后的濃度矩陣c與上一次迭代得到的濃度矩陣cprev之間的變化范數(shù)，即計(jì)算弗羅貝尼烏斯范數(shù)：

54、

55、將濃度矩陣變化范數(shù)‖δc‖f與設(shè)定閾值μ進(jìn)行比較，

56、當(dāng)‖δc‖f<μ時(shí)，停止迭代，輸出當(dāng)前的濃度矩陣c和吸收光譜矩陣s；

57、當(dāng)‖δc‖f>μ時(shí)，則令迭代次數(shù)增加，然后再次回到固定濃度矩陣更新吸收光譜矩陣的步驟，不斷迭代更新，直到滿足濃度矩陣c和吸收光譜矩陣s分別與上一次迭代對(duì)應(yīng)的矩陣之間的變化范數(shù)小于設(shè)定的范數(shù)變化閾值μ。

58、進(jìn)一步地，定義sstdi′表示為標(biāo)準(zhǔn)光譜庫中的第個(gè)i′標(biāo)準(zhǔn)吸收光譜矩陣，對(duì)于解析出的吸收光譜矩陣s，將其與標(biāo)準(zhǔn)光譜庫中的每一個(gè)標(biāo)準(zhǔn)光譜，進(jìn)行皮爾遜相關(guān)系數(shù)計(jì)算：

59、

60、式中，ri′表示為吸收光譜矩陣s與每個(gè)標(biāo)準(zhǔn)光譜sstdi′的相關(guān)系數(shù)，sstdi′j′表示標(biāo)準(zhǔn)吸收光譜矩陣中的第j′列元素，slj表示為運(yùn)用mcr-als算法迭代后最終解析出的吸收光譜矩陣s中的元素，表示為該吸收光譜矩陣s第l行元素的平均值，表示為第i′個(gè)標(biāo)準(zhǔn)光譜sstdi′元素的平均值；

61、設(shè)定相關(guān)系數(shù)閾值為rth，比較計(jì)算得到的相關(guān)系數(shù)ri′與閾值rth，當(dāng)ri′>rth時(shí)，確定標(biāo)準(zhǔn)光譜庫中對(duì)應(yīng)的第i′個(gè)光譜所代表的氣體種類為檢測(cè)樣品中所包含的氣體種類之一。

62、進(jìn)一步地，對(duì)于已經(jīng)確定存在的氣體種類，構(gòu)建相對(duì)含量公式：

63、

64、式中，cij表示為濃度矩陣c中的元素，cl表示為第l種已確定的氣體相對(duì)含量。

65、本發(fā)明另外還提供一種基于傅里葉變換紅外光譜儀的氣體識(shí)別系統(tǒng)，所述系統(tǒng)用于執(zhí)行上述的一種基于傅里葉變換紅外光譜儀的氣體識(shí)別方法，包括：

66、數(shù)據(jù)采集處理模塊，用于使用傅里葉變換紅外光譜儀對(duì)于待檢測(cè)氣體樣品進(jìn)行檢測(cè)，獲取輸出的光強(qiáng)隨光程差變化的信號(hào)，并標(biāo)定為干涉信號(hào)，將干涉信號(hào)通過傅里葉變換轉(zhuǎn)為頻譜，基于波長(zhǎng)范圍和分辨率計(jì)算波長(zhǎng)點(diǎn)數(shù)；

67、奇異值分解模塊，用于對(duì)頻譜進(jìn)行奇異值分解獲得特征值，將得到的特征值以從大到小的順序構(gòu)建奇異值對(duì)角矩陣，并將奇異值對(duì)角矩陣的對(duì)角元素標(biāo)定為奇異值；

68、組分?jǐn)?shù)確定模塊，用于計(jì)算奇異值相鄰元素的差值，構(gòu)成差分序列并標(biāo)定序列號(hào)，計(jì)算差分序列的均值和標(biāo)準(zhǔn)差，依據(jù)均值和標(biāo)準(zhǔn)差構(gòu)建判別模型，將高于判別模型輸出結(jié)果的差值標(biāo)記為突變點(diǎn)，選取其中最大的突變點(diǎn)所對(duì)應(yīng)的序列號(hào)作為組分?jǐn)?shù)；

69、矩陣生成模塊，用于判別模型以組分?jǐn)?shù)為列，用隨機(jī)數(shù)生成器生成初始的濃度矩陣；以組分?jǐn)?shù)為行、波長(zhǎng)點(diǎn)數(shù)為列，用隨機(jī)數(shù)生成器生成初始的吸收光譜矩陣；

70、算法迭代模塊，用于運(yùn)用mcr-als算法，先固定濃度矩陣更新吸收光譜矩陣，再固定吸收光譜矩陣更新濃度矩陣，如此反復(fù)迭代，每次迭代時(shí)計(jì)算濃度矩陣和吸收光譜矩陣與上次迭代的變化范數(shù)，當(dāng)范數(shù)變化小于設(shè)定范數(shù)變化閾值時(shí)停止迭代，獲得迭代后的吸收光譜矩陣；

71、氣體相對(duì)含量計(jì)算模塊，用于預(yù)先設(shè)定一個(gè)相關(guān)系數(shù)閾值，計(jì)算吸收光譜矩陣與標(biāo)準(zhǔn)光譜庫中各光譜的相關(guān)系數(shù)，超過相關(guān)系數(shù)閾值的標(biāo)準(zhǔn)光譜所代表的氣體種類，即為檢測(cè)樣品中所包含的氣體種類之一，通過計(jì)算濃度矩陣各列平均值確定每種氣體的相對(duì)含量。

72、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

73、通過對(duì)頻譜進(jìn)行奇異值分解，深入挖掘光譜數(shù)據(jù)中的內(nèi)在信息，利用奇異值構(gòu)建對(duì)角矩陣，并基于相鄰奇異值差值的分析確定組分?jǐn)?shù)，這種方式能夠更精準(zhǔn)地反映氣體樣品的組成特征，相比傳統(tǒng)方法可能僅依賴于單一的光譜特征或簡(jiǎn)單的信號(hào)處理，本方法能更全面地捕捉氣體分子在紅外光譜中的復(fù)雜信息，從而有效提高氣體識(shí)別的準(zhǔn)確性。

74、在確定氣體種類時(shí)，通過計(jì)算解析出的吸收光譜矩陣與標(biāo)準(zhǔn)光譜庫中各光譜的皮爾遜相關(guān)系數(shù)，并設(shè)定合理閾值進(jìn)行判斷，增強(qiáng)了氣體種類識(shí)別的可靠性，之后通過mcr-als算法進(jìn)行迭代計(jì)算，通過交替固定濃度矩陣和吸收光譜矩陣來逐步優(yōu)化結(jié)果，確定每種氣體的相對(duì)含量，使得發(fā)明具有更廣泛的應(yīng)用價(jià)值。