利用2DCOS进行多组分混合气体傅里叶变换红外光谱分析中同分异构体谱峰的辨别

在利用傅里叶变换红外光谱进行混合气体定量分析中,针对烃类尤其是同分异构体等构成的混合气体其谱图特征相似、吸收峰严重交叠,不易进行特征吸收成分的判别和特征变量选择的问题,为增强谱峰分辨力,采用广义二维相关光谱和傅里叶变化红外光谱对烃类混合气体分析中同分异构体进行辨别,以异丁烷和正丁烷的红外光谱及受浓度扰动组成的光谱组为例进行二维相关红外光谱分析。通过观察全波段和主吸收峰波段单组分气体的傅里叶变换红外光谱,可知其谱图相似,吸收峰严重交叠,如果混合在一起,将基本无法辨别何种分子结构及成分。通过广义二维相关光谱的变换,其二维相关光谱的同步谱和异步谱可以清晰地辨别出异丁烷和正丁烷的特征吸收峰及其各自强度,实验结果可知,异丁烷在2 893,2 954和2 977 cm-1,正丁烷在2 895和2 965 cm-1具有强的吸收特征谱线。分析结果初步验证了二维红外相关光谱在多组分混合气体傅里叶变换红外光谱定量分析中谱分辨率增强方面的应用。     

基于Tikhonov正则化特征光谱选择与最优网络参数选择的轻烷烃气体分析

特征变量选取与模型的建立是光谱定量分析的两个主要研究内容.首先讨论了Tikhonov正则化特征光谱选取算法在多组分烷烃气体分析应用中的参数确定方法,然后针对甲烷、乙烷、丙烷、异丁烷、正丁烷、异戊烷和正戊烷七种烃烷的小浓度分析,从中红外吸收光谱中提取了七组特征光谱,并用这些特征光谱作为输出,用神经网络建立了七种烃烷气体的...     

直接正交信号校正算法在烷烃类多组分气体定量分析中的应用

针对烷烃类多组分混合气体中红外光谱存在的基线漂移问题,提出一种直接正交信号校正算法用于光谱数据预处理。实验中采用傅里叶变换红外光谱仪采集了936组混合气体样本的光谱数据,混合气体主要由不同浓度范围的七种组分气体组成。将直接正交信号校正算法与导数算法进行了对比分析,采用偏最小二乘回归方法建立了各组分气体定量分析模型,并对模型参数(主元个数、导数步长及正交分量的个数)进行了遍历优化选取最优分析模型。结果表明直接正交信号校正算法对于中红外光谱基线校正效果最好,直接正交信号校正算法用于烷烃类混合气体中红外光谱基线校正可行,效果良好,具有一定的实用和研究价值。     

遥感傅里叶变换红外光谱的大气层析技术

遥感傅里叶变换红外光谱层析技术是一项新的气体分析技术，它可用于构造气体浓度峰图形，定量分析工业污染气体总释放量等方面，随着算法的不断优化，在重构气体在空间的分布方面，遥感傅里叶变换红外光谱层析技术正在不断成长。     

具有相同分子基团的多组分气体现场在线光谱分析

针对目前傅里叶变换红外光谱分析还不能独立应用于气体成分多、部分成分具有同种分子基团、气体浓度变化范围大的复杂多组分混合气体的在线分析问题,文章以甲烷、乙烷、丙烷、异丁烷和正丁烷五种轻烷烃气体的混合气体的光谱分析为例,提出采用充分考虑气体温度、压力及干扰气的影响,采用特征提取、光谱畸变识别与修正、神经网络的鲁棒建模与分层建模的方法来实现具有相同分子基团的混合气体光谱分析。最后给出了五种轻烷烃气体的光谱与气相色谱的在线分析结果。分析结果对比曲线表明,两种仪器分析结果曲线几乎完全重合,这说明该文提出的光谱分析方法可以独立应用于具有相同分子基团的多组分气体混合气体现场在线分析,解决了科学研究和工程应用中气体组分复杂、气体浓度变化范围大的复杂多组分混合气现场分析难题。     

变量影响值与集群分析相结合的中红外波长选择方法

烷烃类气体的傅里叶变换红外光谱在中红外区域吸收峰重叠严重,为此,提出了一种基于变量影响值与集群分析相结合（IVPA）的波长选择方法对甲烷、乙烷、丙烷、异丁烷、正丁烷五种烷烃类气体红外光谱进行变量选择。该方法以迭代的方式逐步实现对变量的筛选,在每次迭代过程中,将变量划分为样本空间与变量空间。在样本空间中计算变量的影响值,根据变量影响值采用加权自举采样技术将变量划分为精英变量与普通变量;同时在变量空间中,统计每个变量在最优模型中出现的频率;最后利用指数衰减函数剔除普通变量中频率较低的变量,记录每次迭代过程中获取的均方根误差（RMSE）值。选择最小RMSE所对应的子集作为最终选择的变量。利用实测烷烃类光谱数据集来检验该方法的性能,并将该方法与近年来提出的稳定性竞争自适应重加权采样法（SCARS）、变量子集迭代优化（IVSO）变量选择方法所测结果进行了对比。以异丁烷分析结果为例,SCARS,IVSO与IVPA对其它四种气体的最小交叉灵敏度分别为0.67%,0.56%和0.11%;最大交叉灵敏度分别为1.69%,1.49%和1.02%;对异丁烷预测的相对误差分别为1.94%,1.65%和0.51%;上述3种方法选择的特征变量个数分别为52,17和13。结果表明,提出的IVPA方法选择的变量最少,仅为原始光谱数据的0.36%,对其他四种气体的交叉灵敏度最低,对异丁烷的预测最准确。该方法可以应用在吸收重叠的光谱中,能够提高分析模型的预测精度与运行效率。     

FTIR光谱结合系统聚类分析的甜橙树苗鉴别研究

利用傅里叶变换红外光谱技术研究了7个不同甜橙树苗春梢叶片样品的红外光谱特征,结果表明,7个甜橙品种叶片样品的傅里叶变换红外光谱主要由纤维素和多糖的吸收带组成,其特征吸收峰频率位置基本一致,但在峰形、峰相对吸收强度上存在一定差异,尤其在1500～700 cm-1范围内的差异较为明显.通过对1500～700 cm-1范围内的二阶导数光谱进行系统聚类分析,结果显示系统聚类分析能把不同甜橙品种按亲缘关系远近进行聚类,实现对甜橙品种的快速鉴别与分类.因此,利用傅里叶变换红外光谱技术结合系统聚类分析对柑橘品种快速鉴别与分类具有一定的可行性,可作为甜橙苗早期品种鉴别的一种扩展手段.     

彝药包谷七和见肿消的红外光谱

采用傅里叶变换红外光谱法测定彝药包谷七和见肿消的红外光谱图。分析比较了两种彝药在红外光谱图上的异同,结果表明,两种样品在红外光谱图上的吸收峰的峰形、吸收位置和强度均有差异,不同样品的特征吸收峰明显,通过分析红外光谱,为彝药的识别、鉴定和药理分析提供了一定的科学依据。     

对称点模式-深度卷积神经网络的红外光谱识别方法

红外光谱分析在自然科学、工程技术等诸多领域发挥着重要作用。随着计算机和人工智能技术的不断发展,对红外/近红外光谱分析提出了更高的要求。深度学习以人工神经网络为架构,通过对数据进行分层特征提取完成特征/表征学习,在解析数据细节特征方面具有独特的优势,在计算机视觉、语音识别、疾病诊断等多领域得到成功应用。尽管深度学习在图像、音频、文字分析方面获得了较好的效果,但是在红外/近红外光谱数据分析中的应用还十分有限。针对深度学习的卷积运算,首先将一维傅里叶变换（Fourier transform infrared spectroscopy,FTIR）红外光谱数据通过对称点模式（symmetrized dot patterns,SDP）变换为二维RGB彩色图像,然后将SDP变换得到的彩色图像数据作为VGG（oxford visual geometry group）深度卷积神经网络的输入进行深度学习,建立基于红外光谱数据的分类识别模型。对不同浓度甲烷（CH₄）、乙烷（C₂H₆）、丙烷（C₃H₈）、正丁烷（C₄H₁₀）、异丁烷（iso-C₄H₁₀）、正戊烷（C₅H₁₂）、异戊烷（iso-C₅H₁₂）七种单组分烷烃及其混合气体SDP转化获得的224×224彩色（RGB）图像,呈现出显著差别,且更符合VGG卷积运算的数据格式。将SDP-VGG方法应用于气测录井中甲烷浓度范围的识别：气测录井气体为上述七组分烷烃气体的混合气体,其中主要成分甲烷的浓度范围按照<20%,20%～40%,40%～60%,60%～80%,80%～100%分为5类,不同七组分烷烃混合气体样本的红外光谱由红外光谱仪在波数范围为4 000～400 cm-1、间隔12 nm的条件下扫描获得。在未经过特殊预处理和特征提取的情况下,采用随机选择的4 500个样本,由SDP-VGG法建立的七组分混合气体甲烷浓度范围识别模型,对5种甲烷浓度范围的识别准确率达到91.2%,优于相同红外光谱数据所建立支持向量机（support vector machine,SVM）和随机森林（random forest,RF）模型的识别准确率88.7%和86.2%。研究表明,SDP结合深度学习可以准确提取红外光谱数据的关键特征,提高了红外光谱识别的准确率,是一种更为有效的红外光谱分析方法,具有广阔的应用前景。     

变压器油溶解气体的FTIR定量分析

针对色谱进行变压器溶解气体在线监测需要载气、定期标定、安全性低等缺陷,试图建立一种傅里叶变换红外光谱法的油溶解气体在线分析系统。考虑特征气体量小、成分多、检测限及安全要求高,根据特征气体的吸收光谱特征与分析要求,利用分段比基线校正、改进TR正则化特征变量提取算法,建立稀疏偏最小二乘的定量分析模型。以CH₄,C₂H₆,C₃H₆和CO₂等特征气体为例,给出了分析的测试结果。结果表明,在光谱波数分辨率为1 cm-1,光程为10 cm情况下,可以满足变压器绝缘油溶解气体分析要求。     

傅里叶变换红外光谱对枯草芽孢杆菌的光学特性研究

使用傅里叶变换红外光谱(FTIR)技术,测量了两种不同浓度的枯草芽孢杆菌的红外透过率谱,根据朗伯-比尔定律计算出它们的质量消光截面,通过算出复折射率的虚部,再使用KK(Kramers-Kronig)关系,导出复折射率的实部,并对实验结果作了分析和讨论。通过研究枯草芽孢杆菌复折射率的测量和分析方法,对于进一步研究生物气溶胶的吸收和散射特性、拓宽生物气溶胶的测量和遥测技术方法,具有重要的意义。     

基于FTIR技术和稀疏线性判别分析的秦艽种类鉴别

傅里叶变换红外光谱通常包含有大量的波长变量点,对其进行定性分析需要建立稳健的、可解释性的分类模型。稀疏线性判别分析(SLDA)是一种较为新颖和有效的机器学习算法,常用于高维度、小样本数据的变量筛选和判别分析,SLDA通过在线性判别分析中引入正则项,使分类器训练过程和变量选择过程同时完成,不同判别方向上载荷系数的稀疏性则增强了模型的可解释性。采集甘肃不同产地的秦艽样本94个,其中麻花秦艽(Gentiana straminea Maxim)30个,黄管秦艽(Gentiana officinalis)28个,大叶秦艽(Gentiana macrophylla Pall)36个,利用傅里叶变换红外光谱法获得所有样本的光谱图。取其中70个样本构成训练集,剩余24个为测试集。使用训练集建立SLDA模型,对2个判别方向上不为0的载荷系数个数进行网格化寻优,得到了最优的参数空间。利用建立的SLDA模型对测试样本进行预测,其分类准确率达到100%,实现了对三种秦艽的快速、准确鉴别。实验结果表明,与PLS-DA方法相比,SLDA模型在分类准确率、稀疏性及可解释性方面均具有一定优势,是一种新颖、有效的光谱定性分析方法。     

基于光谱波段优化选择的FTIR测量与分析

在主动式红外遥感测量中,大气中痕量气体的红外吸收与不同红外波段的透过率光谱有关。在很多情况下,透过率光谱在光谱定量分析中起到重要的作用,因此,对测量和仿真的透过率光谱的波段进行优化选择是定量分析的关键。文章对最佳透过率测量范围进行了理论分析, 得到了对应于待测气体浓度反演相对误差最小的理论最佳透过率值;基于谱线的洛伦兹线型通过计算得到了待测气体分子的吸收截面, 同时给出了透过率光谱的校准训练集;确定了单组分CO₂光谱测量分析的波段,优化了多组分CO, CO₂和N₂O光谱同时测量分析的波段并成功地应用于开放光路光谱仪系统。光谱拟合分析结果表明,测量光谱与参考光谱得到了很好的拟合,拟合均方根误差小于1%。     

基于红外特征吸收法的烟草主流烟气中氨浓度检测系统

为了快速、 精确地从卷烟燃烧的主流烟气中求出氨的浓度信息,设计了基于红外吸收的检测系统。根据氨在中红外的特征吸收曲线,系统通过10.4 μm中红外固定波长激光器对准最强吸收峰波长位置。由红外探测阵列获取经被测主流烟气红外光的干涉条纹后,结合光谱数据库及光谱分析算法,由比尔朗伯定律求解主流烟气中的氨浓度。标准光谱数据选自NIST光谱数据库,结合对主流烟气中多种干扰气体的降噪处理,最终完成氨浓度信息的实时显示。实验采用UnicornTM固定波长激光器、 静态傅里叶变换干涉具、 标准抽吸引擎等,对五个不同品牌的卷烟进行测试。每个品牌随机抽取十支,分别采用传统的离子色谱法和本系统进行实验。结果显示,本系统的氨浓度检测与标准值基本一致,同时速度快、 抗干扰能力强。     

煤层自然发火特征气体的光谱定量分析

针对煤层自然发火特征气体种类多、检测限低、现场监测仪器安全要求高等特点,提出采用傅里叶变换红外光谱分析实现气体的在线分析.并结合气体的吸收光谱特征与分析要求,从光谱仪参数选择、样气制备、特征变量提取与分析模型建立方面,介绍了一套行之有效的特征气体光谱分析方法,然后给出了CH4,C2H6,C3H8,iC4H10,nC4H...