一种气体浓度的检测方法与流程

1.本公开涉及气体检测领域，具体涉及一种气体浓度的检测方法。


背景技术：

2.差分吸收光谱技术(differential optical absorption spectroscopy，doas)为：利用待测气体分子的窄带吸收特性来鉴别气体分子，并根据窄带吸收强度反演出气体分子的浓度的一种技术。具体地，当一束光透过被测气体样品池时，光会被待测气体分子选择性吸收，从而改变入射光束的光强和光谱结构，通过与入射光束的原始光谱比较，即可获得吸收光谱，而由于气体分子在不同的光波段对光有不同的吸收能力，因此，可以通过分析光束在某一波段的吸收光谱，即可判断待测气体的成分和相应气体的浓度。
3.但是在实际的气体浓度测量过程中，往往会遇到某些气体的特征吸收波段重叠现象，这就导致了在特定波段内光谱结构的变化是由几种不同的气体导致的，从而增大目标烟气中各组分气体浓度测量的难度，也会为测量结果带来较大误差。可见，现有气体浓度检测方法，存在对特征吸收波段重叠的气体的浓度检测不准确的问题。


技术实现要素：

4.本公开提供的一种气体浓度的检测方法，可以提高对烟气组分浓度计算结果的准确性。
5.本公开实施例提供了一种气体浓度的检测方法，包括：
6.获取待测烟气对应的特征吸收波段信息，所述待测烟气包括至少两种第一烟气组分，所述特征吸收波段信息包括与所述至少两种第一烟气组分一一对应的至少两组第一波段数据，其中，所述第一波段数据包括所对应的第一烟气组分的特征吸收波段，所述至少两种第一烟气组分包括至少一种第一目标烟气组分和至少一种第二目标烟气组分，所述第一目标烟气组分对应的第一波段数据包括重合波段和非重合波段，所述第二目标烟气组分对应的第一波段数据包括所述重合波段；
7.获取每种所述第一目标烟气组分对应的第一差分吸收截面数据，其中，所述第一差分吸收截面数据为采用差分吸收光谱法对所述待测烟气进行测量的过程中，所述第一目标烟气组分在所述非重合波段的差分吸收截面数据；
8.基于所述第一差分吸收截面数据，计算所述至少一种第一目标烟气组分的浓度，得到第一浓度数据，所述第一浓度数据包括所述至少一种目标烟气组分的浓度。
9.可选地，所述基于所述第一差分吸收截面数据，计算所述至少一种第一目标烟气组分的浓度，得到第一浓度数据之后，所述方法还包括：
10.获取第二差分吸收截面数据，其中，所述第二差分吸收截面数据为采用差分吸收光谱法对所述待测烟气进行测量的过程中，所述至少两种第一烟气组分在所述重合波段的差分吸收截面数据之和；
11.基于所述第二差分吸收截面数据计算第二浓度数据，其中，所述第二浓度数据为
所述至少两种第一烟气组分的浓度之和；
12.基于所述第一浓度数据和所述第二浓度数据，计算所述至少一种第二目标烟气组分的浓度。
13.可选地，所述基于所述第一浓度数据和所述第二浓度数据，计算所述至少一种第二目标烟气组分的浓度，包括：
14.基于所述第一浓度数据生成第三浓度数据，所述第三浓度数据为所述至少一种第一目标烟气组分的浓度之和；
15.计算所述第二浓度数据与所述第三浓度数据的差值，得到第四浓度数据；
16.基于所述第四浓度数据，确定所述至少一种第二目标烟气组分的浓度。
17.可选地，所述基于所述第四浓度数据，确定所述至少一种第二目标烟气组分的浓度，包括：
18.在所述待测烟气包括的一种第二目标烟气组分的情况下，将所述第四浓度数据确定为所述第二目标烟气组分的浓度；
19.在所述待测烟气包括至少两种第二目标烟气组分的情况下，基于预设手段确定所述至少两种第二目标烟气组分的浓度。
20.可选地，所述基于预设手段确定所述至少两种第二目标烟气组分的浓度，包括：
21.获取至少两个第三差分吸收截面数据，其中，所述至少两个第三差分吸收截面数据与所述至少两种第二目标烟气组分一一对应；
22.基于所述至少两个第三差分吸收截面数据，确定目标优先级顺序，其中，所述目标优先级顺序用于指示所述至少两种第二目标烟气组分的浓度计算的先后顺序，在所述目标优先级顺序中，所述第三差分吸收截面数据所指示的差分吸收截面越大，所对应的第二目标烟气组分的优先级越高；
23.按照所述目标优先级顺序，依次计算所述至少两种第二目标烟气组分的浓度。
24.可选地，所述按照所述目标优先级顺序，依次计算所述至少两种第二目标烟气组分的浓度，包括：
25.获取所述第二烟气组分对应的第三差分吸收截面数据，所述第二烟气组分为所述至少两种第二目标烟气组分中的任意一种第二目标烟气组分；
26.基于所述第二烟气组分对应的第三差分吸收截面数据，计算所述第二烟气组分的浓度。
27.可选地，所述基于所述第二差分吸收截面数据计算第二浓度数据，包括：
28.基于所述第二差分吸收截面数据，确定所述重合波段对应的差分吸收度；
29.对所述差分吸收度进行滤波处理，得到目标差分吸收度；
30.基于所述目标差分吸收度计算第二浓度数据。
31.可选地，所述对所述差分吸收度进行滤波处理，得到目标差分吸收度，包括：
32.利用小波滤波的抗干扰算法，对所述差分吸收度进行滤波处理，得到目标差分吸收度。
33.可选地，所述对所述差分吸收度进行滤波处理，得到目标差分吸收度，包括：
34.利用卡尔曼滤波的抗干扰算法，对所述差分吸收度进行滤波处理，得到目标差分吸收度。
35.可选地，所述基于所述第一差分吸收截面数据，计算所述至少一种第一目标烟气组分的浓度，包括：
36.基于所述第一差分吸收截面数据，利于朗伯-比尔定律计算所述至少一种第一目标烟气组分的浓度。
37.本公开实施例中，当至少两种第一烟气组分存在重合的特征吸收波段时，通过利用所述第一烟气组分除重合波段之外的非重合波段对第一烟气组分进行浓度计算，以提高对烟气组分浓度计算结果的准确性。
附图说明
38.为了更清楚地说明本公开实施例的技术方案，下面将对本公开实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
39.图1是本公开实施例提供的气体浓度的检测方法的流程图之一；
40.图2是本公开实施例提供的气体浓度的检测方法的流程图之二。
具体实施方式
41.下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
42.请参见图1，图1，为本公开实施例提供的一种气体浓度的检测方法的流程示意图，所述气体浓度的检测方法包括以下步骤：
43.步骤101、获取待测烟气对应的特征吸收波段信息，所述待测烟气包括至少两种第一烟气组分，所述特征吸收波段信息包括与所述至少两种第一烟气组分一一对应的至少两组第一波段数据，其中，所述第一波段数据包括所对应的第一烟气组分的特征吸收波段，所述至少两种第一烟气组分包括至少一种第一目标烟气组分和至少一种第二目标烟气组分，所述第一目标烟气组分对应的第一波段数据包括重合波段和非重合波段，所述第二目标烟气组分对应的第一波段数据包括所述重合波段；
44.步骤102、获取每种所述第一目标烟气组分对应的第一差分吸收截面数据，其中，所述第一差分吸收截面数据为采用差分吸收光谱法对所述待测烟气进行测量的过程中，所述第一目标烟气组分在所述非重合波段的差分吸收截面数据；
45.步骤103、基于所述第一差分吸收截面数据，计算所述至少一种第一目标烟气组分的浓度，得到第一浓度数据，所述第一浓度数据包括所述至少一种目标烟气组分的浓度。
46.其中，上述待测烟气可以是各种烟气排放场景中的烟气，例如，可以是各类工矿企业所排放的烟气。在进行烟气排放之前，通过需要经过几轮化学反应对待排放烟气进行处理，以尽量除去待排放烟气中的有毒有害物质。其中，所述待测烟气可以是经过上述化学反应处理之后的烟气，由于经过化学反应之后所生成的物质的种类可以直接根据化学反应式推测得到，即上述待测烟气中所包含的各个组分的种类可以直接推测得到。因此，所述待测
烟气中的各个组分可以直接确定。
47.具体地，由于在环境因素确定的情况下，各个组分的特征吸收波段以及差分吸收截面均是相对固定的，因此，可以通过查表确定各个组分在对应温度和压强下的特征吸收波段以及差分吸收截面，以得到所述待测烟气中，每个组分的第一波段数据和差分吸收截面数据。可以理解的是，所述第一波段数据可以包括所对应的第一烟气组分的各个特征吸收波段。
48.上述至少两组第一烟气组分可以是所述待测烟气中，所有特征吸收波段包括所述重合波段的组分。具体地，可以对所述至少两组第一波段数据进行分析，并筛选出所有具有重合波段的第一波段数据，同时，将具有重合波段的第一波段数据对应的组分确定为第一烟气组分。其中，所述待测烟气中，除所述第一烟气组分之外的其他烟气组分可以采用相关技术中的烟气检测手段进行浓度检测。例如，可以采用差分吸收光谱法对所述待测烟气中除所述第一烟气组分之外的其他烟气组分进行浓度检测。
49.相关技术中，一些烟气组分具有两个或两个以上的特征吸收波段，例如so2气体，其存在两个的特征吸收波段。因此，当某种烟气组分具有两个特征吸收波段，且该烟气组分的其中一个特征吸收波段为上述重合波段时，可以基于该烟气组分的另一个特征吸收波段计算该烟气的浓度，以避免因采用重合波段进行浓度计算而导致的计算误差过大的问题。
50.可以理解的是，上述第一目标烟气组分的特征吸收波段和第二目标烟气组分的特征吸收波段均包括所述重合波段，即所述重合波段为所述第一目标烟气组分和第二目标烟气组分的功能特征吸收波段。且所述第二目标烟气组分的特征吸收波段仅包括所述重合波段，而所述第一目标烟气组分的特征吸收波段除了包括所述重合波段之外，还包括非重合波段。
51.基于此，可以基于所述非重合波段计算各个第一目标烟气组分的浓度。在本公开一个具体实施例中，所述待测烟气包括j种第一烟气组分，其具体计算过程可以是：先在所述j种第一烟气组分中，确定第一个第一烟气组分，其中，所述第一个烟气组分的非重合波段与其他(j-1)种烟气组分的特征吸收波段均不重合，然后，获取所述第一个第一烟气组分对应的第一差分吸收截面数据，并基于所述第一差分吸收截面数据计算第一个第一烟气组分的浓度。再从剩余的(j-1)种烟气组分中确定第二个第一烟气组分，其中，所述第二个烟气组分的非重合波段与剩余的(j-2)种烟气组分的特征吸收波段均不重合，然后，获取所述第二个第一烟气组分对应的第一差分吸收截面数据，并基于所述第一差分吸收截面数据计算第二个第一烟气组分的浓度。依次类推，直至剩余的k组第一烟气组分均仅包括重合波段，并将剩余的k组第一烟气组分确定为k组第二目标烟气组分。其中，所述j为大于等于2的整数，所述k为大于等于1的整数，且所述k小于所述j。
52.上述基于所述第一差分吸收截面数据，计算所述至少一种第一目标烟气组分的浓度的具体可以采用朗伯-比尔定律进行计算。其中，朗伯-比尔定律计算浓度的具体公式为：
[0053][0054]
式中：od(λ)为待测烟气在波长为λ处的差分吸收度，i0(λ)为入射光强度，i(λ)为探测到的经过气体吸收和散射后的光强，该数据可以由光谱仪测量得到，σi(λ)为待测烟气
中第i个气体在波长为λ处的差分吸收截面数据，ci为待测烟气中第i个气体的浓度，l为光程。气体差分吸收截面数据是由气体吸收截面数据滤波得来，吸收截面代表了气体对光的吸收能力。其中，所述待测烟气可以包括j种第一烟气组分，j种第一烟气组分的差分吸收截面数据可以表示为σ＝[σ1…
σj]。其中，在获取到j种第一烟气组分的差分截面数据之后，可以进行滤波处理，以得到所述σ，例如，可以对待测j种第一烟气组分的特征吸收截面数据滤去低频部分，只保留高频部分，获得这j种第一烟气组分的差分吸收截面数据σ＝[σ1ꢀ…ꢀ
σj]。
[0055]
由于i0(λ)为已知量，而i(λ)和od(λ)可以通过光谱仪测量得到，σi(λ)可以通过查表得到，因此，上式中仅ci为未知量，因此，可以基于上式求解第i种烟气组分的浓度ci。
[0056]
具体地，当需要求解第i种烟气组分的浓度ci时，可以通过对上述公式进行变形，得到如下计算公式：
[0057][0058][0059][0060]
其中，可由光谱仪测量数据计算得到，为第i个气体在非重合波段λ
nc
内的差分吸收截面矩阵，光程l已知，则可求解出第i中烟气组分的浓度ci。
[0061]
该实施方式中，当至少两种第一烟气组分存在重合的特征吸收波段时，通过利用所述第一烟气组分除重合波段之外的非重合波段对第一烟气组分进行浓度计算，以提高对第一烟气组分浓度计算结果的准确性。
[0062]
可选地，所述基于所述第一差分吸收截面数据，计算所述至少一种第一目标烟气组分的浓度，得到第一浓度数据之后，所述方法还包括：
[0063]
获取第二差分吸收截面数据，其中，所述第二差分吸收截面数据为采用差分吸收光谱法对所述待测烟气进行测量的过程中，所述至少两种第一烟气组分在所述重合波段的差分吸收截面数据之和；
[0064]
基于所述第二差分吸收截面数据计算第二浓度数据，其中，所述第二浓度数据为所述至少两种第一烟气组分的浓度之和；
[0065]
基于所述第一浓度数据和所述第二浓度数据，计算所述至少一种第二目标烟气组分的浓度。
[0066]
所述基于所述第一浓度数据和所述第二浓度数据，计算所述至少一种第二目标烟气组分的浓度，包括：
[0067]
基于所述第一浓度数据生成第三浓度数据，所述第三浓度数据为所述至少一种第一目标烟气组分的浓度之和；
[0068]
计算所述第二浓度数据与所述第三浓度数据的差值，得到第四浓度数据；
[0069]
基于所述第四浓度数据，确定所述至少一种第二目标烟气组分的浓度。
[0070]
其中，由于所述第二差分吸收截面数据为采用差分吸收光谱法对所述待测烟气进行测量的过程中，所述至少两种第一烟气组分在所述重合波段的差分吸收截面数据之和，因此，基于所述第二差分吸收截面数据计算得到的第二浓度数据为所述至少两种第一烟气组分的浓度之和。而基于上述实施例已经计算得到的第一浓度数据包括：每种第一目标烟
气组分的浓度，因此，可以通过利用第一浓度数据计算得到所有第一目标烟气组分之和，得到第三浓度数据。这样，通过所述第二浓度数据减去第三浓度数据即可得到所有第二目标烟气组分的浓度之和，即所述第四浓度数据为所有第二目标烟气组分的浓度之和。如此，可以利用所述第四浓度数据确定所述至少一种第二目标烟气组分的浓度。
[0071]
可选地，所述基于所述第四浓度数据，确定所述至少一种第二目标烟气组分的浓度，包括：
[0072]
在所述待测烟气包括的一种第二目标烟气组分的情况下，将所述第四浓度数据确定为所述第二目标烟气组分的浓度；
[0073]
在所述待测烟气包括至少两种第二目标烟气组分的情况下，基于预设手段确定所述至少两种第二目标烟气组分的浓度。
[0074]
该实施方式中，由于所述第四浓度为所述待测烟气中所有第二目标烟气组分的浓度之和，因此，在所述待测烟气仅包括一种第二目标烟气组分的情况下，可以直接将所述第四浓度数据确定为所述第二目标烟气组分的浓度，从而完成对第二目标烟气组分的浓度求解过程。相应地，在所述待测烟气包括至少两种第二目标烟气组分的情况下，可以进一步基于预设手段确定所述至少两种第二目标烟气组分的浓度。
[0075]
可选地，所述基于预设手段确定所述至少两种第二目标烟气组分的浓度，包括：
[0076]
获取至少两个第三差分吸收截面数据，其中，所述至少两个第三差分吸收截面数据与所述至少两种第二目标烟气组分一一对应；
[0077]
基于所述至少两个第三差分吸收截面数据，确定目标优先级顺序，其中，所述目标优先级顺序用于指示所述至少两种第二目标烟气组分的浓度计算的先后顺序，在所述目标优先级顺序中，所述第三差分吸收截面数据所指示的差分吸收截面越大，所对应的第二目标烟气组分的优先级越高；
[0078]
按照所述目标优先级顺序，依次计算所述至少两种第二目标烟气组分的浓度。
[0079]
其中，上述获取至少两个第三差分吸收截面数据：即获取每一种第二目标烟气组分的对应的一个第三差分吸收截面数据，所述第二目标烟气组分对应的第三差分吸收截面数据为：采用差分吸收光谱法对所述待测烟气进行测量的过程中，所述第二目标烟气组分在所述非重合波段的差分吸收截面数据。
[0080]
具体地，由于在分别对每种第二目标烟气组分进行浓度计算的过程中，烟气组分的差分吸收截面越大，其所带来的计算误差也越大，因此，在进行计算之前，通过先确定目标优先级顺序，以确保先针对第三差分吸收截面较大的第二目标烟气组分进行浓度计算，从而避免差分吸收截面较大的第二目标烟气组分影响差分吸收截面较小的第二目标烟气组分的浓度计算过程，进而有利于进一步提高第二目标烟气组分浓度计算的准确性。
[0081]
可选地，所述按照所述目标优先级顺序，依次计算所述至少两种第二目标烟气组分的浓度，包括：
[0082]
获取所述第二烟气组分对应的第三差分吸收截面数据，所述第二烟气组分为所述至少两种第二目标烟气组分中的任意一种第二目标烟气组分；
[0083]
基于所述第二烟气组分对应的第三差分吸收截面数据，计算所述第二烟气组分的浓度。
[0084]
可以理解的是，上述基于第三差分吸收截面数据计算第二烟气组分浓度的手段与
上述实施例所采用的手段相同，且具备相同的有益效果，为避免重复，在此不再予以赘述。
[0085]
在本公开一个实施例中，当重合波段还有多种气体(即所述待测烟气包括至少两种第二目标烟气组分)，并且这些气体没有其他特征波段时(即至少两种第二目标烟气组分不存在非重合波段时)，说明重合问题已经无法避免，此时只能尽可能的降低误差。当重合波段中有j种气体时，根据doas原理基本公式，可得每个气体浓度的计算公式为：
[0086]
odc＝-σccl
[0087]
其中：
[0088][0089][0090]
c＝[c1ꢀ…ꢀch
ꢀ…ꢀcj
]
t
[0091]
假设重合波段λc中含有k个点odc为多组分气体在重合波段λc的差分吸收度，可由光谱仪测量数据计算得到，σc为多组分气体在重合波段λc内的差分吸收截面矩阵，c为多组分气体浓度矩阵。
[0092]
如果按照传统方法计算的话，此时即可利用上式来反演多组分气体中各个气体的浓度c1～cj，但这种方法的计算误差很大，因为波段重合现象，导致光谱仪测得的差分吸收度odc是由重合波段内的多种气体叠加造成的，从而影响气体浓度测量精度。
[0093]
本公开实施例将气体吸收截面按照由大到小的顺序排列，并优先计算重合波段内气体吸收截面最大的气体浓度，之后按气体差分吸收截面降序依次计算各组分气体浓度。换言之，是在多组分气体浓度求解中，只关注一个气体，将其他的气体都视为误差项和干扰项，所关注气体的次序为气体差分吸收截面降序，在求解出一个气体浓度后，利用该浓度值和该气体差分吸收截面参数，计算该气体的差分吸收度，并从重合波段中总的差分吸收度中减去该气体造成的影响，从而利用此值计算下一个气体浓度，依次循环进行，计算各个气体浓度。
[0094]
排序的原理为：
[0095]
odc＝-σccl
[0096]
上式为多种气体差分吸收度与差分吸收截面、浓度和光程的关系式，假设我们只关注其中的h气体，并将其他气体都视为误差和干扰项，则有下式：
[0097][0098][0099]
为重合波段中，h气体的差分吸收度，为重合波段中，除去h气体的差分吸收度；为重合波段中，h气体的差分吸收截面，为重合波段中，除去h气体的剩余其他气体的差分吸收截面矩阵；ch为h气体的浓度，ce为混合气体中除去h气体的剩余其他气体的浓度矩阵。将除h气体外的气体都视为误差后，上式变形为：
[0100]
[0101]
其中δ为误差，od
δ
为差分吸收度误差。显然，误差项越小，ch越接近于真实值，当浓度信息无法确认的情况时，差分吸收截面矩阵越小，误差项越小，即此时气体h的差分吸收截面应为当前混合气体中差分吸收截面最大值，此后依次按差分吸收截面降序计算，以保证每个当前所关注的气体浓度计算误差保持最小。
[0102]
除此之外，此时引入小波滤波或卡尔曼滤波等抗干扰的气体浓度反演算法，将差分吸收度误差项od
δ
的值进一步过滤，更加保证了误差项趋于最小值，差分吸收度更接近的真实值，以提升气体h的浓度测量精度。
[0103]
可选地，所述基于所述第二差分吸收截面数据计算第二浓度数据，包括：
[0104]
基于所述第二差分吸收截面数据，确定所述重合波段对应的差分吸收度；
[0105]
对所述差分吸收度进行滤波处理，得到目标差分吸收度；
[0106]
基于所述目标差分吸收度计算第二浓度数据。
[0107]
该实施方式中，在进行浓度计算之前，通过先进行滤波处理，有利于去除差分吸收度中其他气体的影响，最大程度上只保留当前关注气体的差分吸收度，以去除差分吸收度中的噪声。从而有利于降低噪声的影响，进而可以提高后续浓度计算过程中的准确性。
[0108]
可选地，所述对所述差分吸收度进行滤波处理，得到目标差分吸收度，包括：
[0109]
利用小波滤波的抗干扰算法，对所述差分吸收度进行滤波处理，得到目标差分吸收度。
[0110]
具体地，通过基于小波滤波的抗干扰算法进行滤波，可以降低其他气体对目标待测气体的影响。小波滤波因具有良好的时频局部化性质，故可很好的保存有用信号的尖峰和突变部分，在解决基于doas原理测量多组分气体浓度中，由于特征波段重合所造成气体浓度测量精度降低问题发生时，小波滤波可以很好的剔除重合波段中其他气体的差分吸收截面信息，最大程度上的只保留所关注的一种气体差分吸收截面信息，从而降低其他气体对目标气体浓度反演的影响，提升浓度测量精度。
[0111]
在将气体按差分吸收截面由大到小进行排序后，求解当前关注的气体浓度时，将混合气体中其他气体都考虑为噪声，并通过小波滤波的方式将噪声尽可能的去除，以达到提升当前所求的气体浓度准确度的目的。
[0112]
在实施例中，将混合气体差分吸收度odc认为由当前关注气体h的差分吸收度以及噪声od
δ
叠加而成。对odc进行离散小波分解，幅值较高的小波系数与的相关性较高，根据所选的阈值，将高于该阈值的小波系数保留，去除低于该阈值的系数，即为降低噪声的原理，下一步利用剩余的小波系数和尺度系数来重构波形，得到的就是滤除了噪声的波形，即为最接近真值的气体h差分吸收度经过变换后，即可最大程度除去其他气体的影响，得到较为准确的气体浓度值ch。
[0113]
可选地，所述对所述差分吸收度进行滤波处理，得到目标差分吸收度，包括：
[0114]
利用卡尔曼滤波的抗干扰算法，对所述差分吸收度进行滤波处理，得到目标差分吸收度。
[0115]
不同于上例，本例中采用卡尔曼滤波作为抗干扰算法，提升气体浓度计算精度。卡尔曼滤波提供了一种递推算法，由获得的带有噪声的观测数据，对系统状态进行线性、无偏
差及最小误差方差的最优估计，其基本思想是给定一组合理的假设，可以从观测到的历史数据中推断出下一步状态的估计值。利用其对系统未来值的预测和估计的特性，在解决基于doas原理测量多组分气体浓度中，由于特征波段重合所造成气体浓度测量精度降低问题发生时，与上例相同，将只关注一个气体的浓度，而将其他气体都视作噪声，利用卡尔曼滤波原理，将噪声信息滤除，从而获得较高的浓度计算精度。卡尔曼滤波的思想为，利用推测值修正观测值的方式，提高测量值的精度，减少重合波段中其他气体对所关注气体的影响，得到相应浓度后，依次反演其他气体浓度，卡尔曼滤波状态方程为：
[0116]
s(n)＝as(n-1) w(n)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0117]
x(n)＝cs(n) v(n)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0118]
在此实施例中，上式(1)中各参数可定义为：s(n)为状态变量，在此定义为关注的气体浓度值ch；s(n-1)为上一波长处的该气体浓度值；a为状态参数，本例中将气体浓度值视为常数，即上一波长处与下一波长处的浓度值相等；w(n)为系统噪声；上式(2)中各参数可定义为x(n)为测量值，在此定义为在波长值λn处的差分吸光度值；c为差分吸收截面组成的灵敏度系数向量的转置矩阵；v(n)为测量噪声。其中各值可根据实际应用情况选定以达到最佳的滤波效果，得到最精确的气体浓度测量值。
[0119]
本公开实施例中，对待测烟气进行分析时，采用了两种方式解决气体特征吸收波段重叠问题，经此方法后，可以有效提升多组分混合气体中各个气体浓度的测量精度。核心思想大概为分类和排序的方式，在不可避免的气体特征波段重合现象发生后，尽量提升气体浓度测量精度。并且，在反演气体浓度时，采用了抗干扰的气体浓度反演算法，降低了浓度计算过程中噪声和其他气体对所关注的气体浓度反演造成的影响，进一步提升了浓度测量精度。
[0120]
本公开实施例所提供的方法，通过利用光谱分析法中的差分吸收光谱法(doas)来测量多组分烟气浓度，面对实际测量过程中经常出现的特征波段重合现象所引起的浓度测量精度下降问题，提出了一种解决办法，该办法在面对浓度测量过程中波段重合现象发生时，可有效提升测量精度，并无需增加其他硬件，极大地节约了成本。本公开所提出的方法有效的弥补了现存技术的不足之处。本公开利用不同气体对光的吸收波段不同的特点，将气体进行分类，再利用气体特征吸收截面的特性将气体进行排序，而后使用抗干扰算法反演被测气体浓度，进一步提升气体浓度测量精度，当面对气体吸收波段重合问题时，依旧能提供很好的求解表现，一定程度上保证了气体浓度测量精度，弥补了现有技术的不足。
[0121]
请参见图2，为本公开一个实施例提供的一种气体浓度的检测方法的流程示意图，所述方法包括以下步骤：步骤1)判断待测烟气中是否存在重合波段，若否，则利用抗干扰算法依次计算各烟气组分的浓度；若是，则进行步骤2)，下文将具有重合波段的多组分烟气表述为至少两种第一烟气组分；步骤2)判断至少两组第一烟气组分是否具有非重合波段，并将具有非重合波段的第一烟气组分称之为第一目标烟气组分，将仅具备重合波段的第一烟气组分称之为第二目标烟气组分；若是，则进行步骤3)，若否，则进行步骤4)；步骤3)使用非重合波段数据计算各第一目标烟气组分的浓度；步骤4)将重合波段的第二目标烟气组分进行排序，得到目标优先级顺序；5)按照目标优先级顺序，利用抗干扰算法依次计算各第二目标烟气组分的浓度；步骤6)输出浓度信息。
[0122]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排
他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
[0123]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台电子设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本公开各个实施例所述的方法。
[0124]
上面结合附图对本公开的实施例进行了描述，但是本公开并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本公开的启示下，在不脱离本公开宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本公开的保护之内。