[发明专利]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

说明书

技术领域：

本发明涉及光谱在线定量分析领域，涉及一种多组分气体傅立叶变换红外光谱多分析模型的信息融合方法。 

背景技术：

傅立叶变换红外光谱分析是多组分气体在线定量分析的重要方法之一。气体分析涉及到科学研究、矿井安全、环境保护、设备的故障诊断、产品质量的检测、天然气与石油勘探录井等多个领域。在这些领域中，组分气体的在线定量分析发挥着非常重要的作用。如：变压器的故障诊断方法中，有一种就是通过检测变压器油中乙炔等气体的含量来识别的，天然气的燃烧值是通过检测天然气中甲烷、乙烷等组分的含量来确定的。虽然气体吸收光谱的光谱分析是气体定量分析的一种重要方法，但这种方法还存在一些没有解决的问题，其中之一就是光谱基线的漂移，待分析气体中可能存的干扰气体，谱线的噪声会给分析结果带来偏差。在存在多种具有相同分子基团的组分情况下，如丙烷、异丁烷、正丁烷等烷烃气体都具有-CH₂-基团，由于其吸收光谱严重交叠，光谱所形成的矩阵条件数大，光谱中一点小的干扰就可能引入大的偏差。为了尽可能得到更为准确的分析结果，需要想办法降低这些偏差的水平。此外，光谱线的灵敏度与气体的大浓度分析范围总是一对矛盾的问题。如何在大浓度范围与灵敏度之间进行无缝连接，在小浓度范围时能实用高吸光度谱线进行气体分析，而在大浓度范围时，考虑到高吸光度谱线已经吸收饱和，能用合适吸光度的谱线进行分析。 

发明内容：

本发明的目的在于，提供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，提高分析结果准确性。 

为了实现上述任务，本发明采用如下技术解决方案： 

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，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，对其分析结果进行加权平均，以获得更为准确的分析结果。 

特征变量提取的方法是Tikhonov正则化方法或者是前向选择法； 

对于以吸光度为输出的光谱图，Tikhonov正则化法是基于式(1)的线性模型的： 

Y_i＝XB_i+E    (1a) 

式中X包含m个标定样本在w条谱线上的光谱；Y_i是m×1的向量，它包含了第i种被分析气体的浓度信息；B_i是w×1的回归向量，表示第i种气体的特征变量系数；E也是m×1的向量，表示随机误差；对于以透射率为输出的光谱图，模型修改为： 

Y_i＝-ln(X)B_i+E    (1b) 

式中ln(·)是表示自然对数运算。是将(1)式转化为式(2)最优化问题求解： 

min(||XB-y||aa+λ||LB||bb)---(2)]]>

式中‖·‖_p表示回归向量的p-模，p＝2时就是欧几里模；1≤a，b＜∞，L表示一个正则化算子，它迫使B的估计值属于相应的特性良好的函数的子空间；λ表示控制第2项相对于第1项的权值；min(·)表示最小值求取算子；明显地，式(3)中的第一项是最小化式(2)中的随机误差E，而第2项则是为了最小化回归向量B，以获得灵敏度高、信噪比高的特征谱线，以提高标定模型分析结果的准确性；