一种TDLAS联合检测方法

一种tdlas联合检测方法
技术领域
1.本发明属于气体检测领域，具体涉及一种tdlas联合检测方法。


背景技术：

2.大多数人90％的时间在室内，室内气体环境非常重要，通过气体分布图(gas distribution mapping,gdm)技术，可以揭示环境中气体扩散的特征。目前，大多数建立gdm的方法是通过接触式气体传感器或传感器网络来获取的，这种点式测量方法由于测量点稀疏，无法建立整个空间的浓度分布。为了实现更高的空间覆盖率，则需要利用线式气体检测技术建立室内gdm。可调谐半导体激光吸收光谱(tunable diode laser absorption spectroscopy,tdlas)技术是一种有效的气体检测技术，它通过检测吸收谱线的吸收强度获得被测物质浓度，具有非接触、高灵敏度、高精度、高选择性、测量迅速、无需预处理等优势，已被广泛应用在各个领域。tdlas技术根据测量模式可分为原位检测技术和遥测技术，原位检测技术即在待测区域直接进行测量，测量气体池中待测气体的浓度，测量范围近似看成一个点，检测精度高于遥测技术。tdlas遥测技术可以测量大范围开放光程下的激光路线上的平均气体浓度，遥测距离能达到几十到几百米长，测量范围可以近似看成一条线。tdlas联合原位检测与遥测技术可以实现更高的空间覆盖率和检测精度。
3.采用tdlas联合检测技术重建室内gdm的研究尚未出现，现今学者仅利用tdlas遥测技术重建气体二维浓度分布。重建室内gdm是重建气体二维浓度分布的扩展应用，基于tdlas遥测技术重建气体二维浓度分布的技术路径是用tdlas遥测系统获得激光线上的光谱数据，再通过代数重建技术(algebraic reconstruction technique,art)获得气体二维浓度分布图。基于tdlas遥测的气体二维浓度分布重建技术被广泛应用于火焰流场中气体浓度的二维重建，并且发展较为成熟，如检测燃烧过程中co、co2、o2、no
x
等气体的二维浓度分布，能及时获得燃烧炉的燃烧状态信息从而对燃烧进行控制。但基于tdlas遥测的气体二维浓度分布重建技术在重建精度上仍有提高的空间，且重建时间较长，限制了其在其他领域的应用。
4.在传统的但基于tdlas遥测的气体二维浓度分布重建技术重建火焰流场的气体浓度分布过程中，需要布置多台激光收发装置以获得不同的测量数据，不具备对未知空间的探索性且装置复杂。移动式tdlas技术通过移动平台控制tdlas遥测系统的检测位置，能获得大量的测量数据。基于移动式tdlas技术重建室内gdm的过程中，检测点会随机分布在重建区域的网格内或网格线上，现有的tdlas气体二维浓度分布重建技术不能直接应用到移动式tdlas技术上重建室内gdm，亟需研究一个适于移动式tdlas联合检测系统的检测方法以提高重建精度，减少重建时间。
5.综上所述，检测未知室内空间的气体浓度分布，并建立室内gdm十分重要。目前大多数研究为点式测量方法，其测量点稀疏，而传统tdlas气体二维浓度分布检测技术仅是基于tdlas遥测技术，重建精度低，重建速度慢。


技术实现要素：

6.针对目前利用tdlas遥测技术重建室内浓度分布图的重建精度较低、重建时间久的问题，本发明提供一种tdlas联合检测方法，在提高重建精度和加快重建速度的同时也能灵活进入不同场景进行检测，并且减少了检测成本。在深入理解基于tdlas遥测技术重建气体二维浓度分布的原理的基础上，本发明在现有的基于tdlas遥测的气体二维浓度分布重建方法的基础之上，联合使用tdlas原位检测系统和tdlas遥测系统进行室内气体浓度检测，优化了气体检测方法，在重建过程的每次迭代中利用原位检测数据修正迭代结果，改进了图像重建算法，提出了基于tdlas联合检测的气体二维浓度分布重建方法，该方法提高了重建精度，减少了重建时间。
7.为达到上述目的，本发明采用如下技术方案：
8.一种tdlas联合检测方法，包括如下步骤：
9.步骤1、获取室内气体环境的tdlas遥测数据和室内气体环境的tdlas原位检测数据，沿着检测路线，利用tdlas遥测系统和tdlas原位检测系统测量室内气体浓度数据；
10.步骤2、重建室内气体二维浓度分布图，利用室内气体环境的tdlas遥测数据和室内气体环境的tdlas原位检测数据，根据联合修正代数迭代算法重建出室内气体的二维浓度分布图。
11.进一步地，所述步骤1中，
12.获取室内气体环境的tdlas遥测数据包括：
13.设计检测路线，tdlas遥测系统沿检测路线以一定频率进行气体浓度检测。
14.进一步地，所述步骤1中，获取室内气体环境的tdlas原位检测数据包括：
15.在tdlas遥测系统以一定频率进行气体浓度检测的同时，tdlas原位检测系统以相同的频率进行气体浓度检测。
16.进一步地，所述步骤2中，重建室内气体二维浓度分布图包括：
17.利用联合修正代数迭代算法重建室内气体二维浓度分布图，具体包括如下步骤：
18.步骤(1)利用代数迭代算法重建气体浓度二维分布图；
19.步骤(2)采用自适应修正代数迭代算法提高重建精度和重建速度；
20.步骤(3)采用非负约束和平滑准则约束重建过程；
21.步骤(4)设计联合修正代数迭代算法进一步提高重建精度和重建速度。
22.进一步地，所述步骤(1)中，首先离散化图像，即将整个气体浓度二维分布图像f(x,y)离散化为n个网格，网格内部的气体参数被认为是均匀的；网格内的气体浓度由气体吸收系数反演得到，网格值fi表示第i个网格内的气体吸收系数αi，1≤n≤n，根据比尔-朗伯定律，当某一束激光j穿过目标区域，中心频率为v的吸收线的积分吸光度离散为：
[0023][0024]
其中，aj为第j条光线的积分吸光度；s(t)为温度是t时的线强；
[0025]
上式为气体吸收方程，其中，m为激光光束总数；[pxs(t)]i为网格i处压强、浓度和线强的乘积；l
i,j
为投影系数，它在数值上等于激光束j被网格i所截取的长度；
[0026]
在实际检测过程中，从不同方位和角度发射检测激光，以扫描重建区域，每一条激光束均有如式(1)所描述的气体吸收方程；将每一条激光束的气体吸收方程组合在一起，用
如式(2)所示的线性方程组表示：
[0027][0028]
通过求解线性方程组即得到气体吸收系数的重建值，设置气体吸收系数向量α＝(α1,α2,...,αn)的初值向量为零向量，代入式(2)进行迭代计算，将气体吸收系数向量α
(j-1)
代入式(2)第j个方程时，得到α
(j)
的迭代公式为：
[0029][0030]
其中，λ是松弛因子，0＜λ＜2，与收敛速度和重建质量有关；n表示n维图像向量的索引，1≤n≤n；依照上述迭代，由式(2)第m个方程得到α
(m)
，则完成一次完整的迭代，每次迭代中判断气体吸收系数向量的变化是否大于阈值且迭代次数是否小于10000；再根据hitran数据库查找室温下的线强即求解出气体浓度分布。
[0031]
进一步地，所述步骤(2)包括：
[0032]
采用自适应修正代数迭代算法，每一个网格内的气体吸收系数αi的数值由以下迭代公式求解得到：
[0033][0034][0035]jk
＝1+[k mod(m)]
ꢀꢀꢀ
(4c)
[0036]
其中，k代表maart迭代过程中的迭代次数；β与自适应调整的步长有关，取值为0.25；为自适应松弛因子，表示第k次迭代中网格i的松弛因子，mod()为求余函数。
[0037]
进一步地，所述步骤(3)包括：
[0038]
对于气体吸收系数加入非负约束，非负约束函数φ()如式(5)所示：
[0039][0040]
同时利用平滑准则来抑制重建结果中的突变，在每轮迭代中，网格i的气体吸收系数用其本身和其周围的8个网格共9个点进行平滑，平滑准则如式(6)所示：
[0041][0042]
其中，δ为平滑因子，上式中m和n分别为吸收系数在重建区域网格中的行列索引；
[0043]
为了消除压强p和线强s(t)对迭代结果的影响，定义一个新的权重因子l'
i,j
：
[0044]
l'
i,j
＝pi·
l
i,j
·
si(ti)
ꢀꢀꢀ
(7)
[0045]
其中，si(ti)为第i个网格的线强；
[0046]
此时的积分吸光度亦即投影值a表示为：
[0047]
a＝x
·
l'
ꢀꢀꢀ
(8)
[0048]
其中，l
′
为新的权重因子；
[0049]
对于每一条吸收线来说，如果有i条投影光线，就会有i个吸收方程，关于气体吸收系数的线性方程组转变成关于浓度x的线性方程组。
[0050]
进一步地，所述步骤(4)包括：
[0051]
对于原位测量所在网格处的气体吸收系数，在每次迭代中增加一个原位修正，原位修正公式如下，式中的修正因子χ＝0.01：
[0052][0053]
上式中α
insitu,i
为网格i处的原位气体浓度测量值。
[0054]
有益效果：
[0055]
(1)本发明提出了一种基于tdlas联合检测的气体二维浓度分布重建方法，以传统基于tdlas遥测的气体二维浓度分布重建方法为基础，在检测过程中增加了原位检测方式，在重建过程中利用原位检测数据修正重建结果，经实验证明该方法能快速有效的重建出室内气体分布图，除重建室内气体分布领域外，同样可用于重建仓库等密闭场所的气体浓度分布。
[0056]
(2)本发明相较于传统基于tdlas遥测的气体二维浓度分布重建方法，具有更高的重建速度和重建精度。
附图说明
[0057]
图1为本发明的tdlas联合检测方法总体流程图；
[0058]
图2为tdlas联合检测系统的检测路线图；
[0059]
图3为tdlas遥测系统检测光线的分布图；
[0060]
图4为tdlas原位检测系统检测点的分布图；
[0061]
图5为本发明的算法改进步骤图；
[0062]
图6a，图6b，图6c，图6d，图6e，图6f，图6g，图6h为基于tdlas遥测的重建结果图和基于tdlas联合检测的重建结果图；其中，图6a为art算法重建结果立体图，图6b为art算法重建结果俯视图，图6c为maart算法重建结果立体图，图6d为maart算法重建结果俯视图，图6e为加入非负约束和平滑准则的maart算法重建结果图，图6f为加入非负约束和平滑准则的maart算法重建结果图；图6g为联合修正代数迭代算法重建结果立体图，图6h为联合修正代数迭代算法重建结果俯视图。
具体实施方式
[0063]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0064]
本发明涉及气体检测领域，特别涉及应用于重建气体二维浓度分布的快速气体检测。如图1所示，本发明的tdlas联合检测方法包括如下步骤：
[0065]
步骤1、获取室内气体环境的tdlas遥测数据和室内气体环境的tdlas原位检测数据，沿着既定的检测路线，利用tdlas遥测系统和tdlas原位检测系统测量室内气体浓度数据；
[0066]
步骤2、重建室内气体二维浓度分布图，利用室内气体环境的tdlas遥测数据和室内气体环境的tdlas原位检测数据，根据联合修正代数迭代算法重建出室内气体的二维浓度分布图。
[0067]
所述步骤1中，获取室内气体环境的tdlas遥测数据包括：
[0068]
在进行数据采集之前，首先设计检测路线。以20m
×
20m的密闭空房间为例，设计了检测路线近似为正方形，以获得近似正交分布的光束，同时在拐角处低速旋转激光出射方向，以获得扇形光束，提高重建精度。检测路线如图2所示，用实线表示，检测路线的起点随机选取靠近房间墙壁的一点，检测起点用图中左上角的三角形表示，行驶方向为顺时针，在数据采集时tdlas遥测系统的检测光线方向与行驶方向垂直，用虚线表示，行驶时的平均速度约为1m/s，在拐角处停止行驶，仅以约0.251rad/s的角速度旋转。
[0069]
在tdlas联合检测系统沿检测路线进行数据采集工作的过程中，tdlas联合检测系统中的tdlas遥测系统以一定频率进行气体浓度检测。tdlas遥测系统的检测范围可近似看成一条线，以检测间隔1s为例，数据采集工作中tdlas遥测系统检测光线的分布如图3所示，圆点表示产生对应检测光线时遥测系统所在的位置，以圆点为起点的直线代表检测光线。
[0070]
所述步骤1中，获取室内气体环境的tdlas原位检测数据包括：
[0071]
在tdlas遥测系统以一定频率进行气体浓度检测的同时，tdlas联合检测系统中的tdlas原位检测系统也以相同的频率进行气体浓度检测。tdlas原位检测系统的检测范围可近似看成一个点，以检测间隔1s为例，数据采集工作中tdlas原位检测系统的检测点分布如图4所示，圆点表示产生对应检测光线时检测系统所在的位置，也是tdlas原位检测系统的检测点。
[0072]
所述步骤2中，重建室内气体二维浓度分布图包括：
[0073]
为了获得室内气体浓度二维分布图像，将tdlas技术与图像重建算法结合起来。目前，大多数基于tdlas遥测的气体二维浓度分布重建技术选择图像重建算法中的代数迭代重建算法(art)，但art算法的计算量大，重建时间久，导致其应用领域少。因此，本发明依据所采用的tdlas联合检测系统增加了tdlas原位检测系统的优势，对传统的art算法进行了改进，加入了原位修正，提出了联合修正代数迭代算法，以加快重建速度和提高重建精度，如图5所示，具体包括如下步骤：
[0074]
步骤(1)利用代数迭代算法重建气体浓度二维分布图：
[0075]
利用代数迭代算法重建气体浓度二维分布图，首先需要离散化图像，即将整个气体浓度二维分布图像f(x,y)离散化为n个网格，网格内部的温度、压力、浓度等气体参数被认为是均匀的。网格内的气体浓度由吸收系数反演得到，网格值fi(1≤i≤n)表示第i个网格内的气体吸收系数αi。根据beer-lambert(比尔-朗伯)定律，当某一束激光j穿过目标区域，中心频率为v的吸收线的积分吸光度可以离散为：
[0076]
[0077]
其中，aj为第j条光线的积分吸光度；s(t)为温度是t时的线强；
[0078]
上式也被称作是气体吸收方程，其中，m为激光光束总数；[pxs(t)]i为网格i处压强、浓度和线强的乘积；l
i,j
为投影系数，它在数值上等于激光束j被网格i所截取的长度。
[0079]
在实际检测过程中，需要从不同方位和角度发射检测激光，以扫描重建区域，每一条激光束均有如公式(1)所描述的气体吸收方程。将这些气体吸收方程组合在一起，用如公式(2)所示的线性方程组表示：
[0080][0081]
此时，通过求解高维线性方程组即可得到吸收系数的重建值，由于实际测量场景不稳定，有效的检测数据可能多于或少于线性方程组的维数，这导致线性方程组无解或有无穷解。因此，不能直接用解析法得到吸收系数的重建值，需要用迭代算法逼近各网格的真实吸收系数。根据art算法，一般设置气体吸收系数向量α＝(α1,α2,...,αn)的初值向量为零向量，代入式(2)进行迭代计算，将气体吸收系数向量α
(j-1)
代入式(2)第j个方程时，得到α
(j)
的迭代公式为：
[0082][0083]
其中，λ(0＜λ＜2)是松弛因子，与收敛速度和重建质量有关；n(1≤n≤n)表示n维图像向量的索引。依照上述迭代，由式(2)第m个方程得到α
(m)
，则认为完成了一次完整的迭代，每次迭代中判断气体吸收系数向量的变化是否大于阈值(10-6
)且迭代次数是否小于10000，若式(3)收敛且收敛速度较快，则在10000次迭代前因吸收向量的变化小于阈值而提前结束迭代，若式(3)收敛但收敛速度较慢或者式(3)不收敛，则会因超过10000次迭代而结束迭代。再根据hitran数据库查找室温下的线强即可求解出浓度分布。
[0084]
步骤(2)设计自适应修正代数迭代算法：
[0085]
随着激光光束数目增加，线性方程组的维数增大，计算量增加，重建时间增多。采用自适应修正代数迭代算法(modified adaptive algebraic reconstruction technique,maart)，该算法能自适应调整松弛因子的大小，提高重建精度和减少重建时间，每一个网格内的气体吸收系数αi的数值可以由以下迭代公式求解得到。
[0086][0087][0088]jk
＝1+[k mod(m)]
ꢀꢀꢀ
(4c)
[0089]
其中，k代表maart迭代过程中的迭代次数；β与自适应调整的步长有关，典型取值为0.25；为自适应松弛因子，表示第k次迭代中网格i的松弛因子；mod()为求余函数。由公式4(b)可知，网格i的吸收对激光积分吸光度贡献越大，网格i的自适应松弛因子越大。将
自适应松弛因子的大小与网格i的吸收对激光积分吸光度贡献挂钩，不仅能实现快速收敛，而且还能实现高质量的重建。
[0090]
步骤(3)采用非负约束和平滑准则约束重建过程：
[0091]
本发明采用非负约束和平滑准则来约束重建过程，使重建结果更接近真实的气体浓度分布，减少重建结果中的波浪起伏。对于气体吸收系数加入非负约束，非负约束函数φ()如式(5)所示：
[0092][0093]
同时利用平滑准则来抑制重建结果中的突变，在每轮迭代中，网格i的吸收系数用它本身和其周围的8个网格共9个点进行平滑，平滑准则如式(6)所示：
[0094][0095]
其中，δ为平滑因子，典型取值为0.01上式中m和n分别为吸收系数在重建区域网格中的行列索引。
[0096]
为了消除压强p和线强s(t)对迭代结果的影响，定义一个新的权重因子l'
i,j
：
[0097]
l'
i,j
＝pi·
l
i,j
·
si(ti)
ꢀꢀꢀꢀ
(7)
[0098]
其中，si(ti)为第i个网格的线强；
[0099]
此时的积分吸光度亦即投影值a可以表示为：
[0100]
a＝x
·
l'
ꢀꢀꢀꢀ
(8)
[0101]
其中，l
′
为新的权重因子；
[0102]
对于每一条吸收线来说，如果有i条投影光线，就会有i个吸收方程，原来关于吸收系数的线性方程组转变成关于浓度x的线性方程组。
[0103]
步骤(4)联合修正代数迭代算法求解气体浓度场：
[0104]
为进一步提高重建精度，本发明提出了联合修正代数迭代算法来求解气体浓度场，在实际测量中，基于移动式的tdlas联合检测系统，不仅获得遥测气体浓度测量值，还获得原位气体浓度测量值，对于原位测量所在网格处的气体吸收系数，在每次迭代中增加一个原位修正，原位修正公式如下，式中的修正因子χ＝0.01：
[0105][0106]
上式中α
insitu,i
为网格i处的原位气体浓度测量值。原位气体浓度测量值的检测精度达ppm级，甚至ppb级，远高于遥测气体浓度测量值的检测精度，更接近实际气体浓度值及真值，因此，增加原位约束会大大提高浓度重建的精度并减小重建时间，因为方程中的未知数减少了。
[0107]
基于tdlas联合检测与tdlas遥测的气体二维浓度分布重建结果的比较如下：
[0108]
本发明研究了三gauss峰模型下基于不同检测方式的重建结果。将20m
×
20m的密闭空房间分成20
×
20的网格，检测路线如图2所示，tdlas遥测系统和tdlas原位检测系统的检测间隔减小为0.125s，tdlas遥测系统的光线数量增加到876条，tdlas原位检测系统的检测点同样增加到876条。
[0109]
图6a，图6b，图6c，图6d，图6e，图6f，图6g，图6h为基于tdlas遥测的重建结果图和
基于tdlas联合检测的重建结果图；其中，图6a为art算法重建结果立体图，图6b为art算法重建结果俯视图，图6c为maart算法重建结果立体图，图6d为maart算法重建结果俯视图，图6e为加入非负约束和平滑准则的maart算法重建结果图，图6f为加入非负约束和平滑准则的maart算法重建结果图；图6g为联合修正代数迭代算法重建结果立体图，图6h为联合修正代数迭代算法重建结果俯视图。
[0110]
根据重建结果图可知，art算法的重建图像与三gauss峰模型差距最大，重建图像不够光滑，特别是在原始浓度变化平缓的区域产生了较多的震荡波浪；maart算法的重建质量有一定的提高，对震荡波浪有一定的抑制作用；加入非负约束和平滑准则以后使重建图像更光滑了，但震荡波浪的半径变大了，降低了重建质量；联合修正代数迭代算法的重建质量有明显的提高，大大减少了震荡波浪，且重建图像光滑，重建图像与三gauss峰模型几乎一致。为了定量分析各重建算法的重建精度，本发明根据公式(10)计算了各重建算法的相对均方根误差(rrmse)，如表1所示。
[0111][0112]
其中，c
rec,i
和c
ori,i
分别表示第i个网格的重建浓度值和数值仿真值；为全部网格的数值仿真值的均值；n为网格总数。
[0113]
表1
[0114][0115]
根据重建误差表可知，art算法的重建误差最大，其rrmse为5.028％；自适应调整松弛因子的大小后降低了重建误差，maart算法的rrmse为2.537％；加入非负约束和平滑准则后可以对不光滑的现象进行抑制，但同样会改变一些重建结果较好的网格，所以重建误差反而增大了，其rrmse为3.586％；联合原位检测结果后大大减小了重建误差，重建误差约是art算法的0.582倍，联合修正代数迭代算法的rrmse为2.926％。
[0116]
表2给出了各重建算法的重建时间，art算法的重建时间最多为127.430s；自适应调整松弛因子的大小后减少了重建时间，maart算法的重建时间为96.176s；加入非负约束和平滑准则后进一步减了重建时间到50.636s；联合原位检测结果后重建时间减少到39.267s，是art算法的0.308倍。
[0117]
表2
[0118][0119]
综上，当气体浓度分布模型较为复杂时，联合修正代数迭代算法的重建误差最小，
maart算法的重建误差小于加入非负约束和平滑准则后的maart算法，art算法的重建误差最大；联合修正代数迭代算法的重建速度最快，加入非负约束和平滑准则后的maart算法的重建速度快于maart算法；art算法的重建速度最慢。所以，在不同的气体浓度分布模型下，自适应调整松弛因子的大小和联合原位检测结果都能够起到减小重建误差并减少重建时间的作用，可以更好地反应气体浓度分布趋势，加入非负约束和平滑准则会引入一定的误差，但能够抑制图像不光滑且减少重建时间。其中，联合修正代数迭代算法的重建结果最好，故采用联合检测方法比只有遥测方法的重建结果更好。
[0120]
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种tdlas联合检测方法，其特征在于，包括如下步骤：步骤1、获取室内气体环境的tdlas遥测数据和室内气体环境的tdlas原位检测数据，沿着检测路线，利用tdlas遥测系统和tdlas原位检测系统测量室内气体浓度数据；步骤2、重建室内气体二维浓度分布图，利用室内气体环境的tdlas遥测数据和室内气体环境的tdlas原位检测数据，根据联合修正代数迭代算法重建出室内气体的二维浓度分布图。2.根据权利要求1所述的一种tdlas联合检测方法，其特征在于，所述步骤1中，获取室内气体环境的tdlas遥测数据包括：设计检测路线，tdlas遥测系统沿检测路线以一定频率进行气体浓度检测。3.根据权利要求2所述的一种tdlas联合检测方法，其特征在于，所述步骤1中，获取室内气体环境的tdlas原位检测数据包括：在tdlas遥测系统以一定频率进行气体浓度检测的同时，tdlas原位检测系统以相同的频率进行气体浓度检测。4.根据权利要求3所述的一种tdlas联合检测方法，其特征在于，所述步骤2中，重建室内气体二维浓度分布图包括：利用联合修正代数迭代算法重建室内气体二维浓度分布图，具体包括如下步骤：步骤(1)利用代数迭代算法重建气体浓度二维分布图；步骤(2)采用自适应修正代数迭代算法提高重建精度和重建速度；步骤(3)采用非负约束和平滑准则约束重建过程；步骤(4)设计联合修正代数迭代算法进一步提高重建精度和重建速度。5.根据权利要求4所述的一种tdlas联合检测方法，其特征在于，所述步骤(1)中，首先离散化图像，即将整个气体浓度二维分布图像f(x,y)离散化为n个网格，网格内部的气体参数被认为是均匀的；网格内的气体浓度由气体吸收系数反演得到，网格值f
i
表示第i个网格内的气体吸收系数α
i
，1≤n≤n，根据比尔-朗伯定律，当某一束激光j穿过目标区域，中心频率为v的吸收线的积分吸光度离散为：其中，a
j
为第j条光线的积分吸光度；s(t)为温度是t时的线强；上式为气体吸收方程，其中，m为激光光束总数；[pxs(t)]
i
为网格i处压强、浓度和线强的乘积；l
i,j
为投影系数，它在数值上等于激光束j被网格i所截取的长度；在实际检测过程中，从不同方位和角度发射检测激光，以扫描重建区域，每一条激光束均有如式(1)所描述的气体吸收方程；将每一条激光束的气体吸收方程组合在一起，用如式(2)所示的线性方程组表示：通过求解线性方程组即得到气体吸收系数的重建值，设置气体吸收系数向量α＝(α1,
α2,...,α
n
)的初值向量为零向量，代入式(2)进行迭代计算，将气体吸收系数向量α
(j-1)
代入式(2)第j个方程时，得到α
(j)
的迭代公式为：其中，λ是松弛因子，0＜λ＜2，与收敛速度和重建质量有关；n表示n维图像向量的索引，1≤n≤n；依照上述迭代，由式(2)第m个方程得到α
(m)
，则完成一次完整的迭代，每次迭代中判断气体吸收系数向量的变化是否大于阈值且迭代次数是否小于10000；再根据hitran数据库查找室温下的线强即求解出气体浓度分布。6.根据权利要求5所述的一种tdlas联合检测方法，其特征在于，所述步骤(2)包括：采用自适应修正代数迭代算法，每一个网格内的气体吸收系数α
i
的数值由以下迭代公式求解得到：式求解得到：j
k
＝1+[k mod(m)]
ꢀꢀꢀꢀꢀ
(4c)其中，k代表maart迭代过程中的迭代次数；β与自适应调整的步长有关，取值为0.25；为自适应松弛因子，表示第k次迭代中网格i的松弛因子，mod()为求余函数。7.根据权利要求6所述的一种tdlas联合检测方法，其特征在于，所述步骤(3)包括：对于气体吸收系数加入非负约束，非负约束函数φ()如式(5)所示：同时利用平滑准则来抑制重建结果中的突变，在每轮迭代中，网格i的气体吸收系数用其本身和其周围的8个网格共9个点进行平滑，平滑准则如式(6)所示：其中，δ为平滑因子，上式中m和n分别为吸收系数在重建区域网格中的行列索引；为了消除压强p和线强s(t)对迭代结果的影响，定义一个新的权重因子l'
i,j
：l'
i,j
＝p
i
·
l
i,j
·
s
i
(t
i
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)其中，s
i
(t
i
)为第i个网格的线强；此时的积分吸光度亦即投影值a表示为：a＝x
·
l'
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)其中，l
′
为新的权重因子；对于每一条吸收线来说，如果有i条投影光线，就会有i个吸收方程，关于气体吸收系数的线性方程组转变成关于浓度x的线性方程组。8.根据权利要求7所述的一种tdlas联合检测方法，其特征在于，所述步骤(4)包括：对于原位测量所在网格处的气体吸收系数，在每次迭代中增加一个原位修正，原位修
正公式如下，式中的修正因子χ＝0.01：上式中α
insitu,i
为网格i处的原位气体浓度测量值。

技术总结
本发明提供一种TDLAS联合检测方法，在现有的基于TDLAS遥测的气体二维浓度分布重建方法的基础之上，联合使用TDLAS原位检测系统和TDLAS遥测系统进行室内气体浓度检测，优化了气体检测方法，在重建过程的每次迭代中利用原位检测数据修正迭代结果，改进了图像重建算法，提出了基于TDLAS联合检测的气体二维浓度分布重建方法。本发明提高了重建精度，减少了重建时间。重建时间。重建时间。


技术研发人员：陈玖英 周梅 王平 周春城 张慧静 陈林生 吴昊昊 程赛 杨洲 胡坚
受保护的技术使用者：中国科学院空天信息创新研究院
技术研发日：2023.06.27
技术公布日：2023/10/6