【導(dǎo)讀】煤礦中含有CO等有毒氣體，是煤礦下重要的危害源之一，是導(dǎo)致重大事故的因素。所以，對礦井中氣體進(jìn)行快速準(zhǔn)確地檢測顯得尤。在煤礦井下使用一種低功耗的智能儀表，該儀表能快速檢測氣體，保。障礦工安全，減少事故發(fā)生。因?yàn)槊旱V的環(huán)境復(fù)雜，傳感器所測精度會隨著周圍環(huán)境溫度的不。為防止掉電數(shù)據(jù)丟失，利用閃速存儲器AT45DB161B存儲報(bào)警閉值、數(shù)據(jù)采樣原始信號和氣體濃度等重要數(shù)據(jù)。通過實(shí)驗(yàn)，對傳感器的可靠性。夠滿足生產(chǎn)要求的結(jié)論。

　　

【正文】 中毒和老化的缺點(diǎn)。使用紅外線吸收原則檢測 CO 可以克服傳統(tǒng)工具的缺點(diǎn)，它有一個高穩(wěn)定，選擇性好，靈敏度自動補(bǔ)償?shù)葍?yōu)點(diǎn)，采用紅外吸收原則檢測一氧化碳使地面上取得好成績。但很少有研究論文和報(bào)告在煤礦根據(jù)紅外吸收檢測一氧化碳?xì)怏w濃度?？紤]到煤礦情況的復(fù)雜性和干擾因素多樣性，一個新的礦用一氧化碳檢測系統(tǒng)在研究，對紅外一氧化碳檢測系統(tǒng)的研究在我有很大的意義和廣泛應(yīng)用。 基于紅外吸收原則檢測 CO 氣體濃度 哈爾濱理工大學(xué)學(xué)士學(xué)位論文 32 當(dāng)紅外線穿過氣體，氣體會吸收相應(yīng)波長的紅外能量。一般定量氣體檢測采用 lambert beer 定律，氣體吸收紅外能量的能力不同的氣體不同，氣體吸收紅外密集是與紅外線波長不同，每種氣體有其自身吸收光譜（吸收帶），材料分子將 吸收能量的一部分并將其轉(zhuǎn)換成另一種能量，就是所謂的振動，旋轉(zhuǎn)能源，當(dāng)某些被與分子吸收特性有關(guān)的紅外線分子的振動頻率被輻射時，輻射只有當(dāng)波長與頻率有關(guān)時被吸收，根據(jù)這一點(diǎn)可以測量紅外線吸收。一氧化碳的紅外吸收主要集中在 波段附近。紅外線被吸收后由一氧化碳，紅外光的能量將減少，減少與一氧化碳?xì)怏w濃度有關(guān)。因此，一氧化碳濃度可以被測量通過紅外線能量損失，光能量被強(qiáng)烈吸收，特別是當(dāng)光波等于振動頻率并且光子與分子之間發(fā)生共鳴，這是幾乎為零的傳播力度。這是引入光學(xué)技術(shù)測量易燃，爆炸性氣體理論基礎(chǔ)。入射光和透射 光的強(qiáng)度關(guān)系表示如下 0exp( )I I kcl?? （ 1） 入射光強(qiáng)度 I? 透射光 l? 光路的距離 。 c? 一氧化碳濃度 。 k? 吸收 系數(shù)。 上述公式表明一氧化碳?xì)怏w濃度可被入射光和透射光強(qiáng)度測量，這是基于 Lambert Beer 定律紅外線檢測原則。 3。光路補(bǔ)償?shù)脑碓O(shè)計(jì) 來自紅外線的紅外源通過過濾器之后，一氧化碳感應(yīng)紅外線，波長在。當(dāng)紅外線通過含有一定一氧化碳濃度的細(xì)胞氣體時，能量被吸收并轉(zhuǎn)換成電子信號，即規(guī)模的濃度測量一氧化碳的濃度。雙光源和四個探測器系統(tǒng)結(jié)構(gòu)引入，如溫度，壓力，探測器不匹配，灰塵，動力源，探測器的反應(yīng)等干擾因素可被補(bǔ)償。光路的結(jié)構(gòu)設(shè)計(jì)作為展示如圖 1 1 和探測 器 3 前面，探測器 1 和3 收到檢測波長僅為 ， ，擺在探測器 2 和探測器 4 前面，探測器 2 和探測器 4 收到的波長僅為 米，兩個 LED 以脈沖交替方式發(fā)光，當(dāng) LED1 發(fā)出的脈沖光，探測器 1 和探測器 2 接受接收直接來自 LED1 0I?哈爾濱理工大學(xué)學(xué)士學(xué)位論文 33 圖 1 雙光源、四探測器結(jié)構(gòu)圖 的紅外線，探測器 3 和探測器 4 接收通過氣體細(xì)胞的紅外線，只與氣體細(xì)胞有關(guān)的探測器 4 輸出，因?yàn)橐谎趸疾晃詹ㄩL 線，因?yàn)橐谎趸紝ΣㄩL 強(qiáng)，探測器 3 的輸出不僅與傳輸?shù)臍馐矣嘘P(guān)，也與傳輸?shù)臍怏w有關(guān)。假如兩個 LED 的輻射強(qiáng)度分別是 L1 和 L2， 探測器 14 對應(yīng)分別是 R1， R2， R3， R4。當(dāng) LED1發(fā)出脈沖光電壓信號，探測器 14 輸出分別如下 1 1 1 ( 2)V I R? 2 1 2 ( 3 )V I R? 3 1 3 0 ( 4)aV I R??? 4 1 4 0 ( 5 )V I R?? 當(dāng) LED2 發(fā)出脈沖光，探測器 3 和探測器 4 直接接受從 LED2 來的紅外線， 探測器 1 和探測器 2 接受通過氣室的紅外線，原則和上面提到的相同，探測器 14 電壓信號輸出分別如下 5 2 1 0 ( 6)aV I R??? 6 2 2 0 ( 7 )V I R?? 6 2 2 0 ( 7 )V I R?? 8 2 4 ( 9)V I R? 從上面的公式，我們可以得到 ? ?22 3 5 81 4 6 7 1 0aV V V Vs V V V V ??? 我們可以發(fā)現(xiàn)，探測器提供的信號比例為 2a?與探測器的反應(yīng)度和兩個指示燈器的輻射強(qiáng)度無關(guān)。在環(huán)境干擾，不匹配探測器，氣體塵細(xì)胞和視神哈爾濱理工大學(xué)學(xué)士學(xué)位論文 34 經(jīng)部分可補(bǔ)償系統(tǒng)非常好，這無疑設(shè)計(jì)是一種在目前補(bǔ)償戶外干擾最佳的設(shè)計(jì)方法。 基于 RBF 神經(jīng)網(wǎng)絡(luò)紅外碳一氧化碳傳感器的數(shù)學(xué)建模 、 RBF 神 經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和算法 人工神經(jīng)網(wǎng)絡(luò)具有歸納和非線性映射這種能力，它是特別適合解決復(fù)雜和非線性問題?；c RBF 神經(jīng)網(wǎng)絡(luò)的紅外碳一氧化碳傳感器的數(shù)學(xué)模型的目的是運(yùn)用人工神經(jīng)網(wǎng)絡(luò)技術(shù)在紅外碳一氧化碳傳感器數(shù)據(jù)處理，為了建立更準(zhǔn)確，更有效的紅外一氧化器數(shù)學(xué)模型。該神經(jīng)網(wǎng)絡(luò)輸出傳感器信號，輸入環(huán)境溫度等參數(shù)信號并且一氧化碳濃度輸出一對一對應(yīng)關(guān)系。處理軟件根據(jù)建立的神經(jīng)網(wǎng)絡(luò)模型提供了一氧化碳濃度，通過傳感器輸出信號和在線測量環(huán)境溫度參數(shù)。 社會上有許多種人工神經(jīng)網(wǎng)絡(luò)模型網(wǎng)絡(luò)， 在本文中，我們選擇 RBF 神經(jīng)網(wǎng)絡(luò)，它是由三層組成 （輸入層，隱含層，輸出層）與它類似的 BP（ BP）神經(jīng)網(wǎng)絡(luò)，輸入層是由信號源節(jié)點(diǎn)組成，第二層是隱藏層，它由許多徑向基函數(shù)神經(jīng)元組成 。隱層節(jié)點(diǎn)輸出從中央與網(wǎng)絡(luò)輸入向量的歐氏距離計(jì)算，然后將結(jié)果傳遞給徑向基函數(shù)，根據(jù)需要選擇隱藏層的節(jié)點(diǎn)，最后一層是由常見線性神經(jīng)元組成的輸出層，它反應(yīng)輸入方式。 RBF 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)顯示為 隱藏層節(jié)點(diǎn)產(chǎn)生傳輸功能回應(yīng)本地部分輸入信號，當(dāng)輸入信號接近高斯核函數(shù)的中心時在隱藏層節(jié)點(diǎn)輸出更強(qiáng)信號，高斯核函數(shù)表示如下 ? ? ? ?? ?2221e x p ijjn x t cj iht ?????? j=1,2……k 其中 X 輸入采樣中， x=（ x1 和 x2， ...... xn）的筆 。 RBF 神經(jīng)網(wǎng)絡(luò)中心與Cj，與常向量同樣尺寸 X， N 為輸入向量的維數(shù) 。K 表隱藏層神經(jīng)元數(shù)目，標(biāo)準(zhǔn)偏差高斯核函數(shù)。 在這個模型中輸入量 X 和輸出量 Y 的關(guān)系如下 ? ?1 ( 1 2 )ki i j j jjy w X c????? j=1,2……k 哈爾濱理工大學(xué)學(xué)士學(xué)位論文 35 誤差函數(shù)是 211 [ ( , ) ]2 N iiiE y f w x???? 想要輸出 iy ， ( , )if wx 實(shí)際是網(wǎng)絡(luò)輸出 。 權(quán)值向量 W。 利用 RBF 網(wǎng)絡(luò)建立一氧化碳紅外傳感器數(shù)學(xué)建模的方法如下 RBF 神經(jīng)網(wǎng)絡(luò)建模方法的課程 （ 1）確認(rèn)根據(jù)輸入變量環(huán)境參數(shù)和測量系統(tǒng)對象 （ 2）收集所有輸入和輸出變量的種類變量和預(yù)處理（過濾，擺脫噪聲），以產(chǎn)生訓(xùn)練樣本和測試。 （ 3）采用上述算法，以訓(xùn)練把訂單行中確 認(rèn)了 RBF 中心網(wǎng)絡(luò)，函數(shù)的寬度和重量值網(wǎng)絡(luò) （ 4）通過對樣品的測試，研究使用完成訓(xùn)練后網(wǎng)絡(luò) （ 5）如果上述測試結(jié)果符合要求，投入使用，上網(wǎng)測量 硬件和軟件系統(tǒng)的設(shè)計(jì) 在碳濃度的紅外探測器一氧化碳濃度變化信號的碳在多組分氣體一氧化碳成電壓信號，信號輸入的 A / D 轉(zhuǎn)換器所其次，經(jīng)放大電路，然后將其發(fā)送給數(shù)字信號處理（ DSP）。微處理器（ DSP）的是整個系統(tǒng)的核心，該儀器功能成立后，測量對象的選擇，數(shù)據(jù)收集，處理，數(shù)據(jù)，結(jié)果的顯示和存儲數(shù)據(jù)通信等硬件全部完成了后援系統(tǒng)主要包括數(shù)字信號處理（ DSP）和 A / D 轉(zhuǎn)換器，顯示模塊液晶電視，數(shù)據(jù)通信接口，功能設(shè)置，故障處理和報(bào)警等 軟件系統(tǒng)包括信號采集模塊，如如一氧化碳，對環(huán)境溫度的濃度，壓力，濕度，綁扎與模塊處理，這是檢測系統(tǒng)的核心，系統(tǒng)程序工作將在這個部分的輸入輸出模塊，如數(shù)字顯示器有限公司濃度，聲光報(bào)警，外部控制，一氧化碳集中存儲，數(shù)據(jù)通信等硬件系統(tǒng)的結(jié)構(gòu)為 顯示 哈爾濱理工大學(xué)學(xué)士學(xué)位論文 36 圖 實(shí)驗(yàn)結(jié)果對比與分析 實(shí)驗(yàn)在 20Co， 100kPa 進(jìn)行地，流速是 ，六個一氧化碳樣品濃度被挑選出來測試，濃度范圍從 ％至 ％，在不同濃度 測量的 10 組數(shù)據(jù)包含 120 個數(shù)據(jù)形成個表格。其中三組數(shù)據(jù)挑選出的圖紙數(shù)據(jù)，使用最小二乘法神經(jīng)網(wǎng)絡(luò)算法的一氧化碳濃度測試如圖 4 所示。在圖表中的綠線表示實(shí)際值，藍(lán)線表示測量值即采用最小二乘法，紅線表示測量值，采用神經(jīng)網(wǎng)絡(luò)算法，從圖中可以明顯發(fā)現(xiàn)其結(jié)果是滿意，精度高，并符合要求各個領(lǐng)域，采用神經(jīng)網(wǎng)絡(luò)建立一氧化碳傳感器的數(shù)學(xué)模型 哈爾濱理工大學(xué)學(xué)士學(xué)位論文 37 圖 4 實(shí)驗(yàn)結(jié)果對比 結(jié)論 一氧化碳濃度檢測使用紅外吸收原理，雙光源四探測器的新光學(xué)結(jié)構(gòu)，它可以補(bǔ)償電源抗干擾，錯配探測器，燃?xì)饧?xì)胞物質(zhì)的吸收和粉塵的影響。 RBF 神經(jīng)網(wǎng)絡(luò)提供了新的 途徑確立紅外線二氧化碳傳感器測量模型，它可以在正常電壓輸出和相應(yīng)的一氧化碳?xì)怏w濃度的環(huán)境溫度，壓力，濕度的檢測系統(tǒng)之間建立準(zhǔn)確地映射關(guān)系進(jìn)行分析。該整個系統(tǒng)具有精度高，能力強(qiáng)的反干擾，測量范圍寬，良好的選擇性，以及在線檢測能力。 參考文獻(xiàn) [1] Zhang Yonghuai, zhou Jinlin, Lin Jipeng, “A Novel Multiple Component Gas Infrared Ray Sensor”, Group Technology amp。 Production Modernization, Vol 20, No 1, 2021. [2] Yu Guangyun, “The Development of Costeffective Infrared CO2 Monitor”, Journal of NANJING NORMAL UNIVERSITY(ENGIVEERING AND TECHNOLOGY), Vol 4, No. 2,pp. 5658, 2021. [3] . et al., “Infrared Absorption Study of Physisorbed Carbon Monoxide on Graphite”, Surface Science, Vol 519, pp. 125138, 2021. [4] Sun Yingang, Zhang Qiang, “A Useful Method for the Training RBF Neural Network”, Journal of Harbin Institute of Technology, Vol 29, No. 4, pp. 103106, 1997. [5] Liu Meiqin, Liao Xiaoxin, “Optimize the Structures and Parameters of RBF Neural works Using Erolutionry Programming”, MINIMICRO SYSTEM, Vol 21, No. 11, pp. 11831185, 2021. [6] Qiao Xiaoyan, Jia Lianfeng, “Application for A Softsensing Model of Cell concentration Based on RBF Neural Network”, Computer Engineering and 哈爾濱理工大學(xué)學(xué)士學(xué)位論文 38 Design, Vol 24, No. 3, pp. 5557, 2021. [7] CAI Kui, ZHOU ShuHong, ZHOU QunBiao, “16Channel Full Duplex caller ID Realization with DSP”, Journal of Sichuan University, Vol 41, , 2021.