[發(fā)明專利]基于深度學(xué)習(xí)與氣體光聲效應(yīng)的光聲光譜識別方法與裝置

有效

• 申請?zhí)枺?/td>: 202110397367.1
• 申請日: 2021-04-13
• 公開（公告）號: CN113111944B
• 公開（公告）日: 2022-05-31
• 發(fā)明（設(shè)計）人: 文剛;代犇;李俊逸;黃杰;易國華
• 申請（專利權(quán)）人: 湖北鑫英泰系統(tǒng)技術(shù)股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06N3/04;G01N21/17
• 代理公司: 武漢藍(lán)寶石專利代理事務(wù)所(特殊普通合伙) 42242
• 代理人: 嚴(yán)超

本發(fā)明涉及一種基于深度學(xué)習(xí)與氣體光聲效應(yīng)的光聲光譜識別方法與裝置，其方法包括：利用光聲效應(yīng)和混合氣體的光聲光譜獲取其對應(yīng)的混合光聲聲譜；提取所述混合光聲聲譜的時域特征、頻域特征、時頻域特征；利用主成分分析法將所述時域特征、頻域特征、時頻域特征進(jìn)行降維并映射到多維向量中；將所述多維向量、氣體的濃度分別作為樣本和標(biāo)簽，構(gòu)建樣本數(shù)據(jù)集；利用樣本數(shù)據(jù)集訓(xùn)練時域卷積神經(jīng)網(wǎng)絡(luò)，得到訓(xùn)練好的時域卷積神經(jīng)網(wǎng)絡(luò)；將待識別的混合光聲聲譜輸入到時域卷積神經(jīng)網(wǎng)絡(luò)中，識別出所述待識別的混合光聲聲譜所表征的混合光聲光譜的氣體的濃度。本發(fā)明通過結(jié)合光聲效應(yīng)和深度學(xué)習(xí)模型，提高混合氣體的識別準(zhǔn)確率和泛化能力。

技術(shù)領(lǐng)域

本發(fā)明屬于氣體測量與深度學(xué)習(xí)領(lǐng)域，具體涉及基于深度學(xué)習(xí)與氣體光聲效應(yīng)的光聲光譜識別方法與裝置。

背景技術(shù)

氣體光聲光譜技術(shù)作為一種新型的檢測技術(shù)，其主要是通過檢測氣體分子對激光光子能量的吸收，來對氣體的濃度進(jìn)行定量分析，也是屬于一種測量吸收的氣體分析方法。與直接測量光輻射能量的檢測方法相比較，該技術(shù)增加了將熱能轉(zhuǎn)變?yōu)槁曇粜盘柕沫h(huán)節(jié)，在氣體含量在線監(jiān)測過程中應(yīng)用光聲光譜檢測技術(shù)，因為該技術(shù)具有較高的檢測靈敏度，較低的樣氣需求量，從而能夠極大減少油氣分離的時間，縮短測量的周期。光聲光譜同時具有光譜和聲譜的特性，將兩者進(jìn)行結(jié)合，在一定程度上可以提高識別精度。

由于氣體吸收光能之后，激發(fā)出的光譜譜峰通常不止一個，通常會采用光源隔離或?qū)庠吹念l率進(jìn)行分別控制，這樣便提高了識別設(shè)備的復(fù)雜性、成本和識別時間，降低了設(shè)備的穩(wěn)定性。傳統(tǒng)的方法是將混合氣體分別通入到不同的特征頻率的光聲池中來識別單一氣體，還未出現(xiàn)用一個光聲池來識別混合變壓器油中的混合氣體。

發(fā)明內(nèi)容

為降低混合氣體光聲光譜的識別設(shè)備的復(fù)雜性、成本和識別時間，提高識別準(zhǔn)確率和穩(wěn)定性，本發(fā)明的第一方面提供了一種基于深度學(xué)習(xí)與氣體光聲效應(yīng)的光聲光譜識別方法，包括如下步驟：利用光聲效應(yīng)和混合氣體的光聲光譜獲取其對應(yīng)的混合光聲聲譜；提取所述混合光聲聲譜的時域特征、頻域特征、時頻域特征；所述時域特征包括吸收波形、基音周期、短時平均過零率和短時平均能量；所述頻域特征包括頻率質(zhì)心、帶寬、基音周期、共振峰、線性預(yù)測倒譜系數(shù)、梅爾頻率倒譜系數(shù)；所述時頻域特征包括投影特征、直方圖方差特征；利用主成分分析法將所述時域特征、頻域特征、時頻域特征進(jìn)行降維并映射到多維向量中；將所述多維向量、氣體的濃度分別作為樣本和標(biāo)簽，構(gòu)建樣本數(shù)據(jù)集；利用樣本數(shù)據(jù)集訓(xùn)練時域卷積神經(jīng)網(wǎng)絡(luò)，直至所述時域卷積神經(jīng)網(wǎng)絡(luò)的誤差低于閾值且趨于穩(wěn)定，得到訓(xùn)練好的時域卷積神經(jīng)網(wǎng)絡(luò)；將待識別的混合光聲聲譜輸入到時域卷積神經(jīng)網(wǎng)絡(luò)中，識別出所述待識別的混合光聲聲譜所表征的混合光聲光譜的氣體的濃度。

在本發(fā)明的一些實施例中，所述利用光聲效應(yīng)和混合氣體的光聲光譜獲取其對應(yīng)的混合光聲聲譜包括如下步驟：獲取多張氣體的光聲信號頻譜圖；對每張頻譜圖依次進(jìn)行分幀、加窗，對每一幀經(jīng)過分幀、加窗后的頻譜圖做短時傅里葉變換，得到每一幀的變換圖像；將所述每一幀的變換圖像按時域維度融合，得到每張頻譜圖的混合光聲聲譜。

在本發(fā)明的一些實施例中，所述利用主成分分析法將所述時域特征、頻域特征、時頻域特征進(jìn)行降維并映射到多維向量中包括如下步驟：

利用主成分分析法分別將時域特征、頻域特征、時頻域特征進(jìn)行降維，得到第一特征向量、第二特征向量、第三特征向量；

將所述第一特征向量、第二特征向量、第三特征向量融合并映射到多維向量中。

在本發(fā)明的一些實施例中，所述時域卷積神經(jīng)網(wǎng)絡(luò)包括輸入層和多個殘差模塊層，每個殘差模塊層包括dropout層、ReLU激活層。優(yōu)選的，所述每個殘差模塊層還包括正則權(quán)重層。

在本發(fā)明的一些實施例中，所述氣體至少包括氫氣、甲烷、乙烷、乙烯、乙炔、一氧化碳、二氧化碳、氧氣或氮氣中的一種。