1 安徽农业大学信息与计算机学院, 安徽 合肥 230036
2 中国科学院合肥物质科学研究院安徽光学精密机械研究所, 中国科学院环境光学与技术重点实验室, 安徽 合肥 230031
可调谐半导体激光器是可调谐二极管激光吸收光谱（TDLAS）系统的重要器件之一，激光器输出波长的稳定性直接决定系统测量的准确性和稳定性，而注入电流和工作温度是激光器输出波长的主要控制因素。设计了激光器驱动控制电路，并利用PID控制实现激光器工作温度的恒温控制，不仅能提供高精度低噪声的注入电流，而且对激光器有完备的安全保护功能。首先对注入电流和温度控制进行了短期测试分析，随后将设计的电路应用于中心波长为1512 nm的激光器，开展了测试分析，对激光器的温度、电流调谐特性进行研究，并对激光器输出波长的稳定性进行了短期和长期测试。结果发现激光器输出波长的标准偏差为0.0002，满足TDLAS系统对激光器恒流恒温控制的要求，表明该驱动控制电路实现了对半导体激光器的高精度驱动控制。
光电子学 可调谐半导体激光器 电流驱动 TEC恒温控制 optoelectronics tunable semiconductor laser current drive TEC temperature control
1 安徽大学互联网学院, 安徽 合肥 230039
2 合肥工业大学计算机与信息学院, 安徽 合肥 230009
3 中国科学院合肥物质科学研究院, 安徽 合肥 230031
研究集成学习方法在有机物红外光谱定量分析中的应用及特征波长选取方法对红外光谱集成学习建模效率和预测精度的影响。 以柴油红外光谱的十六烷和总芳香烃含量为研究对象, 首先采用极端随机森林(ERT)、 线性核支持向量机(LinearSVM)、 径向基核支持向量机(RBFSVM)和多项式核支持向量机(polySVM)作为基学习器, LinearSVM作为元学习器建立两层Stacking集成学习框架, 分析比较单个基学习器与集成学习对柴油红外光谱的定量回归预测精度, 与偏最小二乘(PLS)定量回归模型相比, Stacking集成学习模型对柴油光谱的两种有机物含量的预测精度均有提升, 其中十六烷含量的ERT模型预测结果最优(r=0.848, RMSEP=1.603, RDP=2.627), 总芳香烃含量的Stacking模型预测结果最优(r=0.991, RMSEP=0.526, RDP=9.243); 进一步利用组合偏最小二乘(SiPLS)和连续投影算法(SPA)对红外光谱进行特征波长选取, 利用优选出的红外光谱特征波长建立集成学习定量回归模型, 其中十六烷含量的SiPLS-ERT模型预测结果最优(r=0.893, RMSEP=1.013, RDP=3.051), 芳香烃含量的SiPLS-Stacking模型预测结果最优(r=0.998, RMSEP=0.354, RDP=11.475), 且模型平均训练时间较全光谱训练时间减少50%以上, 建模速度明显提高。 研究结果表明, 特征波长结合集成学习定量回归建模能够用于有机物红外光谱的定量分析中, 与传统定量回归方法相比, 该方法的建模效率和预测精度均有较大提高, 为进一步研究机器学习在光谱定量分析中的应用提供相关方法支持。
集成学习 定量回归 特征波长选取 有机物红外光谱 Ensemble Learning Quantitative regression Characteristic wavelength selection Infrared spectra of organic compounds
1 国防科技大学脉冲功率激光技术国家重点实验室, 安徽 合肥 230037
3 中国科学院合肥物质科学研究院, 安徽 合肥 230031
在碳中和的国际大背景下, 精确可靠地定量测量大气温室气体浓度对实现碳中和目标具有重要意义, 开发测量结果可直接溯源至国际单位制SI的气体分析仪是精确可靠监测温室气体浓度的重要方法。 可调谐二极管激光吸收光谱(TDLAS)技术是常用的气体浓度测量方法, 根据比尔-朗伯定律, 实现仪器的测量浓度直接溯源至SI的必要条件之一是可直接溯源的气池光程, 气池光程的不确定度直接影响气体浓度的测量不确定度, 对气池光程的可溯源精确测量有利于发展测量结果可直接溯源的气体分析仪。 针对光程标称为81 cm的三次反射型气池光程可溯源测量需求, 使用校准的米尺测量该气池光程得到的直接测量结果为(81.21±0.80) cm, 较大的测量不确定度(0.80 cm)是综合考虑定位误差和三段光路与测量路径可能不重合导致的测量误差估算得到的。 为了减小测量不确定度, 本文搭建了TDLAS气池光程测量系统, 测量系统以1 576 nm分布式反馈激光器为光源, 通过在激光控制器上加载斜坡扫描电压来测量待测气池内标准高纯二氧化碳(CO2, 99.999%)在6 344.68 cm-1附近的吸收光谱, 使用测量结果可直接溯源的压力传感器和温度传感器分别测量气池内的压强和气体温度, 采用美国国家标准技术局最新测量得到的30012-00001跃迁带P 4e支线强(相对标准不确定度为0.15%)反演气池光程, 使用二次速度依赖Voigt线型精确拟合不同气压(36~75 Torr)下的光谱吸光度信号获得对应气压的积分吸光度, 全面分析各参量的测量不确定度及其传递过程, 对不同气压下的积分吸光度进行线性回归分析, 计算得到可直接溯源的气池光程为(81.61±0.42) cm, 相对标准不确定度为0.51%, 测量不确定度范围落在直接测量结果范围内, 测量不确定度小于直接测量结果。 本文气池的光路结构是多次反射长光程气池的简化, 该系统同样适用于多次反射长光程气池光程的可溯源测量。
激光吸收光谱 可溯源 不确定度 光程测量 Laser absorption spectroscopy TDLAS Traceability Uncertainty Optical path length measurement TDLAS 光谱学与光谱分析
2022, 42(11): 3461
1 安徽大学物质科学与信息技术研究院, 安徽 合肥 230601
2 中国科学院合肥物质科学研究院安徽光学精密机械研究所, 中国科学院环境光学与技术重点实验室, 安徽 合肥 230031
机动车运行工况复杂多变, 排放的尾气成分浓度范围跨度大。利用常规光学方法检测尾气中污染成分的浓度时, 由于受限于光学气池的结构固定和系统对光电微弱信号的检测极限, 因此待测气体的量程和精度范围都受到很大限制。基于朗博比尔定律, 在待测气体浓度变量上增加指数因子修正, 可以在不降低测量精度的同时, 实现尾气 CO、CO2 大量程检测。用标准气体对便携式机动车尾气检测装置进行标定实验, 结果表明, 传统的线性修正方法得到的 CO 拟合度为 0.988, CO2 拟合度为 0.998; 而增加了非线性修正因子后得到的 CO 拟合度为 0.999, CO2 拟合度为 0.999。进一步外场对比实验表明, 修正后的仪器测量结果与同类先进仪器的一致性较好, 柴油车实验拟合度为 0.93, 汽油车拟合度为 0.95, 验证了非线性修正方法的必要性和实用性。
光学检测 非线性修正 机动车尾气 碳氧化物 optical detection nonlinear correction vehicle exhaust carbon oxide 大气与环境光学学报
2022, 17(2): 241
1 中国电子科技集团公司第三十八研究所, 安徽 合肥 230088
2 中国科学院安徽光学精密机械研究所环境光学技术重点实验室, 安徽 合肥 230031
3 安徽省环境光学监测技术重点实验室, 安徽 合肥 230031
应用傅里叶变换红外光谱法进行在线工业窑炉高温气体监测时,湍流形成的噪声会影响光谱信噪比和浓度反演的精度。研究新的红外干涉信号-光谱转换的数据处理方法,该方法与传统傅里叶变换的光谱数据处理方法不同,它以零光程差为基准对齐干涉信号,实现多次扫描干涉信号的平均,同时采用复数窗函数与光谱数据卷积的方法来降低光谱旁瓣引起的光谱混叠程度。这种数据处理算法可以减小湍流噪声对气体浓度反演的影响,提高反演精度,减少计算量,提高光谱数据率。以叠加湍流的一氧化碳被动测量实验为例,分析了采用不同数据处理方法得到的光谱信噪比、光谱相关性和浓度反演结果。分析结果表明研究的信号数据处理方法在湍流噪声存在的在线检测中优于传统数据处理方法,采用新的数据处理方法得到的光谱更加精确(光谱相关性更好),气体反演的浓度也更准确,同时可减少系统计算量并缩短系统在线测量的响应时间,这对于在线监测气体浓度的准确性是至关重要的。
光谱学 傅里叶变换红外光谱法 湍流噪声 干涉信号 数据处理方法 光学学报
2021, 41(17): 1730001
1 合肥工业大学计算机与信息学院, 安徽 合肥 230009
2 中国科学院合肥物质科学研究院, 安徽 合肥 230031
3 安徽大学互联网学院, 安徽 合肥 230039
4 合肥学院电子系, 安徽 合肥 230061
近年来, 深度学习在数据挖掘领域研究较多, 深度学习中的集成学习算法也越来越多地应用到分类和定量回归中, 但是, 集成学习算法在红外光谱分析领域的应用研究较少。 提出一种基于Blending模型融合的集成学习定量回归算法, 利用GBDT算法、 线性核支持向量机(LinearSVM)和径向基核支持向量机(RBF SVM)作为基学习器, 将基学习器预测结果通过LinearSVM模型完成数据融合。 以公开数据库中的药片和柴油近红外光谱数据为研究对象, 首先对光谱数据进行一阶导数预处理, 分别采用单核支持向量回归模型、 GBDT模型和Blending集成学习模型, 将模型预测结果进行分析比较。 药片活性物含量和硬度性质采用RBF SVM模型的预测结果最优, RMSEP最小, RPD最大; 其次为Blending集成学习模型; GBDT模型预测结果最差。 药片质量采用Blending集成学习模型预测的R2最高, 达到0.837 4; RBF SVM的RMSEP最小, 为2.140 6, RPD最大, 达到7.487 8; LinearSVM的预测结果最差。 对于柴油沸点、 闪点和总芳香烃三种性质, Blending模型预测效果最好, 优于三种单模型预测结果。 对于十六烷值, GBDT模型和RBF SVM模型预测结果优于Blending集成学习模型。 对于密度, 仅GBDT模型优于Blending集成模型, 并且, 使用单模型和集成模型的预测结果均较为理想, 除了LinearSVM模型R2为0.944 5, 其他模型R2均高于0.99。 对于冰点的预测, RBF SVM和LinearSVM的预测效果优于Blending集成学习模型。 对于黏性性质的预测, 仅RBF SVM的预测效果优于Blending集成算法模型。 由结果可以看出, 由GBDT, LinearSVM和RBF SVM集成的Blending模型由于融合了单模型的特征, 与单模型相比, 预测效果较优或者最优, 证明集成学习Blending模型用于红外光谱定量回归具有较强的适用性, 且具有较高的预测精度和泛化能力, 对于进一步研究集成学习算法在红外光谱定量回归中的应用具有重要的意义。
集成学习 支持向量机 定量回归 Integrated learning Support vector machine GBDT GBDT Quantitative regression 光谱学与光谱分析
2021, 41(4): 1119
中国科学院环境光学与技术重点实验室, 安徽光学精密机械研究所, 安徽 合肥 230031
能见度一般为人眼视觉能够观测目标物的最大估计水平距离。 能见度的观测和预报已经广泛的应用于气象预报、 环境污染分析、 交通运输等各个领域。 现有的能见度观测方法主要分为散射式与透射式。 其中数字摄像式能见度观测方法最贴近能见度定义, 随着数字摄像技术的发展, 加快了数字图像能见度的测量方法的研究与应用。 但在利用数字摄像进行夜间能见度观测量过程中不可避免的受到不同天气背景光、 光源灰度等影响从而造成能见度测量不稳定, 观测结果精度低、 观测范围较小。 已知利用双光源的稳定性可以保证能见度的测量精度, 大多数研究都是通过使用白光源的角度来解决能见度的测量不稳定问题。 本文从准单色光源的角度出发, 通过不同频段光源对能见度的穿透能力不同, 在可见光范围内对不同频段光源的穿透能力进行特性分析。 在已有的双光源基础上, 提出了一种改进的恒温双色光源夜间能见度观测方法, 实现在不同天气状况下, 对能见度的高精度、 大范围观测。 通过设计恒温双光源, 消除了环境温度变化对光强的影响; 恒压恒流模块保证双光源光强一致性; 利用积分球保证光强的均匀性; 根据不同频段光源对能见度的穿透能力不同, 选用双色光源实现高精度、 大范围能见度的有效测量。 在恒温双色光源的能见度观测系统中进行一系列的实验验证, 实验结果表明两个光源的一致性达到0.99, 能见度不好时, 蓝光到达相机的光强弱, 红光的测量结果接近真值; 晴天时夜间能见度良好, 蓝光透射率差值大, 有利于提高信噪比, 双光源为蓝光的标准差36.90, 蓝光的测量结果接近真值。 当观测极限为15 000 m时, 进行1个月的实验观测, 通过与真实值进行比较, 所提出的改进恒温双色光源夜间能见度观测方法能够很好的在能见度观测极限范围内进行准确的测量。
恒温 夜间可见度 两色光源 传输速率 遥感 Constant temperature Nighttime visibility Two-color light sources Transmission rate Remote sensing 红外与激光工程
2020, 49(3): 0305003
