一種顆粒濃度測量方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種煙塵濃度的檢測方法，具體是一種通過煙塵顆粒散射光檢測濃度 的方法。
【背景技術(shù)】
[0002] 由于工業(yè)鍋爐、燃煤電廠等污染源所造成的大氣污染，環(huán)境問題日益成為制約生 態(tài)文明、經(jīng)濟(jì)發(fā)展的巨大阻力。因此需要對其排放的煙塵濃度進(jìn)行嚴(yán)格地監(jiān)測。目前常用 的測量方法有光散射法、光透射法、電荷法、電容法等。而光散射法廣泛用于在線測量煙塵 濃度，其測量精度高、重復(fù)性好，測量速度快，為在線直讀測量方式，無需取樣。但其受限于 顆粒物的粒徑大小及分布影響，現(xiàn)有的散射光圖像處理算法顯得十分復(fù)雜，冗長，很難準(zhǔn)確 地計(jì)算散射光強(qiáng)與顆粒濃度之間的關(guān)系，并且需要頻繁對計(jì)算公式初始參數(shù)進(jìn)行設(shè)置。
[0003] 目前主流的根據(jù)散射光圖像計(jì)算顆粒濃度的算法主要有光散射積分法，具有不受 顆粒粒徑大小和分布的影響等優(yōu)點(diǎn)，為了達(dá)到上述要求，需要對光散射積分法進(jìn)行一系列 地條件限制。只有在大粒徑范圍內(nèi)（>20 μ m)，以及在顆粒群單次、不相關(guān)散射的基礎(chǔ)上（低 濃度范圍內(nèi)），散射積分法的計(jì)算結(jié)果才比較精確。而且，基于散射積分法計(jì)算顆粒濃度的 數(shù)值解法，公式計(jì)算過程復(fù)雜繁瑣。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的技術(shù)問題是針對上述現(xiàn)有技術(shù)的不足，而提供一種既能免受顆 粒粒徑大小及分布的影響，又能實(shí)時(shí)、快速地在線測量顆粒濃度值的方法，提高光散射法測 量顆粒濃度準(zhǔn)確度的測量方法。
[0005] 為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是：
[0006] -種顆粒濃度測量方法，包括以下步驟：
[0007] 步驟1 :配置不同濃度的標(biāo)準(zhǔn)溶液，采集與之濃度值相對應(yīng)的顆粒散射光位圖圖 像；
[0008] 步驟2 :對顆粒散射光位圖圖像進(jìn)行光強(qiáng)分布信息提取，制成神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本， 具體方法為：讀取位圖圖像各個(gè)像元點(diǎn)的灰度值，并歸一化處理；以圖像中散射光斑中心 為圓心，依次沿半徑方向上等距地劃分出M個(gè)同心圓環(huán)；依次計(jì)算每個(gè)樣本圖像上各標(biāo)記 所代表的圓環(huán)內(nèi)總光強(qiáng)的平均值作為樣本集；將得到的樣本集作為神經(jīng)網(wǎng)絡(luò)樣本的輸入， 并將所有樣本對應(yīng)的顆粒濃度值作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的期望輸出；
[0009] 步驟3 :構(gòu)建神經(jīng)網(wǎng)絡(luò)，設(shè)置神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率η和期望誤差E對神經(jīng)網(wǎng)絡(luò)進(jìn)行 訓(xùn)練；
[0010] 步驟4:對新采樣的散射光圖像進(jìn)行識別，獲取散射光圖像上各圓環(huán)內(nèi)總光強(qiáng)的 平均值，將獲取的平均值作為訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)的輸入計(jì)算顆粒濃度。
[0011] 所述標(biāo)準(zhǔn)溶液按照濃度等差配置。
[0012] 所述標(biāo)準(zhǔn)溶液包括上限濃度的溶液和下限濃度的溶液。
[0013] 所述神經(jīng)網(wǎng)絡(luò)包含輸入層、一個(gè)隱含層和輸出層；輸入層和隱層的轉(zhuǎn)移函數(shù)采用 單極性Sigmoidal激活函數(shù)，即
【主權(quán)項(xiàng)】
1. 一種顆粒濃度測量方法，其特征在于，包括w下步驟： 步驟1;配置不同濃度的標(biāo)準(zhǔn)溶液，采集與之濃度值相對應(yīng)的顆粒散射光位圖圖像； 步驟2 ;對顆粒散射光位圖圖像進(jìn)行光強(qiáng)分布信息提取，制成神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本，具體 方法為；讀取位圖圖像各個(gè)像元點(diǎn)的灰度值，并歸一化處理；W圖像中散射光斑中屯、為圓 屯、，依次沿半徑方向上等距地劃分出M個(gè)同屯、圓環(huán)；依次計(jì)算每個(gè)樣本圖像上各標(biāo)記所代 表的圓環(huán)內(nèi)總光強(qiáng)的平均值作為樣本集；將得到的樣本集作為神經(jīng)網(wǎng)絡(luò)樣本的輸入，并將 所有樣本對應(yīng)的顆粒濃度值作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的期望輸出； 步驟3 ;構(gòu)建神經(jīng)網(wǎng)絡(luò)，設(shè)置神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率n和期望誤差E對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練； 步驟4;對新采樣的散射光圖像進(jìn)行識別，獲取散射光圖像上各圓環(huán)內(nèi)總光強(qiáng)的平均 值，將獲取的平均值作為訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)的輸入計(jì)算顆粒濃度。
2. 根據(jù)權(quán)利要求1所述的測量方法，其特征在于；所述標(biāo)準(zhǔn)溶液按照濃度等差配置。
3. 根據(jù)權(quán)利要求2所述的測量方法，其特征在于；所述標(biāo)準(zhǔn)溶液包括上限濃度的溶液 和下限濃度的溶液。
4. 根據(jù)權(quán)利要求1、2或3所述的測量方法，其特征在于：所述神經(jīng)網(wǎng)絡(luò)包含輸入 層、一個(gè)隱含層和輸出層；輸入層和隱層的轉(zhuǎn)移函數(shù)采用單極性Sigmoidal激活函數(shù)，即
當(dāng)誤差平方和小于目標(biāo)誤差E時(shí)，訓(xùn)練停止。
5. 根據(jù)權(quán)利要求1、2或3所述的測量方法，其特征在于；對神經(jīng)網(wǎng)絡(luò)進(jìn)行初始化連接 權(quán)值和闊值，將訓(xùn)練樣本集作為訓(xùn)練神經(jīng)網(wǎng)絡(luò)的輸入，計(jì)算神經(jīng)網(wǎng)絡(luò)輸出值O^j= 1，2--腳，并與已知所有樣本對應(yīng)的期望輸出D^j= 1，2…腳比較，計(jì)算二者誤差町=〇)j-〇j)， 用于調(diào)節(jié)神經(jīng)網(wǎng)絡(luò)連接權(quán)大小，反復(fù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，直到均方差
II滿足要求，并 保存最終權(quán)值。
【專利摘要】本發(fā)明公開了一種顆粒濃度測量方法，包括以下步驟：配置不同濃度的標(biāo)準(zhǔn)溶液，采集與之濃度值相對應(yīng)的顆粒散射光位圖圖像；對顆粒散射光位圖圖像進(jìn)行光強(qiáng)分布信息提取，制成神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本；構(gòu)建神經(jīng)網(wǎng)絡(luò)，設(shè)置神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率η和期望誤差對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；對新采樣的散射光圖像進(jìn)行識別，獲取散射光圖像上各圓環(huán)內(nèi)總光強(qiáng)的平均值，將獲取的平均值作為訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)的輸入計(jì)算顆粒濃度。與現(xiàn)有技術(shù)相比，本發(fā)明方法適用的顆粒濃度測量范圍廣，不受顆粒粒徑大小及分布約束條件的影響，計(jì)算速度更快，精度更高，測量范圍更廣。
【IPC分類】G01N15-06
【公開號】CN104792674
【申請?zhí)枴緾N201510152905
【發(fā)明人】宋兆龍, 雷志偉, 許傳龍
【申請人】東南大學(xué)
【公開日】2015年7月22日
【申請日】2015年4月1日