申请/专利权人：北京理工大学

申请日：2023-09-28

公开（公告）日：2024-06-25

公开（公告）号：CN117554255B

主分类号：G01N15/075

分类号：G01N15/075;G01N15/1434;G06N3/0464;G06N3/0455;G06N3/044;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.03.01#实质审查的生效;2024.02.13#公开

摘要：本发明公开了一种基于消光法的粒径与浓度二维分布测量方法及装置，通过将二维探测场网格化以及多条光路的分束实现了对二维探测场的分割，将每一网格空间内的颗粒浓度、光程、粒径分布等参数细化，打破了之前对整个探测场都进行均匀化处理的操作，能够实现每一网格区域内的颗粒浓度和粒径分布的测量，而不是只得到整个探测场的平均结果；并且可以通过大幅度增加网格数来提升测量的空间精度；本发明解决了需要利用超声法消除粒径对消光法测量浓度的影响这一问题；具体解决方式为网格化二维探测场，进而通过建立多个波长下的吸光度方程组以匹配未知数个数，实现每一网格内的颗粒浓度及粒径分布参数的求解，神经网络只是用于求解这些参数的一种工具。

主权项：1.一种基于消光法的粒径与浓度二维分布测量方法，其特征在于，包括：步骤S1：产生波段包含多个波长的初始激光，将初始激光分成多路，一部分光路横向穿过探测二维场4，另一部分光路纵向穿过探测二维场4，在探测二维场4发生包含吸收和散射的消光后，得到每一条光路的光谱信号；步骤S2、设整个二维探测场划分为n″×n″个网格，每一行网格至少有一条横向光路穿过，每一列网格有一条纵向光路穿过；从第1行到第n″行光路上得到的波长为λj的吸光度可表示为： 其中，N1q*表示在第1行第q列网格的颗粒介质数目浓度，L1q表示第1行第q列网格的光程，W1q,i表示第1行第q列网格的第i个粒径区间下的颗粒粒径概率频度分布，D1q,i表示第1行第q列网格的第i个粒径区间下的粒径，Kextλj,D1q,i,mi表示在波长为λj，第1行第q列网格的第i个粒径区间及第i个颗粒折射率mi下的消光系数；以此类推，Nn”q*表示在第n″行第q列网格的颗粒介质数目浓度，Ln”q表示第n″行第q列网格的光程，Wn”q,i表示第n″行第q列网格的第i个粒径区间下的颗粒粒径概率频度分布，Dn”q,i表示第n″行第q列网格的第i个粒径区间下的粒径，Kextλj,Dn”q,i,mi表示在波长为λj，第n″行第q列网格的第i个粒径区间及第i个颗粒折射率mi下的消光系数；按照公式1得到第1列到第n″列光路上得到波长为λj的吸光度的多个方程；用Log-Normal分布表征概率密度函数W； 式中，μ和σ为Log-Normal分布中的均值参数和标准差参数；则每个方程中的未知数为颗粒介质数目浓度N*、μ和σ；步骤S3、搭建人工神经网络模型，拟合吸光度到浓度N*、分布参数μ和σ的映射关系；训练数据集通过仿真生成模拟数据的方式来构建，首先划分n″×n″个网格，并给每个网格随机分配多组浓度N*、光程L、颗粒折射率及粒径分布参数μ和σ数据作为输出，最终模拟生成在各波长范围下对应的多组吸光度矩阵作为输入，对神经网络模型进行训练；步骤S4：将测量得到的输入数据吸光度矩阵输入到训练好的神经网络模型，得到每一网格内的浓度颗粒介质数目浓度N*、分布参数μ和σ，继而得到颗粒粒径概率频度分布。

全文数据：

权利要求：

百度查询： 北京理工大学 一种基于消光法的粒径与浓度二维分布测量方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD