基于卷积神经网络的高温氧气吸收光谱滤波方法和系统

本发明属于激光光谱，尤其涉及一种基于卷积神经网络的高温氧气吸收光谱滤波方法和系统。

背景技术：

1、随着我国科学技术的不断发展，近些年出现了越来越多的大型金属冶炼厂和工业发电厂。金属冶炼和工业发电都涉及了工业炉窑的燃烧，为了响应节约能源政策，树立绿色可持续发展观念，工业炉窑的煤炭充分燃烧成为了当前需要克服的主要问题，解决煤炭充分燃烧问题的关键在于控制工业炉窑中氧气的浓度。测量气体浓度的方法有很多，但在工业炉窑高温高压的环境下，激光吸收光谱技术具有较大的优势。激光吸收光谱技术属于一种非接触测量技术，其优点在于它具有高灵敏度、高选择性、非侵入性、实时性、高分辨率和广泛的适用性，通过激光吸收光谱技术可以实时精确的在计算机上反映出工业炉窑中气体浓度的变化。

2、在光电检测技术领域，消除噪声对信号进行处理是重中之重，滤波的方法有很多，包括硬件滤波技术和软件滤波技术。硬件滤波技术有以下几种常见的方法：rc(电阻-电容)滤波器、rl(电阻-电感)滤波器、lc(电感-电容)滤波器、激励滤波器、数字滤波器和表面声波滤波器。尽管硬件滤波技术种类繁多并且存在许多优点，然而它存在的缺陷使得它在很多应用方面上受到了很大的限制，比如硬件滤波技术的模式固定，只能针对特定的滤波类型，体积较大并且成本比较昂贵，不适用于多数应用场合，在处理一些特殊信号时，硬件滤波技术的劣势就变得显而易见。软件滤波技术是通过一些特殊的数学算法对信号进行数学运算和变换，以此来实现信号的滤波功能。滑动平均滤波技术是一种简单而有效的信号平滑技术，它对于恒定噪声具有很好的抑制效果，但是它的缺陷也非常明显，首先延长性较高，其次不适用于非线性系统并且它取平均值的特性使得它很容易丢失信号中的一些细节信息。s-g滤波算法也是一种常见的软件滤波算法，它的缺陷在于它需要选择合适的窗口大小来进行局部拟合，同时它对噪声比较敏感，容易丢失信号中的一些关键信息，而且s-g滤波算法的参数选择较为复杂，因此此滤波算法的局限性较大。

3、基于此，本申请提出了一种基于卷积神经网络的高温氧气吸收光谱滤波方法和系统。

技术实现思路

1、本发明实施例的目的在于提供一种基于卷积神经网络的高温氧气吸收光谱滤波方法和系统，旨在解决背景技术中所提及的现有技术所存在的技术问题。

2、本发明实施例是这样实现的，基于卷积神经网络的高温氧气吸收光谱滤波方法，所述方法包括：

3、根据采集到的多组高温氧气激光吸收光谱原始信号以及与之对应的多组高温氧气激光吸收光谱模拟理想信号构建数据集；

4、构建光谱滤波神经网络模型，以多组原始信号作为模型的输入，对应的模拟理想信号作为模型的输出，对光谱滤波神经网络模型进行训练；

5、将采集到的激光吸收光谱信号输入训练好的光谱滤波神经网络模型中，输出不含噪声的光谱信号。

6、本发明实施例的另一目的在于提供一种基于卷积神经网络的高温氧气吸收光谱滤波系统，所述系统包括：

7、数据集构建模块，用于根据采集到的多组高温氧气激光吸收光谱原始信号以及与之对应的多组高温氧气激光吸收光谱模拟理想信号构建数据集；

8、模型训练模块，用于构建光谱滤波神经网络模型，以多组原始信号作为模型的输入，对应的模拟理想信号作为模型的输出，对光谱滤波神经网络模型进行训练；

9、结果输出模块，用于将采集到的激光吸收光谱信号输入训练好的光谱滤波神经网络模型中，输出不含噪声的光谱信号。

10、本发明实施例的有益效果是：利用光谱滤波神经网络模型对原始光谱信号进行信号处理，实现对高温氧气激光吸收光谱的在线滤波，与硬件滤波技术相比，其成本较低并且适用于多数场合，与其他软件滤波技术相比，它在处理信号时不易丢失信号中的一些细节信息。

技术特征：

1.基于卷积神经网络的高温氧气吸收光谱滤波方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于卷积神经网络的高温氧气吸收光谱滤波方法，其特征在于，所述根据采集到的多组高温氧气激光吸收光谱原始信号以及与之对应的多组高温氧气激光吸收光谱模拟理想信号构建数据集的步骤，具体包括：

3.根据权利要求1所述的基于卷积神经网络的高温氧气吸收光谱滤波方法，其特征在于，所述光谱滤波神经网络模型包括五层卷积层、五层bn层、五层池化层、三层全连接层和两层dropout层。

4.根据权利要求1所述的基于卷积神经网络的高温氧气吸收光谱滤波方法，其特征在于，所述光谱滤波神经网络模型的激活函数为：

5.根据权利要求4所述的基于卷积神经网络的高温氧气吸收光谱滤波方法，其特征在于，所述光谱滤波神经网络模型中的参数优化方法采用小批量梯度下降法，其参数更新迭代公式为：

6.根据权利要求5所述的基于卷积神经网络的高温氧气吸收光谱滤波方法，其特征在于，所述损失函数j(θ)为：

7.基于卷积神经网络的高温氧气吸收光谱滤波系统，其特征在于，所述系统包括：

8.根据权利要求7所述的基于卷积神经网络的高温氧气吸收光谱滤波系统，其特征在于，所述数据集构建模块包括：

9.根据权利要求7所述的基于卷积神经网络的高温氧气吸收光谱滤波系统，其特征在于，所述光谱滤波神经网络模型包括五层卷积层、五层bn层、五层池化层、三层全连接层和两层dropout层。

技术总结
本发明适用于激光光谱技术领域，提供了一种基于卷积神经网络的高温氧气吸收光谱滤波方法和系统，所述方法包括根据采集到的多组高温氧气激光吸收光谱原始信号以及与之对应的多组高温氧气激光吸收光谱模拟理想信号构建数据集；构建光谱滤波神经网络模型，以多组原始信号作为模型的输入，对应的模拟理想信号作为模型的输出，对光谱滤波神经网络模型进行训练；将采集到的激光吸收光谱信号输入训练好的光谱滤波神经网络模型中，输出不含噪声的光谱信号，本发明实施例的有益效果是：与硬件滤波技术相比，其成本较低并且适用于多数场合，与其他软件滤波技术相比，它在处理信号时不易丢失信号中的一些细节信息。

技术研发人员：张乐文,张凡,李梓霂,陈新兵,宋伟,吴海滨
受保护的技术使用者：安徽大学
技术研发日：
技术公布日：2024/11/7