尹昌園，楊亞玉

（遵義市產品質量檢驗檢測院，貴州 遵義 563000）

激光甲烷傳感器在環(huán)境監(jiān)測和工業(yè)安全等領域中扮演著重要角色。然而，溫度和壓力的變化對激光甲烷傳感器的性能和測量結果產生了重要影響。在實際應用中，溫度和壓力的波動會引起激光甲烷傳感器的檢測誤差，進而影響測得的甲烷濃度數值的準確性。文章旨在探討溫度和壓力對激光甲烷傳感器的影響，并基于BP神經網絡設計溫壓補償修正模型，以提高傳感器的測量精度。

1 壓力和溫度對激光甲烷傳感器的影響

1.1 不同溫度對CH4氣體吸收譜線的影響

1.1.1 溫度實驗

在實驗中，首先準備了一個具備溫度控制功能的高低溫箱，以確保氣體吸收池內的溫度準確控制，避免氣體泄漏，并維持恒定溫度條件。接著，在氣體吸收池中注入CH4氣體，設定不同濃度（400 ppm、500 ppm、600 ppm、700 ppm）以研究各濃度下的吸收譜線。使用高低溫箱來調控氣體吸收池的溫度，進行各溫度下的測量，以觀察溫度對CH4吸收特性的影響。然后啟動數據采集與處理軟件，開始記錄光譜數據，通過激光器發(fā)射的光穿過氣體吸收池后，由光電探測器測量并傳輸至計算機。最后，對所記錄的光譜數據進行分析，研究不同溫度和濃度條件下CH4的吸收譜線，可能需要運用數學模型來處理數據，以得出溫度和濃度之間的關系。

1.1.2 溫度實驗結果

不同溫度下CH4氣體濃度變化如圖1所示，從圖中可以看出，隨著溫度的升高，CH4氣體濃度逐漸增加，這一趨勢在-5～10 ℃范圍內尤為顯著。然而，在10～50 ℃，CH4氣體濃度開始緩慢下降。該現(xiàn)象的發(fā)生，主要是因為溫度出現(xiàn)了顯著的變化，進而對CH4氣體的光譜吸收率產生了較強的作用，對于檢測信號也產生了較大的影響，最終得到的濃度數值并不精確，應進一步加強實踐控制手段。

圖1 甲烷氣體濃度隨溫度變化圖

在低溫條件下，CH4氣體的吸收譜線變得更加窄，但需要注意的是，在這種情況下，由于壓力逐漸增大，測量值實際上呈上升趨勢。這是因為吸收池內的氣體在低溫下吸收得更加充分，因此測得的濃度值較高。在高溫條件下，CH4氣體的吸收譜線變得更寬，同時信號強度減弱。此外，由于分子間距離增大，這也導致測量到的濃度值下降。這是因為高溫使得氣體分子更加活躍，分子間的相互作用減弱，導致吸收信號減弱以及測量濃度降低。

1.2 不同壓力對CH4氣體吸收譜線的影響

1.2.1 壓力實驗

在實驗前，充填氣袋至3/4以上容量，使用500 mL/min氣泵不斷注入已知濃度的CH4氣體，關閉吸收池出氣口，確保測量數據穩(wěn)定。隨后，校準標氣和背景氣，將恒溫恒濕箱設為-5 ℃，關閉吸收池出氣口的閥門。通過氣袋和氣泵將400 ppm待測氣體注入吸收池，觀察壓力示數表，記錄達到60 kPa時的氣體濃度。接著，在不同壓強下記錄氣體壓強與濃度的關系，壓強范圍為0～60 kPa，每5 kPa一檔。最后，在逐漸升高溫度的條件下，記錄不同溫度下氣體壓強與濃度的關系，從0 ℃增加至50 ℃，完成一組實驗。

1.2.2 壓力實驗結果

本次實驗過程中選擇了不同的溫度數據進行分析，主要是選用0 ℃、15 ℃、30 ℃、45 ℃4個數據進行研究。在實驗結果方面，發(fā)現(xiàn)無論溫度高也好、低也好，濃度在測量的時候，會隨著壓強的變化而變化，并且整體趨勢上是比較一致的。因此，壓強即便是逐步增加的條件下，CH4氣體的檢測濃度依然會不斷減小，不同壓力下CH4濃度變化趨勢如圖2所示。

圖2 甲烷氣體濃度所壓強變化曲線

根據圖2顯示的內容來看，壓強在不斷增加的條件下，CH4氣體的測量濃度表現(xiàn)出了持續(xù)的下降趨勢，并且下降比較穩(wěn)定。這種現(xiàn)象的發(fā)生，主要是因為壓強的變化情況，對CH4氣體的分子密度變化產生了較大的影響，并且針對分子之間的碰撞展寬概率也產生了較強的作用。尤其是在壓強數值持續(xù)增加的過程中CH4氣體的密度會不斷地增加，另外，當輸出光信號減弱的時候，也會導致測量的濃度低于已知的標準數值。

2 基于BP神經網絡的溫壓補償修正模型

對于BP神經網絡而言，其主要是一種比較常見的人工神經網絡模型，該項技術在應用的時候，主要是通過反向傳播算法學習輸入技術的應用，以及輸出的映射關系特點來完成的。BP神經網絡的構成并不復雜，包括輸入結構、輸出結構、隱藏結構，通過前向傳播計算輸出，然后通過反向傳播根據誤差信號優(yōu)化權重和閾值，采用梯度下降算法逐步接近期望輸出。這種網絡可用于分類、回歸和模式識別等問題，但需要注意過擬合和局部最小值，其學習能力源自反向傳播的優(yōu)化過程，為復雜問題提供了有效的機器學習方法。

圖3所示BP神經網絡結構圖，圖中X1、X2、Xn為輸入值，Y1、Y2、Ym為預測值，iωij和iωjk為權值。

圖3 BP神經網絡結構圖

研究過程中將輸出節(jié)點設置為m，將輸出節(jié)點設置為n，將BP神經網絡訓練的整個過程看作是n個變量到m個因變量之間的函數映射關系，因此在BP神經網絡訓練時，具體的流程如下所示：

（1）網絡初始化流程：明確輸出層節(jié)點、輸入層節(jié)點、隱含層節(jié)點，并了解其連接權值、隱含層等數據信息。

（2）隱含層輸出計算流程：根據各個層面的閾值變化，計算出隱含層的輸出情況。

假設隱含層輸出為Hj，隱含層函數為f(，節(jié)點數為l，表達式如下：

筆者希望能通過研究它的兩種重要模式——主題學習模式和基于問題的學習模式，使教育工作者在開展信息技術與課程整合時有一定的依據和借鑒，促使他們充分發(fā)揮并利用已建好的設施和資源的優(yōu)勢，在一定程度上也能推動信息技術與課程整合的發(fā)展。

（3）輸出計算：假設隱含層輸出為Hj，預測輸出為Ok，輸出層和隱含層連接權值為iωjk，閾值為bk，表達式如下：

（4）誤差計算：利用期望輸出Yk和預測輸出Ok，計算網絡預測誤差ek，表達式如下：

（5）權值更新：設網絡連接權值為ωij，學習速率為η，利用以上參數和網絡預測誤差對ωjk進行更新，表達式如下：

（6）閾值更新：設學習速率為η，根據誤差ek對網絡節(jié)點閾值aj、bk進行更新，表達式如下：

經過以上步驟后，判斷BP神經網絡是否迭代完成，如果未完成則返回步驟2再次進行迭代。

3 BP神經網絡補償模型試驗驗證

為了驗證BP神經網絡CH4傳感器溫壓補償方法，設置不同溫度和壓力對CH4傳感器測量精度進行驗證。

3.1 溫度測試

首先在壓力為100 kPa下，調節(jié)不同溫度對CH4傳感器進行測試，溫度分別設置為15 ℃、23 ℃、30 ℃、35 ℃，測試結果如表1所示。

表1 溫度影響試驗數據測試

BP神經網絡的溫度補償算法可提高激光甲烷傳感器的測量精度，通過修正溫度對傳感器測量結果的影響，實現(xiàn)更準確地甲烷濃度測量。

3.2 壓力測試

除了溫度補償，還需要進一步進行壓力補償的實驗，以驗證BP神經網絡在不同壓力條件下的性能。在23 ℃的環(huán)境中，融入濃度為1.5%的甲烷氣體，利用BP神經網絡對甲烷傳感器進行測試，設置壓力分別為8 kPa、90 kPa、100 kPa、110 kPa，測試結果如表2所示。

表2 壓力影響試驗數據測試

從表2的結果可以看出，在不同壓力條件下，使用BP神經網絡補償算法的甲烷傳感器與非補償算法傳感器的測量結果存在差異。以1.5%標準濃度為例，80 kPa壓力下，BP神經網絡補償傳感器測量結果為1.493，而非補償傳感器為1.487，表明BP神經網絡的壓力補償算法改善了測量精度。在其他壓力條件下，如90 kPa、100 kPa和110 kPa，BP神經網絡補償傳感器的測量結果分別為1.493、1.501和1.511，略優(yōu)于非補償傳感器結果，分別為1.499、1.505和1.518。

4 結束語

（1）低溫下，由于吸收譜線變窄，導致測量值呈上升趨勢；高溫下，吸收譜線變寬且光信號強度減弱，導致測量濃度下降。因此，為了獲得準確的甲烷濃度值，必須對測量數據進行溫度補償修正。

（2）由于壓強變化導致甲烷氣體分子密度變化，影響了分子間碰撞的展寬概率，導致不同壓力下甲烷傳感器檢測精度降低。

（3）基于BP神經網絡設計的溫壓補償修正模型能夠提高激光甲烷傳感器的測量精度。實驗結果驗證了BP神經網絡補償算法相對于非補償算法的優(yōu)勢。無論是在不同溫度還是不同壓力條件下，通過補償修正后的傳感器能夠獲得更準確的甲烷濃度測量結果。