微弱气体光声光谱监测光声信号影响因素分析

气体光声光谱检测技术灵敏度高,不消耗被测气体,能很好地应用于变压器油中溶解微弱气体的在线监测。检测中,微音器输出的光声信号是进行气体浓度分析的唯一特征量。基于光声光谱技术的基本原理,构建了一种便携式、可调谐的光声光谱装置。在分析气体光声信号激发机理的基础上,结合实验深入探讨了影响气体光声信号的多种因素,获得气体光声信号与压力、温度、激光功率、气体浓度、背景气体、斩波频率及谐振频率漂移之间的关系曲线,理论及实验结果为进一步完善油中气体光声光谱在线监测系统提供了技术参照和支撑。     

激光光声光谱用于液体样品定量分析的研究

本文报道了光声信号的猝灭现象。在液体样品的激光光声光谱分析中,当待测试样浓度较大时,光声信号强度随浓度增大而减弱。就该现象对液体样品的激光光声光谱测定的影响进行了探讨。     

变压器油中溶解气体的分析与故障判断

在日常生产过程中,变压器油和纤维绝缘材料在运行中受到水分、氧气、热量以及铜和铁等材料催化作用的影响而老化和分解,产生的气体大部分溶于油中,但产生气体的速率是相当缓慢的。当变压器内部存在初期故障或形成新的故障条件时,其产气速率和产气量则十分明显,绝大多数的初期缺陷都会出现早期迹象,因此,对变压器产生气体进行适当分析即能检测出故障,对其有针对性地进行维护,从而提高其运转率。     

检测变压器油中溶解气体用仪器的评述

介绍目前检测变压器油中溶解气体的仪器种类并分析各类仪器的具体类型、检测方法和使用特点。为该类仪器选型提供参考。阐述如何根据需要,科学的使用各种类仪器检测,充分发挥各自独特性能。     

变压器中溶解气体含量异常分析判断处理

充油矿物绝缘油和以纸或层压纸板作为绝缘材料的电气设备，包括变压器，电抗器，互感器和油纸套管等等。正常运行时，由于油和固体绝缘在电和热的长期作用下也会逐渐老化、变质。会分解出少量的氢，各种低分子烃类及少量的一氧化碳，二氧化碳等。在热和电故障的情况下也会产生这些气体。这两种来源的气体在技术上不能分离，在数值上也没有严格的界限而且与负荷、温度、和油中的含水量等以及取样和测试的许多因素有关。所以，在用色谱分析法判断变压器故障时应利用多种方法综合分析判断。     

异常点检测后的偏最小二乘回归模型

偏最小二乘回归是通过一组自变量来预测一个或一组因变量的统计方法。但在很多情况下用于建模的样本点由于种种原因会出现一些异常情况,这些异常点和其他样本点之间都存在着很大的偏差。异常点的存在对所建立的模型和真实模型就有很大的偏差。基于这一问题本文通过构造统计量对所给的样本点进行选择,剔除对模型的构造有很大影响力的样本异常点,从而获得一个相对合理的样本空间。在相对合理的样本空间中采用偏最小二乘回归建立模型。运用MATLAB编程,通过一个实例说明在对于异常点剔除后的样本空间中建立模型的精确程度有了很大的提高。     

自回归AR模型整体最小二乘分析

主要讨论时间序列的自回归模型AR（p）的参数估计问题,列出常用的普通最小二乘估计和整体最小二乘估计方法,列出算例进行比较分析。     

气体流量对石英增强型光声光谱检测精度的影响

石英增强型光声光谱(QEPAS)检测技术在痕量气体浓度检测方面具有灵敏度高、可靠性好、系统体积小等优势。以二氧化碳(CO2)为目标气体,深入研究不同气体流量对QEPAS检测系统精度的影响。通过Fluent ANSYS仿真软件对气体流场进行分析,完成对不同流量情况下气室内压强和流速的仿真。通过基于QEPAS的CO2气体检测系统的实验,研究了气室压强对气体浓度检测的影响。实验结果表明通过控制气体流量使得气室内的压强为1.08e-1~1.48e-1 Pa时,检测信号与气体浓度之间线性关系良好,相关系数R=0.99971,系统相对误差为0.5%,系统检测下限为72ppm。     

变压器油中溶解气体在线监测技术的研究

介绍了目前变压器在线检测的几种方法,指出目前所采用的在线监测装置存在的优、缺点,并对在线监测系统的应用前景进行了展望。     

变压器中溶解气体含量异常分析判断处理

充油矿物绝缘油和以纸或层压纸板作为绝缘材料的电气设备,包括变压器,电抗器,互感器和油纸套管等等。正常运行时,由于油和固体绝缘在电和热的长期作用下也会逐渐老化、变质。会分解出少量的氢,各种低分子烃类及少量的一氧化碳,二氧化碳等。在热和电故障的情况下也会产生这些气体。这两种来源的气体在技术上不能分离,在数值上也没有严格的界限而且与负荷、温度、和油中的含水量等以及取样和测试的许多因素有关。所以,在用色谱分析法判断变压器故障时应利用多种方法综合分析判断。     

一类基于偏最小二乘回归分析的成分数据预测模型

针对“因变量和自变量都是成分数据的前提下，如何建立它们之间的线性回归”的基本问题，以经典线性回归分析法为基础，结合对称Logratio变换，建立了一种基于偏最小二乘回归分析的成分数据预测模型，并对该模型进行了理论实证分析，论证了该模型的可行性与优良性，从而为解决具有成分数据信息的多重相关变量回归问题提供新的途径．     

互信息和核熵成分分析的油中溶解气体浓度建模

针对变压器油中溶解气体浓度的预测问题,提出了一种基于互信息和核熵成分分析(KECA)的油中溶解气体浓度预测建模方法。首先,用标准互信息变量选择方法确定模型的输入变量并对选取的输入变量进行相重构;然后,利用Renyi熵信息测度确定KECA核参数并采用KECA对相空间进行特征提取;最后,以核熵成分作为机器学习极限学习机(ELM)的输入,建立变压器油中溶解气体浓度的预测模型。实验结果表明,与灰色模型、支持向量机、BP神经网络建模方法相比,本文提出的方法能够充分利用油中溶解气体浓度信息,因而具有较优的预测精度和泛化能力。     

基于神经网络内模控制的近红外光谱定量分析方法

以近红外光谱法为基础测定方法,结合内模控制,论述了采用自适应神经网络建立校正模型测定石油化工产品组成的可行性.基于dSPACE硬件平台,实验以直馏柴油、加氢精制柴油和催化裂化柴油为校正模型的训练样本,对自适应神经网络校正模型进行了检验,实验结果表明:该方法响应快、误差小、鲁棒性强,在近红外长波区内,校正样品和验证样品的均方误差小于10-6.     

近红外光谱法定量分析亚麻油中的主要组分

用厚度为 1cm的玻璃比色皿作为吸收池 ,测定了亚麻油的近红外光谱 ,利用 70 0 0～ 6 0 0 0cm-1范围内的透波率 ,建立了主成分回归分析模型和BP人工神经网络模型 ,用二模型预测了亚麻油中油酸、亚油酸和亚麻酸的含量 ,预测结果的平均相对误差均在 2 %以内 ,并BP人工神经网络模型预测的效果较好。该法可用于亚麻油中主要组分的实时成分分析。     

基于油中溶解气体谱图的变压器故障识别方法

根据油中溶解气体含量对电力变压器进行故障诊断,一个关键环节是如何从故障气体数据中提取有效反映故障特性的特征量。论文提出了基于特征气体谱图形状参数识别变压器故障的方法,以5种油中溶解气体:乙炔、氢气、乙烷、甲烷和乙烯的相对含量构建了故障的特征气体谱图,并将图形偏斜性、突出性等形状参数作为特征量应用于变压器的故障诊断。应用的结果表明,这种方法有效区分变压器的放电性故障、过热性故障以及"氢主导型"故障,且识别效果达到90%以上,明显优于实践中常用的三比值方法。     

基于氧敏感膜的海水溶解氧测定技术研究

提出了一种利用荧光猝灭原理测定海水溶解氧的方法,分别从光电检测电路、LED驱动电路、光电二极管电路、温度检测电路、信号产生采集处理控制电路等方面详细介绍了基于氧敏感膜的海水荧光信号检测系统设计方案,通过实验测试了荧光信号检测系统对荧光相位滞后检测能力、系统的整体稳定性和系统测试数据的准确度。准确度测试中溶解氧测试数据点饱和度从100.00%减小到11.56%,氧敏感膜荧光信号检测系统所测数据与碘量法误差最大为5.15 μmol/L,两种方法变化趋势相同。此系统可以作为一种海水溶解氧测量仪器,具有良好的应用价值。     

近红外光谱的水体污染指标COD定量预测模型

针对传统化学需氧量（chemical oxygen demand, COD）检测存在检测成本高、耗时、易造成二次污染,以及现有检测模型泛化性较差等不足,难以满足水环境实时监测需求的问题,本研究提出基于近红外光谱技术的COD快速无损定量预测模型。实验结果表明,本模型在污水COD光谱数据集上的预测性能,相较于传统机器学习算法,以及现有其他深度学习算法更优。测试的决定系数（R2）和均方根误差（RMSE）分别达到0.992 1和27.47 mg·L-1,模型卷积层的输出特征可解释强,能有效表征关键波长点。为实际水体COD含量快速检测提供一种新的方法。     

基于支持向量回归的圆锥螺纹检测

以支持向量回归为主要算法,讨论了圆锥螺纹各参数的图像检测方法。采用边缘保持滤波、二值变换等算法,对圆锥螺纹图像进行处理,获得牙形直线部分的像素表征,并以此构成训练集,进行支持向量回归,得到了螺纹牙形直线方程的亚像素表示,据此对锥螺纹的主要参数进行检测,大大降低了CCD的离散性和系统噪声对测量结果的影响。实验表明,本方法具有测量速度较快,测量精度较高的特点。