国家自然科学基金(21203203)
- 作品数:5 被引量:37H指数:3
- 相关作者:张龙王安计敏刘勇吴晓松更多>>
- 相关机构:中国科学技术大学中国科学院合肥物质科学研究院北京市烟草质量监督检测站更多>>
- 发文基金:国家自然科学基金更多>>
- 相关领域:农业科学轻工技术与工程医药卫生机械工程更多>>
- 基于LabVIEW的卷烟主流烟气中CO在线检测系统被引量:3
- 2016年
- 针对使用非色散红外法对卷烟主流烟气中CO检测所导致的操作不便、无法实现在线逐口检测的缺陷,设计了一套基于LabVIEW采用TDLAS(tunable diode laser absorption spectroscopy)技术对卷烟主流烟气中CO进行在线检测的系统。硬件结构主要包括一台用于卷烟逐口抽吸的吸烟机,以及用于气体浓度检测的TDLAS控制器。通过对TDLAS控制器中锁相放大器输出的二次谐波信号进行采集和处理,计算出逐口抽吸得到的主流烟气中CO浓度。逐口抽吸的体积一定,进而可以计算出逐口抽吸的主流烟气中CO含量。通过实验结果证明,系统能够有效对卷烟主流烟气中CO进行在线逐口检测,且运行稳定可靠。
- 崔海滨杨柯张龙吴晓松刘勇王安李慧计敏
- 关键词:LABVIEW主流烟气CO在线检测
- TDLAS技术在线分析主流烟气气相物中CO的逐口释放特征
- 2015年
- 为准确分析卷烟主流烟气气相物中CO的逐口释放特征,改造了单孔道吸烟机,建立了一套基于可调谐二极管半导体激光吸收光谱(TDLAS)技术的卷烟主流烟气逐口在线分析系统。利用该系统,分析了管路和滤片夹持器残留对烟气逐口分析结果的影响,对4种不同类型卷烟中CO的逐口释放量进行了检测,探讨了其传递规律。结果表明:1清除残留前后CO的逐口传递规律明显不同;2在清除模式下,主流烟气中CO的释放量先降低后逐口增加,其中第2口的CO释放量最低。与传统检测方法相比,基于TDLAS技术的改造型单孔道吸烟机,能快速完成烟气中CO的检测,并有效避免烟气中其他成分的干扰。
- 杨柯崔海滨李慧范黎张龙吴晓松李志刚王安刘勇计敏
- 关键词:卷烟主流烟气CO
- 基于Gabor变换的TDLAS检测信号的降噪研究被引量:13
- 2016年
- 可调谐二极管激光吸收光谱(TDLAS)技术结合波长调制光谱(WMS)技术是用于痕量气体检测的重要技术手段。通过锁相放大器进行谐波检测,对解调得到的二次谐波信号进行分析可获得气体吸收的信息。但由于二次谐波信号受到噪声的影响,降低了检测系统的精度和稳定性。为了提高 TDLAS检测系统的信噪比(SNR),提出了一种基于 Gabor变换对二次谐波信号进行数字滤波降噪的方法。以 CH4在1653.72 nm处的吸收光谱为例,通过仿真和实验对该降噪方法的有效性进行了验证。仿真结果表明,通过 Gabor 变换对信噪比为0dB的二次谐波信号进行处理后,系统的信噪比可提高15.73 dB。实验结果表明,基于Gabor变换进行降噪处理后,CH4浓度在0.001%-0.02%区间内与二次谐波峰值的线性相关系数r达到了0.99659,且系统的检测精度和稳定性明显提高。
- 崔海滨杨柯张龙吴晓松刘勇王安李慧计敏
- 关键词:GABOR变换二次谐波降噪
- 基于TDLAS技术的卷烟烟气CH_4含量检测系统被引量:4
- 2015年
- 卷烟烟气的快速、实时分析对于研究卷烟烟气在抽吸过程中的逐口传递规律,探究吸烟与健康的关系具有十分重要的意义。为准确分析卷烟烟气中CH_4的逐口释放特征,基于TDLAS技术,结合改造后的商用单孔道吸烟机,建立了卷烟烟气在线分析系统。以装有CH_4(体积分数为0.4‰)的集气袋模拟卷烟,验证了本系统的逐口稳定性,二次谐波峰值稳定在1.39附近。利用该系统,选择中心波长在1653.72nm的半导体激光器对四种品牌卷烟烟气中的CH4进行了逐口在线分析。实验结果表明,卷烟烟气中CH_4的含量随着抽吸口数的增加而增加。烤烟型卷烟的总量和逐口含量均明显大于混合型卷烟,烤烟型和混合型卷烟分别在400~900和200~600ppm范围内逐口递增。同时不同类型烤烟型卷烟烟气中CH_4的总量和逐口含量也有差别。与传统的逐口分析方法相比,本系统抗干扰能力强,能够有效避免烟气中其他气体干扰,并且可在卷烟抽吸间隔完成逐口检测,无需样品前处理,大大提高了检测效率。该技术在卷烟烟气的逐口在线检测方面具有较好应用前景。
- 杨柯张龙吴晓松李志刚王安刘勇计敏
- 关键词:卷烟烟气CH4
- 基于神经网络模式识别的糖尿病无创风险评估方法研究被引量:18
- 2014年
- 晚期糖基化终末产物在人体皮肤组织中的浓度与高血糖水平密切相关,且具有自发荧光特性。使用自行研制的光学无创检测装置对人体皮肤组织的自体荧光光谱进行测量,建立神经网络模式识别模型对检测对象患有糖尿病的可能性进行风险评估。利用检测装置获取荧光光谱后对光谱数据进行主成分分析,选取前4个主成分作为光谱的特征,建立一个具有4个输入层节点、6个隐层节点、1个输出节点的神经网络模式识别模型。选取在安徽省立医院测量的487例对象数据训练该模型,以70%数据作为训练集,15%数据作为验证集,15%数据作为测试集。模型可给出测试对象罹患糖尿病的风险,或直接给出是否糖尿病的判断。结果显示该模型的受试者工作特性曲线的线下面积为0.81,标准误差为0.02;以模型输出0.5为分类界限时的敏感性为72.4%,特异性为77.6%,整体准确率为74.9%。本研究首次提出使用皮肤组织自体荧光结合神经网络模式识别模型对糖尿病进行无创风险评估,实验结果表明该方法的筛查效果优于目前常用的空腹静脉血浆血糖值法和糖化血红蛋白法。
- 李飞王贻坤朱灵张元志计敏张龙刘勇王安
- 关键词:医用光学神经网络模式识别晚期糖基化终末产物荧光光谱糖尿病