呼出內(nèi)源性氣體具有與人體生理代謝密切相關(guān)的標(biāo)志性信息,通過檢測(cè)相應(yīng)呼出氣體成分與濃度可對(duì)疾病進(jìn)行快速無創(chuàng)診斷。可調(diào)諧半導(dǎo)體激光吸收光譜技術(shù)(TDLAS)作為一種高靈敏、高特異性及測(cè)量系統(tǒng)簡(jiǎn)單穩(wěn)定的光譜學(xué)測(cè)量方法,易于實(shí)現(xiàn)呼出氣體的實(shí)時(shí)在線檢測(cè)。本文應(yīng)用TDLAS對(duì)基于中紅外吸收光譜呼氣檢測(cè)中的關(guān)鍵技術(shù)進(jìn)行了研究,具體工作如下:第一,呼出氣體激光光譜檢測(cè)系統(tǒng)的設(shè)計(jì)與驗(yàn)證。針對(duì)呼氣分析中高靈敏、快速響應(yīng)、方便取樣和多組分同時(shí)檢測(cè)的實(shí)際需求,選擇輻射波長為9.56μm的量子級(jí)聯(lián)激光器(QCL)作為光源,其掃描范圍內(nèi)可覆蓋氨氣、乙烯和二氧化碳等氣體的吸收。在研究了QCL調(diào)制特性的基礎(chǔ)上,基于長光程小體積的環(huán)形氣體吸收池,集成開發(fā)了一套包含呼氣采集等模塊的實(shí)時(shí)在線氣體檢測(cè)系統(tǒng)。采用一次諧波歸一化二次諧波的波長調(diào)制光譜(WMS-2f/1f)技術(shù)實(shí)現(xiàn)氣體免標(biāo)定測(cè)量。通過氨氣和乙烯混合氣體的測(cè)量實(shí)驗(yàn),驗(yàn)證了系統(tǒng)的可行性和有效性。結(jié)果表明,氨氣和乙烯的最低檢測(cè)限分別為7.4ppb和44.7ppb,對(duì)應(yīng)的最佳積分時(shí)間分別為4.52s和3.12s。第二,基于多譜線擬合算法、BP神經(jīng)網(wǎng)絡(luò)算法的多組分氣體濃度反...

【文章頁數(shù)】：76 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景及意義
    1.2 呼氣檢測(cè)技術(shù)的概括研究
        1.2.1 用于呼氣檢測(cè)的技術(shù)方法
        1.2.2 國內(nèi)外研究現(xiàn)狀
            1.2.2.1 國外呼氣分析研究現(xiàn)狀
            1.2.2.2 國內(nèi)呼氣分析研究現(xiàn)狀
        1.2.3 呼氣成分激光檢測(cè)的挑戰(zhàn)
    1.3 可調(diào)諧激光光譜技術(shù)在呼氣檢測(cè)的發(fā)展
    1.4 本文的主要研究?jī)?nèi)容
第二章 基于可調(diào)諧激光光譜技術(shù)的測(cè)量理論
    2.1 氣體分子紅外吸收光譜
        2.1.1 氣體吸收譜線線強(qiáng)
        2.1.2 譜線線型函數(shù)
    2.2 可調(diào)諧激光光譜技術(shù)原理
        2.2.1 Beer-Lambert定律
        2.2.2 直接吸收光譜技術(shù)
        2.2.3 波長調(diào)制光譜技術(shù)
    2.3 多組分氣體濃度反演算法
        2.3.1 多譜線擬合法
        2.3.2 特征提取結(jié)合BP神經(jīng)網(wǎng)絡(luò)算法
            2.3.2.1 BP神經(jīng)網(wǎng)絡(luò)
            2.3.2.2 特征提取方法
    2.4 本章小結(jié)
第三章 呼出氣體檢測(cè)系統(tǒng)設(shè)計(jì)
    3.1 中紅外吸收譜線的分析與選定
        3.1.1 9.56μm波段的吸收譜線分析
        3.1.2 干擾分析
    3.2 系統(tǒng)構(gòu)成
        3.2.1 檢測(cè)系統(tǒng)的整體設(shè)計(jì)
        3.2.2 采集樣氣模塊
        3.2.3 激光光源
        3.2.4 長光程紅外吸收池
        3.2.5 信號(hào)接收處理模塊
    3.3 本章小結(jié)
第四章 呼氣檢測(cè)實(shí)驗(yàn)
    4.1 基于波長調(diào)制技術(shù)的氨氣-乙烯混合氣體檢測(cè)
        4.1.1 最優(yōu)調(diào)制幅度
        4.1.2 測(cè)量信號(hào)及結(jié)果分析
        4.1.3 基于多譜線擬合的濃度反演
            4.1.3.1 仿真驗(yàn)證
            4.1.3.2 仿真結(jié)果與分析
            4.1.3.3 算法實(shí)際應(yīng)用測(cè)量結(jié)果
        4.1.4 基于BP神經(jīng)網(wǎng)絡(luò)的濃度反演
            4.1.4.1 構(gòu)造仿真訓(xùn)練樣本和仿真驗(yàn)證樣本
            4.1.4.2 主成分分析結(jié)合BP神經(jīng)網(wǎng)絡(luò)模型建立
            4.1.4.3 網(wǎng)絡(luò)模型的應(yīng)用結(jié)果與分析
    4.2 氨氣和乙烯檢測(cè)系統(tǒng)性能評(píng)價(jià)
    4.3 基于波長調(diào)制技術(shù)的二氧化碳檢測(cè)
    4.4 人體呼吸二氧化碳實(shí)時(shí)檢測(cè)
    4.5 二氧化碳檢測(cè)系統(tǒng)性能評(píng)價(jià)
        4.5.1 檢測(cè)限
        4.5.2 線性度
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文研究工作總結(jié)
    5.2 研究工作展望
參考文獻(xiàn)
發(fā)表論文和參加科研情況
致謝



本文編號(hào)：3843207