利用RBF网络的火电厂氮氧化物浓度检测方法

作者：严玥; 江赟; 严实

来源：电子测量与仪器学报, 2017, 31(01): 45-50.

DOI：10.13382/j.jemi.2017.01.007

• 氮氧化物
• 浓度检测
• 干扰
• 神经网络

火电厂排放气体中的氮氧化物（NO2、NO、N2O等）浓度一直是环保检测的重要指标。针对基于光谱分析的氮氧化物浓度检测精度受到多种因素制约和干扰（如温度、粉尘、水分、电器噪音、光学镜片老化、多组分气体吸收峰值交叉干扰等）,很难采用单一方法进行改进的问题。首先设计硬件预处理装置用于气体组分的过滤和提纯,然后利用构建的径向基函数（RBF）网络对传感器测试值进行校正。RBF神经网络的自学习自训练能力省去了传统的对干扰因素进行补偿的研究建模,使得检测中数据处理工作效率更高。随机抽取国内某大型火电厂2015年实际数据进行仿真实验以及预测、分析,综合平均相对误差为0.841%,表明方法的有效性。

• 单位
  重庆川仪分析仪器有限公司; 重庆工商大学