-
朗伯-比尔(Lambert-Beer)吸收定律是光谱检测的基础,即[16]:
$ \begin{gathered} I_{\mathrm{t}}(\nu)=I_0(\nu) \exp [-\alpha(\nu) C L] \approx \\ I_0(\nu)[1-\alpha(\nu) C L] \end{gathered} $
(1) 式中: It(ν)与I0(ν)分别为透射光强与入射光强;ν为激光频率(cm-1);C为被测气体浓度(mol·cm-3);L为光程(cm);α(ν)为气体吸收系数。
对于不同的气体,其吸收系数α(ν)与气体分子吸收截面、温度、压强、特征谱线强度均有关,可以表示为:
$ \alpha(\nu)=\sigma(\nu) N=S(T) N \delta\left(\nu, \nu_0\right) $
(2) 式中: σ(ν)为频率ν处气体分子吸收截面(cm2);S(T)为气体分子吸收线强度(cm/mol);T为气体温度(K);δ(ν, ν0)为归一化的线型函数,主要表征气体分子吸收线的展宽; ν0为气体吸收线频率;N为气体分子数密度(cm-3),可表示为:
$ N=n \frac{N_{\mathrm{A}}}{V}=\frac{p V}{R T} \frac{N_{\mathrm{A}}}{V}=\frac{p N_{\mathrm{A}}}{R T} $
(3) 式中: n为气体的摩尔数(mol);p为气体压强(Pa);V为气体体积(m3);R为摩尔气体常数,其大小为8.314472 J/(mol·K);NA为阿伏伽德罗常数,其大小为6.0221415×1023;结合式(1)~式(3)可得:
$ \alpha(\nu)=S(T) \delta\left(\nu, \nu_0\right) \frac{p N_{\mathrm{A}}}{R T} $
(4) Lambert-Beer定律可表示为:
$ I_{\mathrm{t}}(\nu)=I_0(\nu)\left[1-S(T) \delta\left(\nu, \nu_0\right) \frac{p N_{\mathrm{A}}}{R T} C L\right] $
(5) 式中: 入射光强I0(ν)、光程L已知,透射光强It(ν)可由光电探头获得,阿伏伽德罗常数NA与摩尔气体常数R为定值,气体分子吸收线强度S(T)可由高分辨率透射分子吸收数据库(HITRAN)获得,因此,确定分子吸收线型与温度压力等参数后,根据光电探头获得的数据并结合式(5)便可反演出待测气体体积分数。
-
气体分子的吸收线型和半峰半宽(half width at half maximum, HWHM)是进行红外吸收定量测量时的重要参数,在数据库HITRAN中可以直接获得S(T)特征线强度,图 1是1654 nm附近甲烷与几种常见呼出气的分子吸收线强度谱图。可以看出, 在1654 nm附近,甲烷气体吸收线的强度与数量都远高于其它常见呼出气。
图 1 甲烷、二氧化碳和水蒸气的吸收线强度
Figure 1. Absorption line intensity of methane, carbon dioxide and water vapor
但是在实际应用中,常常需要将吸收线强度S(T)转为吸收线中心处附近的峰值吸收σ(ν)[17],由式(2)可得σ(ν)=S(T)·δ(ν, ν0),并且由于不同的环境因素,如压强、温度等对气体分子吸收线展宽的影响,线性函数的选取也将不同。考虑到人体呼出气的压力和温度特性,碰撞展宽将占据主导地位,故选用Lorentz线型函数进行拟合,可表示为[18]:
$ \delta\left(\nu, \nu_0\right)=\frac{\Delta \nu}{\mathsf{π}} \cdot \frac{1}{(\Delta \nu)^2+\left(\nu-\nu_0\right)^2} $
(6) 式中: δ(ν, ν0)为Lorentz线性函数;Δν为吸收线半峰半宽,可表示为[19]:
$ \Delta \nu=\kappa \cdot\left(\frac{T_0}{T}\right)^{n_{\text {air }}} \cdot p $
(7) 式中: κ是压力展宽系数;T0表示常温,即296 K;nair为温度相关系数。κ和nair均可由HITRAN数据库查得,因此设定好温度、压强等条件后便可得到对应的线性函数。
图 2是模拟了人体常见呼出气中主要成分与痕量甲烷气体的吸收峰图。根据呼出气的主要成分组成[2],设定二氧化碳体积分数φCO2=0.045、水蒸气体积分数φH2O=0.045、甲烷体积分数φCH4=10×10-6。对于占比含量最多的氧气和氮气,由于在扫频范围内没有吸收峰,故不予考虑,温度设定为33 ℃,即310 K,压强设定为1.01×105 Pa。
-
TDLAS技术分为直接吸收法与光谱调制法,而光谱调制又可以分为波长调制光谱法(WMS)与频率调制光谱法(frequency modulation spectroscopy, FMS)[20]。光谱调制法相比较于直接吸收法,由于叠加了高频电流,将整体信号移到高频区,从而避开了激光器的低频噪声,提高了信噪比。通过正交锁相放大器,提取带有气体体积分数信息的2次谐波信号,大幅提升了气体检出限与分辨精度[21]。
波长调制技术的主要原理是:在低频扫描信号的基础上,叠加高频调制电流,则激光器输出的波数与光强变化关系为[22]:
$ \nu(t)=\nu_\text{c}+s(t)+h \cos (\omega t+\phi) $
(8) $ I(t)=I_0(\nu)\left[1+P_1 \Delta \nu \eta+P_2 \Delta \nu m \cos (\omega t)\right] $
(9) 式中: νc为激光器输出的中心频率;s(t)为扫描信号;t为时间;h为调制深度;ω为调制频率;$\phi$≈0为频率调制与强度调制间的相位差,由于调制频率较低,仿真中将忽略;P1与P2分别为低频调制与高频调制对应的光强转换系数;η=(νc-ν0)/Δν为激光输出频率与吸收线频率的偏差;m=h/Δν为调制深度的无量纲系数,通常选定为2.2, 以获取2次谐波极值。
-
本文中使用可视化仿真工具对TDLAS系统进行建模仿真,仿真系统主要包括以下5个模块:激光输出模块、线型函数展宽模块、模拟吸收模块、光电检测模块以及谐波提取模块。
首先对激光输出模块进行仿真,由式(8)、式(9)有:
$ \begin{gathered} \nu(t)=\nu_{\mathrm{c}}+m \Delta \nu \cos (2 \mathsf{π} f t)+ \\ \Delta \nu^{\prime} \cdot \operatorname{sawtooth}(t, 1) \end{gathered} $
(10) $ \begin{gathered} I(t)=I_0\left[1+P_1 \Delta \nu^{\prime} \cdot \operatorname{sawtooth}(t, 1)+\right. \\ \left.m P_2 \Delta \nu \cos (2 \mathsf{π} f t)\right] \end{gathered} $
(11) 式中:sawtooth(·)为可视化仿真工具中产生锯齿波的函数; Δν′为激光输出频率范围; f为频率。随后是线性函数的选取,由于本文作者研究常温常压下甲烷气体体积分数,因此选择洛伦兹线型进行拟合;通过光电转换与锁相放大处理后,最终提取到包含待测气体体积分数信息的2次谐波信号。
受调制的激光波形如图 3所示。图 3a模拟了输出的调制激光波数变化,在高频正弦信号与低频锯齿波信号的调制下,输出激光扫频过6046 cm-1~6047 cm-1之间的区间;图 3b模拟了调制后的激光经过不同体积分数甲烷气体后的透射光强,模拟路径为10 m,温度为310 K,压强为1.01×105 Pa,调制频率为10 kHz,调制深度为2.2,可以看出, 透射光强在吸收峰中心出现了明显下凹; 图 3c模拟了通过锁相放大模块提取到的2次谐波信号。
-
由于实际应用中,系统会受到包括热噪声在内的多种干扰,经典的WMS-TDLAS系统存在抗噪性差,波形不完整等缺点,本节中通过对锯齿波扫描信号进行优化以提高系统稳定性。
对于传统的TDLAS系统,通常选用低频锯齿波信号作为扫描信号,这样的好处在于结构简单,只要调节锯齿波的振幅,被调制的激光频段就可以覆盖待测气体的吸收峰,但相应地,这种均匀扫过待测区间的方式,一旦受到热噪声等干扰时,得到的2次谐波峰值会出现较大的波动,影响系统整体的稳定性。本文中对低频扫描信号做了优化,使用锯齿波信号的3次方作为扫描信号(如图 4所示),这意味着在一个扫描周期内,激光能量将会更多地集中在吸收峰的中心波长处,这样即使因为噪声干扰或者信号采样问题导致峰值出现波动,通过对理论极值区域进行均值计算,将提高系统的稳定性与抗噪性。
图 5a为使用传统锯齿波作为扫描信号的TDLAS系统所提取到的2次谐波信号,模拟路径为10 m,温度为310 K,压强为1.01×105 Pa,调制频率为20 kHz,调制深度为2.2;图 5b为优化扫描信号后的2次谐波信号。可以明显看出,由于添加了随机噪声,两种方法的2次谐波信号都出现了较多的“毛刺”, 但是相较于锯齿波信号尖锐的峰值,优化扫描信号后的2次谐波信号虽然也存在较大起伏,可以通过取均值等数据处理手段得到相对准确的峰值信息,而线性扫描信号的2次谐波峰值跳变较大,同时峰宽较窄,容易出现漏采等问题,稳定性受到较大影响。
考虑到噪声干扰造成的影响,针对体积分数为20×10-6~70×10-6的甲烷气体,同时仿真两种方法在随机噪声干扰下的稳定性,在不改变噪声强度的情况下,随机选用10组噪声,加入到调制信号中,调制频率20 kHz,扫描频率1 Hz,调制系数2.2。由图 6a和图 6b对比可以明显看出,传统低频锯齿波扫描信号得到的2次谐波极值上下波动较大,即针对同一体积分数的甲烷气体做多次测量,因为随机噪声的干扰,导致得到的2次谐波极值并不稳定,这对于要求低检出限的呼气分析系统存在较大影响;而采用优化扫描信号得到的2次谐波信号稳定性明显优于传统锯齿波方法,一般情况下为了兼顾2次谐波完整性与气体体积分数检测的精准,选取的扫描区域必须大小合适,过大会包含干扰气体的吸收峰,过小又无法得到完整的2次谐波,同时在实际应用中,由于各种环境干扰,很难精准地将激光器的中心波长调控在想要的吸收峰上,而采用优化扫描信号后,可以在选择较大扫描范围的同时,快速地将激光波长调控到吸收峰中心波长处,以图 4b为例,0.4 s时,激光输出就已经调控到接近吸收峰中心的波长了,接下来0.4 s~0.6 s之间的时间,激光波长几乎没有什么变化,而使用锯齿波作为扫描信号只有0.5 s这一刻,激光波长锁定在吸收峰中心,这意味着只要在中心波长处有些许干扰就会使得得到的2次谐波极值出现较大波动,使得抗噪性弱于优化扫描信号的系统。
偏差计算方法:定义M为各自测量时的平均值,max(·)为取最大值,Mi为第i次仿真的归一化强度值,则χ便可以形容各组数据的偏差值,偏差值χ越大,说明稳定性越差,反之,稳定性就越好。
$ M=\frac{1}{K} \sum\limits_{i=1}^K M_i $
(12) $ \chi=\max \left(\frac{\left|M_i-M\right|}{M}\right) \times 100 \% $
(13) 将图 6的数据代入式(12)、式(13)后计算可知,优化扫描信号后,偏差值由0.3%降至0.07%,稳定性有较大提高,这与DENG等人[15]的研究相符,他们采用半椭圆扫描信号对吸收峰进行半波扫描,实验证明, 在使用较低采样率时,半椭圆扫描信号结果的变异系数比锯齿波扫描信号降低了1/3,这说明通过优化扫描信号波形可以提升TDLAS系统的稳定性。本文作者在此基础上采用反S型扫描波形,其特点是综合了锯齿波与半椭圆波形的优点,进一步增大了单个周期内吸收区的时间占比,提升了系统测量的稳定性。
在优化扫描信号后,对体积分数在1×10-6~7×10-4的甲烷气体进行仿真,如图 7所示。由吸收线中心波长处附近的2次谐波信号幅值做均值计算后得出的平均振幅随着体积分数的增加而增加,同时做线性拟合可以发现, 信号强度与体积分数呈现良好的一次关系(相关系数R2=99.99%)。
基于调制激光光谱吸收的高稳定性气体检测
High-stability gas detection based on modulated laser spectral absorption
-
摘要: 为了精确测定待测气体的体积分数,提高可调谐二极管激光吸收光谱(TDLAS)的稳定性,优化了TDLAS气体检测系统的扫描信号。基于HITRAN数据库,选定了甲烷气体在1654 nm附近吸收峰,计算出含甲烷、水蒸气和二氧化碳混合气体的吸收系数;使用可视化仿真工具对气体检测系统进行理论仿真,同时通过搭建的气体检测系统验证仿真结果。结果表明,通过优化扫描信号,提高了检测系统的稳定性,偏差值从0.3%降至0.07%;建立了2次谐波信号均值与气体体积分数的反演模型,线性拟合的相关系数R2=99.99%。此研究为提升TDLAS系统的稳定性和准确性,及实现高稳定气体检测具有一定的参考价值。
-
关键词:
- 光谱学 /
- 波长调制光谱-可调谐二极管激光吸收光谱 /
- 呼出气检测 /
- 建模仿真
Abstract: In order to accurately determine the volume fraction of the gas to be measured and to improve the stability of tunable diode laser absorption spectroscopy (TDLAS), the scan signal of the TDLAS gas detection system was optimized. Based on the HITRAN database, the absorption peak of methane gas near 1654 nm was selected, and the absorption coefficients of the gas mixture containing methane, water vapor and carbon dioxide were calculated; a visual simulation tool was used to simulate the gas detection system theoretically, and the simulation results were verified by the gas detection system. The results show that the stability of the detection system is improved by optimizing the scanning signal, and the deviation value is reduced from 0.3% to 0.07%; the inverse model of the mean value of the second harmonic signal and the volume fraction of the gas is established, and the correlation coefficient of the linear fit R2=99.99%. This study has a certain reference value for improving the stability and accuracy of the TDLAS system and achieving high stability gas detection. -
-
[1] RIGHETTONI M, AMANN A, PRATSINIS S E. Breath analysis by nanostructured metal oxides as chemo-resistive gas sensors[J]. Materials Today, 2015, 18(3): 163-171. doi: 10.1016/j.mattod.2014.08.017 [2] SELVARAJ R, VASA N J, NAGENDRA S M S, et al. Advances in mid-infrared spectroscopy-based sensing techniques for exhaled breath diagnostics[J]. Molecules, 2020, 25(9): 2227. doi: 10.3390/molecules25092227 [3] PAULING L, ROBINSON A B, TERANISH R, et al. Quantitative analysis of urine vapor and breath by gas-liquid partition chromatography[J]. Proceedings of the National Academy of Sciences of the United States of America, 1971, 68(10): 2374-2376. [4] FLOSS M A, FINK T, MAURER F, et al. Exhaled aldehydes as biomarkers for lung diseases: A narrative review[J]. Molecules, 2022, 27(16): 5258. doi: 10.3390/molecules27165258 [5] DUMITRAS D C, PETRUS M, BRATU A M, et al. Applications of near infrared photoacoustic spectroscopy for analysis of human respiration: A review[J]. Molecules, 2020, 25(7): 1728. doi: 10.3390/molecules25071728 [6] YANG D, GOPAL R A, LKHAGVAA T, et al. Metal-oxide gas sensors for exhaled-breath analysis: A review[J]. Measurement Science and Technology, 2021, 32 (10): 102004. doi: 10.1088/1361-6501/ac03e3 [7] ZHOU X Y, XUE ZH J, CHEN X Y, et al. Nanomaterial-based gas sensors used for breath diagnosis[J]. Journal of Materials Chemistry, 2020, B8(16): 3231-3248. [8] NARASIMHAN L R, GOODMAN W, PATEL C K N. Correlation of breath ammonia with blood urea nitrogen and creatinine during hemodialysis[J]. Proceedings of the National Academy of Sciences of the United States of America, 2001, 98 (8): 4617-4621. [9] 王鑫, 荆聪蕊, 侯凯旋, 等. 基于TDLAS技术的人体呼气末CO2在线检测[J]. 中国激光, 2020, 47(3): 0311002. WANG X, JING C R, HOU K X, et al. Online detection of human-exhaled end-tidal carbon dioxide using tunable semiconductor absorption spectroscopy[J]. Chinese Journal of Lasers, 2020, 47(3): 0311002(in Chinese). [10] WINKOWSKI M, STACEWICZ T. Detection of ethane, methane, formaldehyde and water vapor in the 3.33 μm range[J]. Metrology and Measurement Systems, 2022, 29(2): 271-282. [11] 吕文静, 李红莲, 李文铎, 等. TDLAS技术调制参量的优化及实验研究[J]. 激光技术, 2021, 45(3): 336-343. LÜ W J, LI H L, LI W D, et al. Optimization and experimental research on modulation parameters of TDLAS technology[J]. Laser Technology, 2021, 45(3): 336-343(in Chinese). [12] ALORIFI F, GHALY S M A, SHALABY M Y, et al. Analysis and detection of a target gas system based on TDLAS & LabVIEW[J]. Engineering Technology & Applied Science Research, 2019, 9(3): 4196-4199. [13] LIANG W K, WEI G F, HE A X, et al. A novel wavelength modulation spectroscopy in TDLAS[J]. Infrared Physics & Technology, 2021, 114: 103661. [14] WANG Zh M, CHANG T Y, ZENG X B, et al. Fiber optic multipoint remote methane sensing system based on pseudo differential detection[J]. Optics and Lasers in Engineering, 2019, 114: 50-59. doi: 10.1016/j.optlaseng.2018.10.013 [15] DENG B T, SIMA CH T, XIAO Y F, et al. Modified laser scanning technique in wavelength modulation spectroscopy for advanced TDLAS gas sensing[J]. Optics and Lasers in Engineering, 2022, 151: 106906. doi: 10.1016/j.optlaseng.2021.106906 [16] 孙利群, 邹明丽, 王旋. 可调谐半导体激光吸收光谱法在呼吸诊断中的应用[J]. 中国激光, 2021, 48(15): 1511001. SUN L Q, ZOU M L, WANG X. Application of tunable diode laser absorption spectroscopy in breath diagnosis[J]. Chinese Journal of Lasers, 2021, 48 (15): 1511001(in Chinese). [17] LIANG W K, DONG X Z, BI Y F, et al. Temperature and pressure dependence of the line shape at λ=763 nm in oxygen concentration detection[J]. Optik, 2019, 176: 236-240. doi: 10.1016/j.ijleo.2018.09.084 [18] GONG W H, HU J, WANG Zh W, et al. Recent advances in laser gas sensors for applications to safety monitoring in intelligent coal mines[J]. Frontiers in Physics, 2022, 10: 1058475. doi: 10.3389/fphy.2022.1058475 [19] BAI Y R, YU H J, HE Ch J, et al. A numerical simulation of a near-infrared three-channel trace ammonia detection system using hollow core photonic crystal fiber[J]. Optik, 2021, 227: 166006. doi: 10.1016/j.ijleo.2020.166006 [20] 宫学程, 高一凡, 杨军, 等. TDLAS波长调制压力测量法参数优化[J]. 光学技术, 2020, 46(2): 134-139. GONG X Ch, GAO Y F, YANG J, et al. Parameter optimization of TDLAS wavelength modulation pressure measurement method[J]. Optical Technique, 2020, 46(2): 134-139(in Chinese). [21] WANG B, TANG X J, GAN Y Y, et al. A TC/WMS-TDLAS mid-infrared detection method for ultra-low concentration carbon isotope methane[J]. Journal of Analytical Atomic Spectrometry, 2022, 37(12): 2615-2624. doi: 10.1039/D2JA00142J [22] LI J Y, LI L H, ZHAO Sh, et al. Application research of tunable diode laser absorption spectroscopy in petroleum industry[J]. Laser & Optoelectronics Progress, 2022, 59(13): 1300006(in Chinese).