摘要 | 第2-3页 |
abstract | 第3页 |
1 绪论 | 第7-14页 |
1.1 课题的研究背景及意义 | 第7-8页 |
1.2 烟气检测技术的现状 | 第8-11页 |
1.2.1 电化学法 | 第8-9页 |
1.2.2 光谱分析法 | 第9-11页 |
1.3 课题研究的内容 | 第11-12页 |
1.4 本文的结构 | 第12-14页 |
2 光谱分析理论 | 第14-23页 |
2.1 气体光谱的形成机理 | 第14-15页 |
2.2 比尔朗伯定律 | 第15-18页 |
2.2.1 比尔朗伯定律的推导 | 第16-18页 |
2.2.2 吸光度的叠加性 | 第18页 |
2.3 光谱吸收的数学模型 | 第18-20页 |
2.3.1 单一气体的吸收模型 | 第18-19页 |
2.3.2 实际的烟气吸收模型 | 第19-20页 |
2.4 差分吸收光谱法(DOAS) | 第20-23页 |
2.4.1 差分吸收光谱技术原理 | 第20-21页 |
2.4.2 DOAS可利用的光谱区间及可探测的物质 | 第21-23页 |
3 紫外吸收光谱分析算法优化及设计 | 第23-43页 |
3.1 差分吸收烟气分析算法 | 第23-25页 |
3.1.1 差分吸收算法原理 | 第23-24页 |
3.1.2 差分吸收算法数据处理流程 | 第24-25页 |
3.2 循环迭代烟气分析法 | 第25-38页 |
3.2.1 混合气体浓度计算思路 | 第25-26页 |
3.2.2 气体拟合数据表的建立 | 第26-34页 |
3.2.3 循环迭代降低SO_2与NO_2之间的干扰 | 第34-37页 |
3.2.4 NO和NH_3浓度的计算 | 第37-38页 |
3.3 基于蚁群算法的烟气分析法 | 第38-43页 |
3.3.1 蚁群算法的原理 | 第38-39页 |
3.3.2 蚁群算法的设计 | 第39-41页 |
3.3.3 蚁群算法的具体实现 | 第41-43页 |
4 基于蚁群算法的烟气分析系统搭建及验证 | 第43-54页 |
4.1 紫外烟气分析系统组成 | 第43-45页 |
4.2 蚁群算法验证 | 第45-46页 |
4.3 循环迭代算法验证 | 第46-54页 |
4.3.1 拟合公式的验证 | 第46-49页 |
4.3.2 吸光度叠加性的验证 | 第49-51页 |
4.3.3 循环迭代的验证 | 第51-54页 |
5 结论 | 第54-55页 |
5.1 论文完成的工作 | 第54页 |
5.2 论文下一步工作 | 第54-55页 |
参考文献 | 第55-58页 |
致谢 | 第58-60页 |