非分光红外SF6气体传感器及气压补偿方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 典型SF_6气体传感器介绍 | 第9-12页 |
| 1.3 非分光红外气体传感器 | 第12-15页 |
| 1.3.1 非分光红外气体传感器的特点 | 第12页 |
| 1.3.2 非分光红外气体传感器的研究现状 | 第12-14页 |
| 1.3.3 非分光红外气体传感器的气压补偿 | 第14-15页 |
| 1.4 本论文主要研究内容 | 第15-16页 |
| 第二章 非分光红外气体检测原理及方法 | 第16-24页 |
| 2.1 红外光谱吸收原理 | 第16-19页 |
| 2.1.1 分子光谱理论 | 第16-17页 |
| 2.1.2 SF_6红外光谱与特征吸收峰选定 | 第17-18页 |
| 2.1.3 朗伯-比尔定律 | 第18-19页 |
| 2.2 非分光红外检测技术 | 第19-20页 |
| 2.3 光谱吸收检测方法 | 第20-23页 |
| 2.3.1 谐波检测法 | 第20页 |
| 2.3.2 直接吸收检测法 | 第20页 |
| 2.3.3 差分吸收检测法 | 第20-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 非分光红外SF_6气体传感器的系统设计 | 第24-34页 |
| 3.1 传感器总体结构 | 第24-25页 |
| 3.2 红外光源 | 第25-27页 |
| 3.3 滤光片 | 第27-28页 |
| 3.4 双通道热释电探测器 | 第28-30页 |
| 3.5 气压传感器 | 第30-31页 |
| 3.6 光学气室的设计 | 第31-33页 |
| 3.7 本章小结 | 第33-34页 |
| 第四章 基于PSO-BP神经网络的气压补偿 | 第34-46页 |
| 4.1 人工神经网络原理 | 第34-36页 |
| 4.1.1 生物神经元模型 | 第34页 |
| 4.1.2 人工神经元模型 | 第34-36页 |
| 4.2 BP神经网络 | 第36-39页 |
| 4.2.1 BP神经网络理论 | 第36-38页 |
| 4.2.2 BP神经网络算法 | 第38-39页 |
| 4.3 PSO优化算法 | 第39-42页 |
| 4.3.1 PSO优化算法理论 | 第39-40页 |
| 4.3.2 PSO优化BP神经网络 | 第40-42页 |
| 4.4 气压影响因素分析 | 第42-43页 |
| 4.5 气压补偿模型设计 | 第43-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 传感器测试与数据分析 | 第46-61页 |
| 5.1 测试平台 | 第46-47页 |
| 5.2 定标实验 | 第47-51页 |
| 5.2.1 零点定标 | 第48页 |
| 5.2.2 多浓度点定标 | 第48-51页 |
| 5.3 传感器气压补偿及测量结果分析 | 第51-58页 |
| 5.3.1 气压影响验证实验 | 第51-52页 |
| 5.3.2 气压补偿方法对比 | 第52-58页 |
| 5.4 气体传感器性能测试 | 第58-60页 |
| 5.4.1 重复性 | 第58页 |
| 5.4.2 稳定性 | 第58-59页 |
| 5.4.3 精确性 | 第59-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 作者简介 | 第69页 |
