【儀表網 研發(fā)快訊】近日，中國科學院安徽光機所李相賢研究員團隊，在惡劣工況下復雜煙氣紅外光譜智能定量反演領域取得重要突破。相關研究成果分別以《通過MIV-GWO-ELM集成框架克服飽和效應的高濃度CO2的FTIR定量分析》“FTIR　quantitative　analysis　of　high　concentration　CO2　overcoming　saturation　effects　via　an　MIV-GWO-ELM　integration　framework”和《克服FTIR光譜中的非線性：一種用于鋼鐵燒結煙氣中穩(wěn)健一氧化碳監(jiān)測的混合PSO-ELM方法》“Overcoming　nonlinearity　in　FTIR　spectroscopy：　A　hybrid　PSO-ELM　approach　for　robust　carbon　monoxide　monitoring　in　steel　sintering　flue　gas”　為題，發(fā)表在領域知名期刊《分析化學》Analytical　Chemistry和《紅外物理與技術》Infrared　Physics　and　Technology上。
 

　　復雜高溫煙氣在線監(jiān)測，是工業(yè)領域落實超低排放、推進碳減排工作的關鍵技術支撐。其中，傅里葉變換紅外光譜技術(FTIR)憑借分辨率高、可同時監(jiān)測多組分等優(yōu)勢，已成為工業(yè)復雜高溫煙氣在線監(jiān)測的重要手段。但在實際應用中，受限于紅外儀器光譜分辨率的限制，加之工業(yè)現場復雜環(huán)境因素的干擾，煙氣吸光度與氣體濃度之間呈現明顯的非線性特征，這一問題，一直是惡劣工況下，復雜煙氣成分高精度檢測的前沿技術瓶頸，嚴重制約了監(jiān)測數據的準確性。
 

　　針對上述難題，研究團隊創(chuàng)新地將傅里葉變換紅外光譜(FTIR)技術與人工智能優(yōu)化算法相結合，通過精簡、實用的算法架構，成功實現了對煙氣中一氧化碳CO和二氧化碳CO2濃度的精準反演，有效提升了復雜工況下的監(jiān)測精度。
 

　　在二氧化碳高濃度飽和定量分析中，研究團隊則提出了由平均影響值和灰狼優(yōu)化算法(模擬狼群狩獵和等級來尋找最優(yōu)解的群智能算法)改進的極限學習機模型(MIV-GWO-ELM)。該模型首先選擇在2250-2400cm?¹范圍的二氧化碳特征光譜區(qū)間，利用MIV算法篩選出核心光譜變量，從物理源頭上減輕飽和效應的影響；再利用灰狼優(yōu)化算法(GWO)對網絡權重、偏置參數進行深度尋優(yōu)，進一步提升了模型在極端強非線性條件下，二氧化碳濃度的預測精度。
 

　　在一氧化碳監(jiān)測方面，團隊采用粒子群優(yōu)化算法(PSO)的極限學習機(ELM)混合預測模型(PSO-ELM)。該方法首先通過airPLS基線校正算法減小背景漂移造成的監(jiān)測誤差，同時選取2050-2145cm?¹這一特征波段，規(guī)避水汽與二氧化碳的重疊干擾，保證監(jiān)測信號的純粹性；隨后利用粒子群算法(PSO)的全局搜索能力對網絡參數進行尋優(yōu)，有效克服了傳統(tǒng)極限學習機(ELM)因隨機初始化而導致的預測數值不穩(wěn)定的問題。
 

　　該研究為工業(yè)復雜工況下的紅外光譜定量分析，提供了新的解決方案，有望推動智能化紅外光譜智能化在線監(jiān)測技術的落地應用與快速發(fā)展，為工業(yè)超低排放和碳減排工作提供更精準的技術支撐。
 

　　中國科學院安徽光機所與聊城大學聯合培養(yǎng)碩士研究生趙天翔為論文第一作者，安徽光機所李相賢研究員和聊城大學朱存光副教授為論文通訊作者。該研究得到國家重點研發(fā)計劃青年科學家項目(2024YFC3714000)、國家重點研發(fā)計劃項目(2023YFC3705400)的資助支持。
 

　　引用：AI賦能FTIR監(jiān)測 安徽光機所團隊破解復雜高溫煙氣非線性監(jiān)測難題 安徽光學精密機械研究所 【引用時間：2026年6月5日】