耦合环境干扰下基于混合光谱去噪方法与CPO-BP算法的煤矿甲烷精确测量

《Fuel》：Accurate methane measurement in coal mines under coupled environmental interferences utilizing a hybrid spectral denoising method and the CPO-BP algorithm

　　

摘要

可调谐二极管激光吸收光谱（TDLAS）已成为准确监测甲烷（CH4）以防止煤矿瓦斯爆炸的关键技术。然而，甲烷测量仍受到温度和压力波动引起的非线性背景噪声和交叉干扰的影响。本研究评估了一种混合去噪算法，该算法将自适应噪声的完全集合经验模态分解（CEEMDAN）、样本熵（SampEn）和 Improved wavelet threshold denoising（IWTD）相结合，用于甲烷2f信号的处理，并与代表性去噪方法进行比较。此外，基于冠豪猪优化器（CPO）优化的反向传播神经网络（CPO-BP），构建了一种多参数补偿模型，以解耦环境交叉干扰。结果表明，CEEMDAN-SampEn-IWTD算法有效抑制了噪声，将信噪比从8.20 dB提高至24.04 dB，同时实现了3.0 s的快速响应时间和在118 s积分时间下1.17 ppm的最优检测限。此外，CPO-BP模型成功纠正了复杂温度和压力条件下的浓度偏差，达到了0.9976的决定系数（R2）和25.77 ppm的均方根误差（RMSE）。在本文研究的实验室条件下，综合测量程序提高了CH4测量精度。此外，控湿实验表明H2O对CH4测量仅产生可忽略的干扰，而煤氧化实验验证了该综合测量程序在动态演化的多组分气体氛围中连续监测CH4的能力。

引言

气体灾难对煤矿作业安全构成严重威胁[1]。CH4的积累可能与其他可燃气体形成爆炸性混合物。当暴露于各种点火源时，混合物容易被点燃，最终导致灾难性的气体爆炸[2]、[3]。因此，精确监测煤矿中的CH4浓度对于防止灾难和确保煤矿生产过程的安全生产具有重要意义。煤矿气体检测主要依赖电化学传感器和气相色谱法[4]。然而，煤矿中的多组分气体环境经常会在电化学传感器中引起严重的交叉干扰，并且传感器容易失效，需要频繁校准或更换。气相色谱法需要几分钟才能响应，无法满足实时气体浓度检测的需求。相反，可调谐二极管激光吸收光谱（TDLAS）由于其高灵敏度和长期稳定性的优势，已成为理想的选择。近年来，它在煤矿气体检测领域受到了广泛关注[5]、[6]、[7]、[8]。最新进展还展示了近红外TDLAS在紧凑型和面向现场气体传感方面的潜力。Guo等人开发了一种便携式近红外激光吸收传感器，用于原位痕量NH3测量，证明了使用一体化TDLAS平台实现稳定气体检测的可行性[9]。

TDLAS采用波长调制光谱（WMS）通过提取二次谐波信号来减弱背景干扰，但由于煤矿条件复杂，它仍然容易受到环境波动和电子噪声的影响[10]。这些扰动不可避免地损害了测量精度。为了提高检测精度，实施了噪声抑制策略，例如移动平均滤波、中值滤波和维纳滤波。虽然传统去噪算法在处理线性平稳信号方面表现出了有效性，但它们被证明不足以缓解二次谐波信号中的非线性噪声分量[11]。为了解决传统滤波在处理非平稳和非线性光谱噪声方面的局限性，已经广泛采用了先进的信号处理算法。经验模态分解（EMD）及其混合方法在抑制系统噪声和提高各种痕量气体检测系统的信噪比（SNR）方面表现出了显著的有效性[12]、[13]，特别是当与Savitzky-Golay滤波等算法结合使用时。此外，为了解决常规EMD中的模态混合现象，已经提出了利用自适应噪声的完全集合经验模态分解（CEEMDAN）与wavelet阈值去噪（WTD）相结合的改进方法，从而在分析精度方面取得了实质性改进[14]、[15]。然而，尽管EMD与wavelet阈值去噪协同整合，这些方法在信号重建过程中有效分离噪声分量仍然具有挑战性。这些局限性最终导致关键光谱特征丢失，从而阻碍了传感系统检测精度的提升。

此外，在煤矿甲烷采样和检测过程中，气体通常通过空气泵抽取到吸收池中，使得池内压力难以保持恒定。同时，煤矿中的高温地热和煤氧化过程使目标气体无法保持稳定热态[16]、[17]。在这些复杂环境条件下，温度和压力的波动改变了气体吸收光谱的强度和线宽，导致气体浓度测量的偏差[18]。为确保气体浓度检测的准确性，大量研究集中在表征吸收光谱的温度和压力依赖性上，从而开发了补偿方法来减轻环境干扰。传统补偿策略主要依赖于传统多项式拟合和线性回归分析。例如，基于最小二乘法或线性回归的热学和气压校正模型已在各种应用中实施，包括城市管道泄漏检测、电厂排放监测和煤矿传感[19]、[20]、[21]。然而，这些传统补偿模型通常表现出有限的效能。在宽温度和压力范围条件下，它们的表现不佳，无法保持高预测精度，导致补偿浓度与真实气体浓度之间存在偏差。

最近，机器学习算法被广泛开发以克服传统多项式回归的局限性。标准非线性模型，包括反向传播神经网络（BPNN）和支持向量回归（SVR），在缓解环境交叉干扰和提高检测可靠性方面表现出了卓越的能力[22]、[23]。然而，传统神经网络容易陷入局部极小值，并且对初始参数配置高度敏感。为了提高收敛率和拟合精度，各种群智能算法如遗传算法（GA）、粒子群优化（PSO）和灰狼优化器（GWO）被集成到TDLAS气体传感系统中[24]、[25]、[26]、[27]。混合架构（如GA-BP、PSO-SVM）已证明在提高复杂工业环境（包括煤矿和电厂排放）的测量分析精度方面有效。当前研究主要采用单阶段优化方法来构建补偿模型。然而，采用全局搜索算法的模型存在收敛率下降的问题，这损害了预测精度。相反，仅限于局部搜索机制的优化架构在面对温度和压力的大幅波动时表现出有限的泛化能力。

在这项工作中，构建了一个近红外TDLAS-WMS平台，为在耦合环境扰动下评估甲烷测量提供了稳定可重复的实验基础。本研究重点通过光谱去噪和温度压力耦合效应的非线性补偿的整合来提高甲烷测量精度。首先，采用了CEEMDAN-SampEn-IWTD方法，并与基于CEEMDAN的代表性阈值变体进行了系统比较，用于甲烷二次谐波信号处理。其次，建立了CPO-BP补偿模型，以纠正温度和压力变化引起的甲烷浓度偏差。第三，进行了控湿实验以量化水蒸气对CH4反演的影响。最后，进行了煤氧化加热实验，以评估煤氧化期间动态变化甲烷浓度的连续测量。这些方法为提高煤矿气体监测应用中的甲烷测量精度提供了实验基础。

章节摘要

TDLAS-WMS理论与温度-压力耦合机制

可调谐二极管激光吸收光谱依赖于激光与气体分子之间的相互作用。根据比尔-朗伯定律，当激光束通过气体介质传播时，其入射光强在特定波长处呈指数衰减。因此，通过分析吸收介质前后的激光强度变化，可以精确量化气体的浓度。关系式如公式（1）所示[28]：

I=I?exp[-S(T)PCLφ]

（气体吸收线）

基于TDLAS的传感器的分析性能从根本上依赖于目标气体吸收线的选择。为实现高灵敏度CH4检测，应考虑光谱灵敏度与激光源经济可行性之间的平衡。虽然中红外（MIR）光谱区域内的吸收线表现出更优的强度，但激光元件过于昂贵，不适合在恶劣环境中部署。相比之下，

信号噪声抑制分析

为评估CEEMDAN-SampEn-IWTD去噪方法对含噪声谱信号的有效性，通过MATLAB生成了叠加随机噪声的模拟二次谐波信号，并对其进行CEEMDAN处理。分解结果如图5所示。观察到含噪声的二次谐波信号被分解为10个固有模态函数（IMF1-IMF10）和一个残差分量。噪声分量主要分布在前几个IMF中，直接...

结论

本研究利用已建立的近红外TDLAS-WMS平台，评估了在煤矿环境相关耦合环境干扰下的综合甲烷测量程序。为应对背景噪声，比较了不同的基于CEEMDAN的去噪方法，并使用CEEMDAN-SampEn-IWTD处理二次谐波信号，将系统信噪比从8.2 dB提高至24.04 dB。实验表明，去噪后的测量值表现出优异的线性...

CRediT作者贡献声明

杨一萱：撰写初稿、可视化、验证、软件、方法论、调查、数据整理。秦波涛：审阅与编辑、指导、资源、项目管理、资金获取、概念化。马冬：调查、数据整理。周启庚：调查、数据整理。李梓伟：调查、数据整理。王鸾伟：审阅与编辑、软件。

利益冲突声明

作者声明他们不存在可能影响本文所述工作的已知的竞争性经济利益或个人关系。

致谢

本工作得到了徐州市科技局（gx2025001）、国家自然科学基金联合基金（编号：U24B2042）和中国博士后科学基金（2024M762724）的支持。

杨一萱 | 秦波涛 | 马冬 | 周启庚 | 李梓伟 | 王鸾伟
中国矿业大学煤矿瓦斯与火灾控制重点实验室，徐州 221116，中国