红外光气体检测:1.分子振动与红外吸收、检测系统的基本模型和红外敏感元件

  1. 分子振动与红外吸收

    • 分子偶极矩的变化频率分子内原子振动状态有关:μ=qd,其中μ是偶极矩,q是电荷,d是正负电荷中心距离。                                                                                           

      分子在振动时,如果它的正电荷中心和负电荷中心之间的距离发生变化,那么这个分子就有一个叫做“偶极矩”的特性。偶极矩的大小取决于电荷量(q)和这两个电荷中心之间的距离(d)。当分子振动时,这个距离会改变,因此偶极矩也会随之变化。这种变化与分子内部原子的振动状态紧密相关。简单来说,就是分子振动时,如果它的电荷分布发生变化,那么它就会吸收或发射红外光,这种现象是红外光谱分析的基础。
    • 红外光谱的产生与分子振动能级之间的跃迁有关:ΔE振​=EL​,其中ΔE振​是振动能级间隔,EL​是光量子能量。                                                                                                    当一个分子从一个振动状态跳到另一个振动状态时,它需要吸收或释放一定的能量,这个能量的大小就是“振动能级间隔”(ΔE振)。这个能量间隔正好等于一个“光量子”的能量(EL),也就是光的一个基本能量单位。换句话说,分子振动状态的改变需要通过吸收或发射一个光量子来实现,这个光量子的能量与分子振动能级的间隔是相等的。这就像是说,如果你想让一个分子从一个振动模式切换到另一个,你需要给它刚好足够的一个光能量包(光量子),不多也不少。                                                                                                     
    • 双原子分子只有伸缩振动v = \frac{1}{2\pi c} \sqrt{\frac{k}{\mu}},其中v是振动频率,c是光速,k是力常数,μ是折合质量。公式表明,振动频率与化学键的强度(力常数)的平方根成正比,与折合质量的平方根成反比。这意味着,如果化学键越强(k越大),振动频率就越高;如果两个原子越轻(μ越小),振动频率也会越高。

    • 红外吸收光谱产生条件:ΔE振​=EL​,且分子在振动过程中必须有瞬间偶极矩的改变。
  2. 检测系统的基本模型

    • 气体检测模型I = I_0 e^{-\alpha L c}其中I是透射光强度,I_0​是入射光强度,α是吸收系数,L是光程,c是气体浓度。它表明透射光强度随着气体浓度的增加、光程的增加或吸收系数的增加而指数式地减少。这是因为气体分子会吸收特定波长的红外光,吸收的量与气体浓度、光程和吸收系数成正比。 
    • 曲线形状:我们不妨写一段Python代码绘制一下该模型的大致曲线,代码如下:         
      import numpy as np
      import matplotlib.pyplot as plt
      plt.rcParams['axes.unicode_minus'] = False
      plt.rcParams['font.sans-serif'] = ['SimHei']
      # 参数设置
      I0 = 1.0  # 入射光强度
      alpha = 0.5  # 吸收系数
      L = 10.0  # 光程
      c = np.linspace(0, 1, 100)  # 气体浓度范围从0到1
      
      # 透射光强度
      I = I0 * np.exp(-alpha * L * c)
      
      plt.figure(figsize=(10, 6))
      plt.plot(c, I, label='I = I0 * exp(-alpha * L * c)')
      plt.xlabel('气体浓度 (c)')
      plt.ylabel('透射光强度 (I)')
      plt.title('透射光强度随气体浓度变化曲线')
      plt.legend()
      plt.grid(True)
      plt.show()
      

                             
  3. 红外敏感元件及探测器的设计

    • 热探测器的基本参数D^* = \frac{1}{\text{NEP}},其中D∗是比探测率,是一个衡量探测器性能的参数,表示在单位带宽内,探测器能够检测到的最小信号功率。D*越高,探测器的灵敏度越高。NEP是等效噪声功率,是指探测器能够检测到的最小信号功率,这个功率与探测器的噪声水平相等。NEP越小,探测器的灵敏度越高
    • 热释电探测器原理i_d = \omega P A_d \Delta T_d,其中i_d是热释电电流,是由于温度变化在热释电材料中产生的电流;ω是入射辐射的频率;P是热电系数,是热释电材料的一个特性参数,表示材料对温度变化的电响应能力;Ad​是响应元面积,即探测器响应辐射的面积;ΔTd​是由于吸收辐射导致的探测器温度变化。
    • 滤光片的作用\tau_F​是滤光片允许特定波长光通过的能力。传输率越高,滤光片对特定波长光的透过能力越强。
    • 探测器信号的初级检测技术A = 1 + \frac{R_3}{R_2},其中A是放大器增益,即放大器放大输入信号的能力。增益越高,输出信号相对于输入信号的放大倍数越大。R3​和R2​是放大器电路中的两个电阻值,它们的比例决定了放大器的增益。
  4. 探测器性能实验测试与分析

    • 频率与热响应关系R = \frac{V_s}{\Phi_s} = \frac{\omega \alpha \tau_F A_s P}{G_T} \frac{1}{R} \frac{1}{\sqrt{1 + (\omega \tau_T)^2}} \frac{1}{\sqrt{1 + (\omega \tau_E)^2}}其中R是响应率,它衡量了探测器对辐射功率的响应强度。简单来说,响应率高的探测器能更灵敏地反映出辐射功率的变化。Vs​是信号电压,即辐射功率转换成的电信号的电压值。Φs​是辐射功率,也就是探测器接收到的辐射能量。ω是角频率,它与辐射的频率有关,定义了辐射波形变化的速度。α是吸收率,指探测器能吸收的辐射能量的比例。\tau_F​是滤光片传输率,表示滤光片允许通过的光的比例。As​是敏感元件面积,即探测器用于接收辐射能量的部分的面积。P是热电系数,表示材料对热能转换为电能的效率。​​​​​​​G_T​是热导,指热量通过材料的传递能力。R是电阻。\tau_T是热时间常数,\tau_E​是电时间常数,它们定义了系统响应热和电变化的速度。
    • 频率与热探测率关系D^* = D (\frac{A_d \Delta f}{\text{NEP}}),其中D∗是比探测率,一个衡量探测器性能的标准,特别是在单位频带宽度内的灵敏度。D是探测率,它衡量探测器对辐射能量的响应能力。Ad​是探测器光敏面面积,决定探测器能接收到的辐射能量的多少。Δf是测量电路带宽,定义了系统能够处理信号频率变化的范围。NEP是等效噪声功率。,衡量了探测器在没有信号时输出的噪声电功率。它是一个关键指标,影响探测器灵敏度的高低。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/785131.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

怎样优化 PostgreSQL 中对布尔类型数据的查询?

文章目录 一、索引的合理使用1. 常规 B-tree 索引2. 部分索引 二、查询编写技巧1. 避免不必要的类型转换2. 逻辑表达式的优化 三、表结构设计1. 避免过度细分的布尔列2. 规范化与反规范化 四、数据分布与分区1. 数据分布的考虑2. 表分区 五、数据库参数调整1. 相关配置参数2. 定…

深度学习-梯度下降算法-NLP(五)

梯度下降算法 深度学习中梯度下降算法简介找极小值问题数学上求最小值梯度梯度下降算法 找极小值问题在深度学习流程中深度学习整体流程图求解损失函数的目标权重的更新 深度学习中梯度下降算法简介 找极小值问题 引子: 我们训练一个人工智能模型,简单…

记录一次Nginx的使用过程

一、Docker安装配置nginx 1.拉取镜像 docker pull nginx2.创建挂载目录 启动前需要先创建Nginx外部挂载目录文件夹 主要有三个目录 conf:配置文件目录log:日志文件目录html:项目文件目录(这里可以存放web文件) 创建挂…

【沐风老师】3DMAX建筑体块生成插件BuildingBlocks使用方法详解

BuildingBlocks建筑体块生成插件使用方法详解 听说你还在手动建配景楼?有了BuildingBlocks这个插件,一分钟搞定喔! 3DMAX建筑体块生成插件BuildingBlocks,用于快速自定义街道及生成配景楼区块。 【适用版本】 3dMax2019及更高版…

鸿蒙语言基础类库:【@ohos.process (获取进程相关的信息)】

获取进程相关的信息 说明: 本模块首批接口从API version 7开始支持。后续版本的新增接口,采用上角标单独标记接口的起始版本。开发前请熟悉鸿蒙开发指导文档:gitee.com/li-shizhen-skin/harmony-os/blob/master/README.md点击或者复制转到。…

【专项刷题】— 位运算

常见类型介绍: & :有 0 就是 0 | :有 1 就是 1 ^ :相同为 0 ,相异为 1 或者 无进位相加给定一个数确定它的二进制位的第x个数是0还是1:将一个数的二进制的第x位改成1:将一个数的二进制的第x…

无人机在交通管理方面的应用与潜力

随着智能化和数字化技术的发展,无人机已经成为智慧交通管理体系中的重要一环。无人机能够搭载各种专业设备,如超清摄像头、红外热成像摄像头、目标跟踪器等,从而完成多任务的数据采集和快速机动的任务执行。这些数据通过无线传输实时回传&…

RxJava学习记录

文章目录 1. 总览1.1 基本原理1.2 导入包和依赖 2. 操作符2.1 创建操作符2.2 转换操作符2.3 组合操作符2.4 功能操作符 1. 总览 1.1 基本原理 参考文献 构建流:每一步操作都会生成一个新的Observable节点(没错,包括ObserveOn和SubscribeOn线程变换操作…

YOLOv10改进 | 主干篇 | 低照度增强网络PE-YOLO改进主干(改进暗光条件下的物体检测模型)

一、本文介绍 本文给大家带来的改进机制是低照度图像增强网络PE-YOLO中的PENet,PENet通过拉普拉斯金字塔将图像分解成多个分辨率的组件,增强图像细节和低频信息。它包括一个细节处理模块(DPM),用于通过上下文分支和边…

【安全设备】日志审计

一、什么是日志审计 日志审计是一站式的日志数据管理平台,主要致力于提供事前预警、事后审计的安全能力, 通过对日志数据的全面采集、解析和深度的关联分析,及时发现各种安全威胁和异常行为事件。日志审计是指通过集中采集信息系统中的各类信…

Chain-of-Verification Reduces Hallucination in Lagrge Language Models阅读笔记

来来来,继续读文章了,今天这个是meta的研究员们做的一个关于如何减少LLM得出幻觉信息的工作,23年底发表。文章链接:https://arxiv.org/abs/2309.11495 首先,这个工作所面向的LLM的问答任务,是list-based q…

怎样优化 PostgreSQL 中对日期时间范围的模糊查询?

文章目录 一、问题分析(一)索引未有效利用(二)日期时间格式不统一(三)复杂的查询条件 二、优化策略(一)使用合适的索引(二)规范日期时间格式(三&a…

前沿重器[53] | 聊聊搜索系统6:精排

前沿重器 栏目主要给大家分享各种大厂、顶会的论文和分享,从中抽取关键精华的部分和大家分享,和大家一起把握前沿技术。具体介绍:仓颉专项:飞机大炮我都会,利器心法我还有。(算起来,专项启动已经…

IDEA启动tomcat之后控制台出现中文乱码问题

方法1: 第一步:file--setting--Editor--File Encodings 注意页面中全部改为UTF-8,然后apply再ok 第二步:Run--Edit Configuration,将VM options输入以下值: -Dfile.encodingUTF-8 还是一样先apply再ok …

视频图文理解关联技术与创业团队(二)

上一篇:google gemini1.5 flash视频图文理解能力初探(一)提到了gemini 1.5 flash 可以对视频进行理解以及分析,但是整体在检索任务上效果不佳。 这几天参加了人工智能大会 网上收集,看一看有相似能力的一些技术点、创…

生物素化果胶粒子包裹药物阿霉素;DOX/Bio-PEC

生物素化果胶粒子包裹药物阿霉素(DOX/Bio-PEC)是一种新型的药物载体系统,结合了生物素和果胶多糖的优势,旨在提高药物的靶向性和控释性能。以下是对该系统的详细解析: 一、生物素化果胶粒子的制备 原理与步骤&#xff…

独立开发者系列(22)——API调试工具apifox的使用

接口的逻辑已经实现,需要对外发布接口,而发布接口的时候,我们需要能自己简单调试接口。当然,其实自己也可以写简单的代码调试自己的接口,因为其实就是简单的request请求或者curl库读取,调整请求方式get或者…

甄选范文“论区块链技术及应用”,软考高级论文,系统架构设计师论文

论文真题 区块链作为一种分布式记账技术,目前已经被应用到了资产管理、物联网、医疗管理、政务监管等多个领域。从网络层面来讲,区块链是一个对等网络(Peer to Peer, P2P),网络中的节点地位对等,每个节点都保存完整的账本数据,系统的运行不依赖中心化节点,因此避免了中…

MATLAB基础应用精讲-【数模应用】分层聚类(附python代码实现)

目录 前言 知识储备 层次聚类 1. 算法解读: 2. 步骤和细节: 3. 举例: 4. 算法评价: 5. 算法的变体: 算法原理 基本思想 分层聚类网络的原理 分层聚类网络的优势 分层聚类网络的应用领域 SPSSAU 分层聚类案例 1、背景 2、理论 3、操作 4、SPSSAU输出结果…

Johnson Counter

目录 描述 输入描述: 输出描述: 参考代码 描述 请用Verilog实现4位约翰逊计数器(扭环形计数器),计数器的循环状态如下。 电路的接口如下图所示。 输入描述: input clk , input …