基于WMS的气体传感器使用遗传算法进行时间效率高的SNR优化
Filip Musiałek1, Dariusz Szabra1, Jacek Wojtas1
1Institute of Optoelectronics, Military University of Technology, 2 Kaliskiego Str., 00-908 Warsaw, Poland.
Sensors (Basel, Switzerland)
|March 28, 2024
概括
人工智能 (AI) 优化了波长调制光谱 (WMS) 实验,显著提高了信号噪声比 (SNR). 这种人工智能驱动的方法大大减少了气体传感器的优化时间,实现了最佳的检测极限.
科学领域:
- 频谱学是一种光谱学.
- 人工智能的人工智能
- 气体传感器 气体传感器
背景情况:
- 优化波长调制光谱 (WMS) 气体传感器通常涉及广泛的模拟和实验试验.
- 当前的方法耗时,可能无法确定绝对最佳的操作条件.
研究的目的:
- 开发一种人工智能驱动的方法来优化WMS气体传感器参数.
- 显著提高信号噪声比 (SNR) 并减少优化所需的时间.
主要方法:
- 利用基因算法 (GA),一种AI,加上定制电子设备来控制激光.
- 在WMS实验中使用长波长红外 (LWIR) 范围中的量子级联激光器 (QCL) 和Herriott多通道电池实现了GA.
主要成果:
- 实现了信号与噪声比 (SNR) 的改进,其范围为1.6至6.5倍,具体取决于波.
- 进化方法在300秒内测试了~1.39 × 10^32的参数组合.
- 有效地确定了最有利的检测极限 (LOD) 的最佳WMS参数.
结论:
- 人工智能,特别是基因算法,为优化WMS气体传感器参数提供了高效和精确的方法.
- 这种方法大大减少了找到最佳设置和提高传感器性能所需的时间.
- 由人工智能驱动的优化确保确定最小化检测极限 (LOD) 的最有利的操作条件.
