自动化技术、计算机技术矿用三椭球式多组分气体红外检测传感器研究

弓夏霞; 乔铁柱; 董会杰; 王志刚

doi:10.12404/j.issn.1671-1815.2507376

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (26) :11359-11366 DOI: 10.12404/j.issn.1671-1815.2507376

自动化技术、计算机技术

自动化技术、计算机技术矿用三椭球式多组分气体红外检测传感器研究

弓夏霞 ¹ ,
乔铁柱 ¹^,^* ,
董会杰 ² ,
王志刚 ³

作者信息 +

Tri-ellipsoidal Multi-component Gas Infrared Detection Sensor for Coal Mines

Author information +

文章历史 +

摘要

针对煤矿井下有害气体监测的高精度、集成化、抗干扰要求,优化了三椭球式多组分气体红外检测气室结构,设计了CH₄-CO₂-CO一体化气体传感器。首先,基于非分光红外测量原理,设计三椭球式光电感知气室,引入参考角结合仿真得到最优气室高度。其次,针对传感器信息传递过程中信号易受干扰且微弱的问题,设计了特征信号提取及滤波放大电路,集成敏感器件的激励和信号调理,搭建了模块化传感器硬件系统,提高了信号检测精度及抗干扰性。最后,搭建了气体传感器测试标定平台,对气体传感器进行实验。实验结果表明,在室温25 ℃下,所设计传感器可以同时对0~0.40%范围内的CH₄、CO₂、CO气体进行检测,其信噪比水平为10⁸量级,相对标准偏差约为0.5%,传感器系统响应时间约12 s,具有良好的稳定性和输出质量。

Abstract

To meet the requirements of high precision, integration, and anti-interference for hazardous gas monitoring in underground coal mines, the structure of a tri-ellipsoidal multi-component gas infrared detection chamber was optimized, and an integrated CH₄-CO₂-CO gas sensor was designed. First, based on NDIR (non-dispersive infrared) measurement principle, a tri-ellipsoidal photoelectric sensing gas chamber was designed, and the optimal chamber height was obtained by introducing a reference angle combined with simulation. Second, to address the issues of signal susceptibility to interference and weak signal strength during sensor information transmission, a characteristic signal extraction and filtering-amplification circuit was designed. By integrating the excitation and signal conditioning of sensitive elements, a modular sensor hardware system was constructed to improve signal detection accuracy and antiinterference capability. Finally, a gas sensor testing and calibration platform was established to conduct experimental validation.The experimental results demonstrate that at room temperature of 25 ℃, the designed sensor can simultaneously detect CH₄, CO₂, and CO gases in the range of 0~0.40%, with a signal-to-noise ratio on the order of 10⁸, a relative standard deviation of about 0.5%, and a system response time of approximately 12 s, exhibiting excellent stability and output quality.

Graphical abstract

关键词

非分光红外检测技术 / 气体检测 / 三椭球气室 / 光学仿真 / 光电传感器

Key words

non-spectroscopic infrared / gas detection / tri-ellipsoidal gas chamber / optical simulation / photoelectric sensors

引用本文

引用格式 ▾

弓夏霞, 乔铁柱, 董会杰, 王志刚. 自动化技术、计算机技术矿用三椭球式多组分气体红外检测传感器研究[J]. 科学技术与工程, 2026, 26(26): 11359-11366 DOI:10.12404/j.issn.1671-1815.2507376

GONG Xia-xia, QIAO Tie-zhu, DONG Hui-jie, WANG Zhi-gang. Tri-ellipsoidal Multi-component Gas Infrared Detection Sensor for Coal Mines[J]. Science Technology and Engineering, 2026, 26(26): 11359-11366 DOI:10.12404/j.issn.1671-1815.2507376

登录浏览全文

4963

注册一个新账户忘记密码

中国能源架构中煤炭占据重要地位^[1],在煤矿开采过程中会产生各种有害的易燃易爆气体,包括CH₄、CO₂、CO等^[2],它们统称为瓦斯气体。瓦斯作为煤炭开采伴随产物,治理瓦斯的重要条件是浓度的在线监测,保障煤炭的安全开采。一般来说,随着矿井的开采深度越来越大,蕴含在深层次煤层中的瓦斯危险气体的含量就会随深度线性增加,这也代表着瓦斯危险气体的涌出量快速增加^[3]。据有关资料表明,在中国采矿导致的伤亡总人数占全球矿难伤亡人数的70%左右^[4],其中瓦斯事故是威胁性最大的事故^[5],发生的概率也最大。对矿井气体浓度的精确监测,不仅可以及时发现潜在的安全隐患,保障矿工生命和煤矿生产安全,还有助于提升矿井的自动化管理水平,为智能矿山的建设提供技术支持。因此,研究并应用高灵敏度、高可靠性、实时响应的矿井气体监测系统,对于降低矿难事故发生率、推动煤炭工业安全可持续发展具有重要意义。

目前,煤矿井下使用的气体检测方法主要有催化燃烧法、热导法、光干涉法、红外光谱吸收法等^[6]。催化燃烧法利用一个敏感元件和一个补偿元件^[7],通过检测两个元件的电阻差值从而实现浓度检测,该方法具有环境局限性,不适用于煤矿井下密闭区^[8]。热导法利用气体和空气的热导率不同实现气体浓度的测量,该方法制成的传感器灵敏度低,且易受湿度的交叉影响^[9-10]。光干涉法通过干涉条纹变化的特征分析气体浓度,其容易受二氧化碳等影响^[11]。而红外光谱吸收法利用气体分子对红外光的吸收特性,能很好符合矿井多参量传感的需求,能够通过探测器将光信号转换为电信号进行无接触检测^[12],此类传感器具有选择性高、可便携、使用寿命长、可靠性高等优点^[13-14]。

红外光谱的技术特性与当前煤矿智能化建设中对环境感知、高可靠性、集成化等需求相契合。因此,研究者们对气体检测开展了许多研究。研究初期,工作以单一气体检测为目标,通过双波长时间差分法^[15]、双发光二极管为红外发射源^[16]、阶梯式光路设计^[17]、MEMS光源与小波去噪结合^[18]等方法来提升检测的精度和稳定性。近年来,为满足煤矿井下对多种有害气体同步监测的迫切需求,研究从单气体向多组分气体检测发展,专注于光学气室结构的创新,提出了旋转积分球光学气室^[19]、水平方向的三椭球气室^[20]等,展现出气室结构在小型化、集成化需求方面的优势。以上研究取得了显著进展,为多组分气体检测提供了可行方案,但在实际煤矿环境中复杂干扰的工况下,其结构鲁棒性与应用的可靠性仍有待进一步考究。因此,能够适应复杂环境的一体化传感器是当前推进智能化建设的重要方向。同时它作为“云-边-端”一体化架构的终端感知节点,融合无线物联网通信,集成于智能巡检机器人、智能安全帽等智能设备中,为矿井环境监测系统的早期预警提供可靠的数据来源。

基于此,为满足对矿井中CH₄、CO₂、CO 3种有害气体高精度、集成化的产业需求,从光学检测系统入手,现设计一种三椭球式气室代替传统直射式气室,缩小传感器的整体体积并提高检测效率。同时建立矿井有害气体非分光红外检测传感器模型,其中主要包括基于三椭球气室的双通道光学检测模型、硬件电路设计及软件方案。最后,对传感器进行标定、响应时间和重复性实验。研究结果为煤矿井下复杂环境下的早期预警提供可靠的技术支撑,对提升矿井安全监控水平具有重要的实践意义。

1 三椭球式双通道光学检测模型

红外光源发出的光经光学气室入射到探测器前的滤波片这一过程中,会存在一些光源抖动或环境噪声等影响,因此,利用双通道检测原理进行气体浓度信息的检测,其原理如图1所示,在每种气体分子探测器前设置参考与测量滤波片以构成两种通道,计算参考波长红外光和测量红外光的光强的差值,从而提高检测准确度。

本次研究主要针对的井下有害气体是含量较高的甲烷、二氧化碳、一氧化碳3种气体,它们在红外波段均有明显不同的吸收带,如图2所示。为实现对3种气体的同时测量并保证测量准确性,选用3.31、4.26、4.60 μm的红外光分别作为CH₄、CO₂、CO这3种气体的检测波长,选择4 μm作为3种气体的参考波长,由此可以确定滤波片波长。

根据朗伯-比尔定律,气体分子对某一波长光吸收的强弱与该气体的浓度及其光程有以下的关系^[21]。

(1)I_c=I₀e^-CKL

式(1)中:I₀为单色光光束入射时的光强;C为待测气体的浓度;L为光线在气室内照射一直到探测器表面的路程;I_c为红外光线入射到待测气体后,被探测器接收的光强;K为摩尔吸收系数,是物质的固有属性,其与分子结构及入射光波长相关。

由此,可建立基于双通道的气体浓度计算式为

(2)C=

$\frac{1}{\mathit{L}({\mathit{K}}_{\mathit{r}\mathit{e}\mathit{f}}-{\mathit{K}}_{\mathit{m}\mathit{e}\mathit{a}})}\left[\mathit{l}\mathit{n}\frac{{\mathit{U}}_{\mathit{T}\left(\mathit{m}\mathit{e}\mathit{a}\right)}}{{\mathit{U}}_{\mathit{T}\left(\mathit{r}\mathit{e}\mathit{f}\right)}}+\mathit{l}\mathit{n}\frac{{\mathit{F}}_{\mathit{r}\mathit{e}\mathit{f}}}{{\mathit{F}}_{\mathit{m}\mathit{e}\mathit{a}}}\right]$

式(2)中:U_T(mea)和U_T(ref)为测量通道和参考通道的探测器输出;F_mea和F_ref为探测器两个通道输入输出关系的参数,由探测器本身决定;K_mea和K_ref为检测波长光和参考波长光的吸收系数。

当待测气体浓度上升时,红外光吸收的光强增加,从而导致探测器测量通道输出电压降低,则ln[U_T(mea)/U_T(ref)]减小,两个变量满足反比关系。式(2)中其他参数通过标定来确定。

1.1 三椭球气室建模及参数优化

传感器光学系统中关键部分就是光学气室,一般分为直射式气室和反射式气室两种。直射式气室没有进行光线的反射会使体积变大,不符合井下传感小型化的需求;而传统的反射式气室为了使传感器体积减小并满足待测气体与红外光充分接触,采用光线在气室内壁进行反射的设计。利用椭圆特性,设计三椭球式气室结构作为气体传感器光学系统的结构模型,光源从其中一个焦点出射,经内壁多次反射后会到达另一个焦点。

图3为三椭球气室的建模图,整体为圆柱体,与3个相同对称的椭球相交得到。红外光源放置在3个椭球的公共焦点处,即图3中的坐标原点,光线从红外光源发出,经过气室内壁反射,入射到放置在椭球另一个焦点的探测器表面,即3个实心圆圈所在位置。对以上结构进行光路仿真,气室内壁反射率设置为98%,光线数设置为20 000,光源总功率为1 W,如图4所示。

光线仿真中,光线由气室中间的红外光源射出,在气室顶面完成第一次反射,然后光线射入椭球内壁,进行多次反射,最终射入光线追迹面,即模拟的红外探测器面。

三椭球气室基本参数包括椭球的长轴a、短轴b及气室有效高度h,但仅凭借这3个参数,无法精准体现气室的尺寸。因此引入θ角,表示椭球长轴所在平面与光源所在直线的夹角,根据椭球性质,得

(3)cosθ=$\frac{\mathit{h}}{\sqrt{{\mathit{a}}^{2}-{\mathit{b}}^{2}}}$

因此,根据3种不同长短轴的椭球对不同θ角进行仿真,接收面辐照度曲线如图5所示。由图5可知,θ角在40°~45°的气室仿真效果最好。最终角度选择43°,气室整体高度设置为40 mm。

三椭球气室中3个探测器表面辐照度如图6所示,3个探测器表面的光线聚焦稳定且居中,其接收光线参数如表1所示,90.8%光线集中在探测器接收面原点向外17.6%面积上。

1.2 传感器参数估计

传感器系统的信噪比是指有效信号功率与噪声功率的比值,计算公式^[22]为

(4)SNR=$\frac{{\mathit{D}}^{\mathit{*}}\mathit{P}}{\sqrt{{\mathit{A}}_{\mathit{D}}\mathit{\Delta }\mathit{f}}}$

式(4)中:SNR为信噪比;D^*为探测器的探测率;P为入射光光功率,即探测器光敏面的光通量;A_D为探测器光敏面的面积;Δf为噪声带宽。

使用探测器型号为PYS3228,其探测率的计算公式为

(5)D^*=$\frac{\mathit{R}\sqrt{{\mathit{A}}_{\mathit{D}}\mathit{\Delta }\mathit{f}}}{{\mathit{V}}_{\mathit{n}}}$

式(5)中:R为探测器在3~5 μm波段的响应度,值为2 800 V/W;A_D为1.5×1.5 mm²;Δf取9.6 Hz;V_n为噪声电压2.5 μV,计算得探测率D^*=0.96×10⁸ cm·Hz^1/2/W,因此传感器信噪比为10⁸量级。

在传感器的分辨率方面,对朗伯-比尔定律两端进行微分,可得

(6)dI_c=-KLI₀e^-^CKLdC=-KLI_cdC

式(6)中:dI_c和dC分别为光强和浓度的微小变化。

由此可知,在光学检测系统中,最小浓度变化对应于能够感应到的最小光强变化,式(6)变换可得

(7)dC=-$\frac{1}{\mathit{K}\mathit{L}}$

$\frac{\mathit{d}{\mathit{I}}_{\mathit{c}}}{{\mathit{I}}_{\mathit{c}}}$

式(7)中:dI_c/I_c为相对光强变化,将其表示为感应到的最小相对光强变化时;dC为所需要的能够检测的最小浓度变化ΔC_min。

在实际光学检测过程中,光强的感应总会受到噪声的影响。通常认为,当信号的变化量大于等于噪声幅度时信号才会被分辨出来。因此,可检测的最小光强相对变化与系统信噪比有关,可近似为

(8)$\frac{\mathit{\Delta }{\mathit{I}}_{{\mathit{c}}_{\mathit{m}\mathit{i}\mathit{n}}}}{{\mathit{I}}_{\mathit{c}}}$≈$\frac{1}{\mathit{S}\mathit{N}\mathit{R}}$

因此,传感器的分辨率可近似表示为

(9)ΔC_min≈$\frac{1}{\mathit{S}\mathit{N}\mathit{R}\mathit{K}\left(\mathit{\lambda }\right)\mathit{L}}$

检测3种气体所选用的红外光波长不同,因此对于3种气体,吸收系数也会不同,式(9)表示为K(λ),计算式为

(10)K(λ)=S(T)g(λ)N

式(10)中:S(T)为气体分子特定吸收谱线的线强;g(λ)为谱线线型吸收函数;N为单位体积内气体分子数密度。

基于HITRAN数据库最终可得在标准大气压,25 ℃实验室理想条件下,CH₄、CO₂、CO 3种气体的分辨率分别约为3.16、0.37、6.13 μmol/mol。

2 传感器总体设计

所设计的传感器主要包括光学系统结构设计、信号调理电路设计及控制芯片的处理3部分,其流程如图7所示。下面介绍传感器工作原理。

红外光源发出的光在气室内与待测气体充分接触并被待测气体吸收后损失一部分能量,出射到滤波片和探测器,利用双通道检测原理,带有浓度信息的光信号被探测器转换为电信号,然后再通过后续的滤波、放大电路使电信号强度变大且抗干扰能力提高,最后电信号进入STM32F103系列主控芯片完成数据的采集、计算及发送,实现信息的数字可视化。

传感器工作在3.7 V,设计电源驱动电路以驱动传感器敏感元件正常工作,包括红外光源的5 V PWM、探测器5 V及主控3.3 V的供电;信号调理考虑矿井环境因素,抑制50 Hz工频干扰并实现mV到V的放大。

3 实验及分析

实验主要包括标定实验、响应时间实验及重复性实验。首先,标定实验包括零点标定和浓度标定,使用纯氮气通入气室去除待检测气体的影响,测出零点数据,再通入已知浓度的待测气体标定,以保证测量过程中系统误差和测量误差的影响;其次,通入已知浓度气样,记录传感器响应的时间;最后,重复性实验分别对不同气体进行测量,对同一浓度获取5次平均检测值,评估传感器检测的稳定性。传感器测试于山西省计量科学研究院标准台进行,如图8所示。

3.1 传感器测试实验

对所设计的CH₄、CO₂、CO一体化传感器进行标定。利用0~0.40%浓度的3种气体分别进行标定,99.99%浓度的纯氮气来模拟零点所需的气体环境。

将标定值与气体标准浓度进行多项式拟合,标准气体浓度为横坐标,实验中测量数据的平均值为纵坐标,得出拟合函数,函数曲线如图9所示。由图9可知传感器标定值随着标准气体的浓度的减小而增大,符合预期变化趋势。根据曲线拟合对应的二次函数,在已知标定值的情况下,就可以计算出气体的浓度值。

3.2 传感器响应时间实验

传感器响应时间是指在试验条件下,从检测器接触被测气体至达到稳定指示值的时间。通常,读取从开始变化达到稳定值90%的时间作为响应时间^[23]。该测量数据的允许误差为10%,记录多组时间数据并求其平均,如图10所示。由记录数据算得平均响应时间为12.28 s。而国家矿井使用的气体传感器响应时间要求为30 s内^[24],因此该红外气体传感器符合国家响应时间的标准。

3.3 传感器稳定性实验

在稳定性实验中,对环境的温度、湿度等条件进行控制,确保传感器稳定性实验的外界条件相同。实验环境为室温传感器工作稳定之后,0.05%气体浓度每隔5 s记录一次数据,连续记录10次数据并求其平均值,重复实验,得到检测同一浓度3种气体的5个平均检测值。实验结果如表2所示,使用相对标准偏差(relative standard deviation, RSD)来评价传感器测量系统的稳定性。RSD计算公式为

(11)

$\mathit{R}\mathit{S}\mathit{D}=\frac{1}{{\mathit{\mu }}_{\mathit{V}}}\sqrt{\frac{\sum _{\mathit{i}=1}^{\mathit{m}}({\mathit{V}}_{\mathit{i}}-{\mathit{\mu }}_{\mathit{V}}{)}^{2}}{\mathit{m}-1}}\times 100\mathit{\%}$

式(11)中:V_i和μ_V分别为测量电压和平均测量电压;m为次数,即每隔5 s测得平均值的次数。

由表2数据可知,传感器在气体浓度0.05%时的RSD为0.5%左右,同一气体多次测量数据具有良好的一致性,该传感器较为稳定。

3.4 传感器现场验证

为进一步验证所设计的CH₄、CO₂、CO一体化传感器在煤矿井下的有效性与实用性,如图11所示,选取配电室、输送通道、未开工采煤区3种应用场景,在安全措施配套许可条件下现场验证,分别读取煤矿现有传感器和本文传感器10次数据取平均进行记录,如表3所示。

4 结论

针对矿井有害气体浓度检测问题,通过搭建传感器光学系统检测模型和电路控制单元模型,实现了对气体传感器研究,得到以下结论。

(1)设计三椭球气室结构,通过不同参数仿真,完成了传感器光学系统关键模型参数的设置;并对传感器中需要的驱动电路及信号调理电路进行设计。

(2)搭建实验平台对该气体传感器进行3类实验,实验结果表明,该气体传感器在室温25 ℃的条件下,可以对0~0.40%范围内的CH₄、CO、CO₂气体进行检测,信噪比水平为10⁸量级,输出质量好,相对标准偏差约为0.5%,具有良好的稳定性,且响应时间均不超过30 s。本文传感器的研究为在矿井作业的实际环境中测试奠定了坚实的基础。

(3)本文传感器具有模块化、集成化的特点,不仅可应用于矿井固定监测点,未来也可集成于矿井危险气体巡检机器人平台等设备,实现对矿井危险区域的监测,为中国煤矿智能化发展提供可靠方案。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	杨涵. 废弃矿井有害气体无人检测设备路径规划研究[D]. 徐州: 中国矿业大学, 2021.

[2]	Yang Han. Research on path planning of unmanned detection equipment for harmful gases in abandoned mines[D]. Xuzhou: China University of Mining and Technology, 2021.

[3]	张文芳. 基于嵌入式技术的矿井有害气体监测系统设计[J]. 自动化应用, 2023, 64(S2): 12-13, 17.

[4]	Zhang Wenfang. Design of mine hazardous gas monitoring system based on embedded technology[J]. Automation Applications, 2023, 64(S2): 12-13, 17.

[5]	马翠梅, 戴尔阜, 刘乙辰, 等. 中国煤炭开采和矿后活动甲烷逃逸排放研究[J]. 资源科学, 2020, 42(2): 311-322.

[6]	Ma Cuimei, Dai Erfu, Liu Yichen, et al. Research on methane escape emissions from coal mining and post mining activities in China[J]. Resource Science, 2020, 42(2): 311-322.

[7]	陶敏. 基于NDIR原理的甲烷气体检测系统的研究与设计[D]. 武汉: 武汉理工大学, 2017.

[8]	Tao Min. Research and design of methane gas detection system based on NDIR principle[D]. Wuhan: Wuhan University of Technology, 2017.

[9]	万宇, 齐金平, 张儒, 等. 基于信息增益优化支持向量机模型的煤矿瓦斯爆炸风险预测[J]. 科学技术与工程, 2021, 21(9): 3544-3549.

[10]	Wan Yu, Qi Jinping, Zhang Ru, et al. Risk prediction of coal mine gas explosion based on information gain-support vector machine (IG-SVM) model[J]. Science Technology and Engineering, 2021, 21(9): 3544-3549.

[11]	梁运涛, 陈成锋, 田富超, 等. 甲烷气体检测技术及其在煤矿中的应用[J]. 煤炭科学技术, 2021, 49(4): 40-48.

[12]	Liang Yuntao, Chen Chengfeng, Tian Fuchao, et al. Methane gas detection technology and its application in coal mines[J]. Coal Science and Technology, 2021, 49(4): 40-48.

[13]	刘妮, 舒震, 隋然, 等. 基于MEMS技术的甲烷催化燃烧传感器研究进展[J]. 煤炭与化工, 2022, 45(11): 131-135, 147.

[14]	Liu Ni, Shu Zhen, Sui Ran, et al. Research progress of methane catalytic combustion sensor based on MEMS technology[J]. Coal and Chemical Industry, 2022, 45(11): 131-135, 147.

[15]	梁运涛, 田富超, 冯文彬, 等. 我国煤矿气体检测技术研究进展[J]. 煤炭学报, 2021, 46(6): 1701-1714.

[16]	Liang Yuntao, Tian Fuchao, Feng Wenbin, et al. Research progress of coal mine gas detection technology in China[J]. Journal of China Coal Society, 2021, 46(6): 1701-1714.

[17]	王海波. 低功耗甲烷传感器研究进展[J]. 工矿自动化, 2021, 47(5): 16-23.

[18]	Wang Haibo. Research progress of low-power methane sensor[J]. Journal of Mine Automation, 2021, 47(5): 16-23.

[19]	Emperhoff S, Eberl M, Dwertmann T, et al. On the influence of humidity on a thermal conductivity sensor for the detection of hydrogen[J]. Sensors, 2024, 24(9). DOI: 10.3390/S24092697.

[20]	赵小辉, 陈向军. 煤矿甲烷传感器应用现状与发展前景思考[J]. 煤, 2024, 33(5): 5-9.

[21]	Zhao Xiaohui, Chen Xiangjun. Application status and development prospect of coal mine methane sensor[J]. Coal, 2024, 33(5): 5-9.

[22]	曹江涛, 李泉, 班铭, 等. 基于红外光谱成像的危险气体泄漏检测技术综述[J]. 科学技术与工程, 2023, 23(19): 8050-8060.

[23]	Cao Jiangtao, Li Quancheng, Ban Ming, et al. Review of hazar-dous gas detection technology based on infrared spectral imaging[J]. Science Technology and Engineering, 2023, 23(19): 8050-8060.

[24]	李亚飞. 基于红外吸收光谱的气体检测技术与应用[D]. 长春: 吉林大学, 2023.

[25]	Li Yafei. Gas detection technology and application based on infrared absorption spectroscopy[D]. Changchun: Jilin University, 2023.

[26]	门金龙, 胡炜杰, 蔡冲冲, 等. 可燃气体传感器研究综述[J]. 科学技术与工程, 2021, 21(15): 6123-6131.

[27]	Men Jinlong, Hu Weijie, Cai Chongchong, et al. Review of combustible gas sensors[J]. Science Technology and Engineering, 2021, 21(15): 6123-6131.

[28]	申剑光. 红外甲烷气体传感器检测方法研究[J]. 计量与测试技术, 2018, 45(7): 90-93.

[29]	Shen Jianguang. Research on detection method of infrared methane gas sensor[J]. Measurement and Testing Technology, 2018, 45(7): 90-93.

[30]	赵庆川. 基于双窄带LED光源的红外甲烷传感器的研制[J]. 光子学报, 2020, 49(6): 154-162.

[31]	Zhao Qingchuan. Development of an infrared methane sensor based on double narrow-band LED light source[J]. Journal of Photo-nics, 2020, 49(6): 154-162.

[32]	石璟洋. NDIR甲烷气体传感器小型光学气室设计与实现[D]. 成都: 电子科技大学, 2024.

[33]	Shi Jingyang. Design and implementation of small optical gas chamber for NDIR methane gas sensor[D]. Chengdu: University of Electronic Science and Technology of China, 2024.

[34]	Dong W, Sugai Y, Wang Y, et al. Experimental study on enhanced methane detection using an MEMS-pyroelectric sensor integrated with a wavelet algorithm[J]. ACS Omega, 2024, 9(18): 19956-19967.

[35]	Zhang S, Wu H, Liu S, et al. Rotating multi-channel high-sensitivity integrating sphere gas sensing based on NDIR[J]. Sensors and Actuators: Chemical, 2025, 428: 137242.

[36]	周宇航, 倪雨琛, 葛玮, 等. 三椭球结构多组分光学传感器性能提高研究[J]. 激光与光电子学进展, 2023, 60(10): 440-446.

[37]	Zhou Yuhang, Ni Yuchen, Ge Wei, et al. Study on improving performance of three-ellipsoidal multicomponent optical sensors[J]. Laser & Optoelectronics Progress, 2023, 60(10): 440-446.

[38]	房村, 禹胜林, 滕雪松. 长光程A字型甲烷传感器气室的研究[J]. 量子电子学报, 2025, 42(3): 324-333.

[39]	Fang Cun, Yu Shenglin, Teng Xuesong. Long optical-path A-type gas chamber for methane sensor[J]. Chinese Journal of Quantum Electronics, 2025, 42(3): 324-444.

[40]	陈晨, 张玉钧, 何莹, 等. 机动车尾气NDIR传感器性能仿真分析[J]. 红外技术, 2017, 39(6): 567-573.

[41]	Chen Chen, Zhang Yujun, He Ying, et al. Performance simulation analysis of NDIR sensor for vehicle exhaust[J]. Infrared Technology, 2017, 39(6): 567-573.

[42]	刘嘉豪. 非色散红外甲烷传感器的设计与研究[D]. 杭州: 中国计量大学, 2021.

[43]	Liu Jiahao. Design and research of nondispersive infrared methane sensor[D]. Hangzhou: China Jiliang University, 2021.

[44]	李柯宏, 岳显伟. 人工智能在甲烷传感器规范性的分析应用[J]. 煤矿现代化, 2025, 34(2): 137-142.

[45]	Li Kehong, Yue Xianwei. Artificial intelligence in the analytical application of methane sensor specificity[J]. Modernization of Coal Mines, 2025, 34(2): 137-142.