小波多尺度分段直接校正法用于近红外光谱模型传递的研究

分段直接校正(PDS)算法是目前最常用的近红外光谱模型传递方法,但它在对整个谱区进行校正时,始终依赖大小不变的传递窗口.为了提高传递效果,本研究在PDS基础上提出了一种新的算法--小波多尺度分段直接校正法(WMPDS),用于混胺的近红外光谱模型传递,并详细讨论了模型的传递参数和传递结果.本算法首先对混胺的近红外光谱进行...     

二进制蜻蜓算法-直接校正算法优选标样集在小麦粉蛋白质近红外模型传递中的应用

为了实现小麦粉蛋白质含量近红外分析模型的传递，探究二进制蜻蜓算法(Binary Dragonfly Algorithm, BDA)与直接校正算法(Direct Standardization, DS)相结合构成的BDA-DS算法挑选标样集对模型传递结果的影响。以棱光S450光栅型近红外光谱仪为主机，NeoSpectra Micro傅里叶变换型近红外光谱仪为从机，采集了126个小麦粉的近红外光谱，用偏最小二乘回归法建立了主机近红外光谱与小麦粉蛋白质的关联模型。经BDA-DS算法模型传递后，主机模型对从机样品预测决定系数为0.9812,预测标准偏差为0.1838,从机与主机的光谱集合平均马氏距离由22.34下降到1.40,均接近于主机模型精度水平。该研究同时与采用Kennard/Stone(K/S)挑选标样集再结合DS构成的传统K/S-DS算法进行了对比，结果表明：相对于K/S-DS算法，BDA-DS算法挑选出较少的标样集就能表征仪器的差异，有效地提高了主机模型对从机样品的预测精度，为近红外模型传递提供了一种更加有效的标样集选择方法。     

近红外光谱测定溶液中甲醇的含量

测量了含微量甲醇(体积分数为0.04%～0.24%)的系列乙醇水溶液的近红外光谱,利用近红外光谱分析建立了预测甲醇含量的定量分析模型。比较了用外部检验法(Test Set-Validation)和交叉检验法(Cross-Validaton)建立的数学模型,研究了使用外部检验法时,校正集和检验集样品数的改变对模型预测结果的影响。结果发现,当校正集样品数为15检验集样品数为6(总样品数为21)时,使用外部检验法建立的数学模型预测结果较好,其校正集的均方根误差和检验集的预测均方根误差(分别为RMSEE和RMSEP)均较小(分别为0.0115和0.0105),而且很接近。结果表明,近红外光谱方法简单,准确而且实用。     

掺杂剂锂链间迁移在聚乙炔纵向导电机制中的作用

聚乙炔(PA)的电导率X(Ω~(-1).cm~(-1))经掺杂可以在十二个数量级内变化。PA导电机理与一般的无机导体或半导体不同,PA通过荷电孤子与中性孤子之间的电子跃迁导电,而掺杂剂参与可增大这种跃迁的几率。掺杂剂与PA之间存在着相互作用,并由此而引起PA多种性质的变化。深入研究PA链间通过掺杂原子(或分子)进行的相互作用以及电荷传递过程,对于进一步揭示PA的垂直电导率产生的本质有着十分重要的意义。     

小波变换-分段直接校正法用于近红外光谱模型传递研究

提出了一种新的传递算法(WT-PDS)———小波变换-分段直接校正法,并详细讨论了模型传递参数和传递结果。首先利用小波变换对光谱进行压缩处理,采用PDS算法消除不同仪器之间压缩数据的差异,最后利用经校正的压缩数据进行分析,实现模型传递。本方法能够扣除不同仪器之间的大部分差异,大幅度改善分析精度。传递后模型分析精度与源机模型稳健性紧密相关。如果源机模型稳健性强,则能够实现不同仪器之间的共享。本方法能够实现源机的0#轻柴十六烷值、凝点、馏出温度;-10#轻柴十六烷值、凝点以及-10#军柴凝点和馏出温度共10个模型在5台仪器之间共享,简化了建模的成本。与传统的PDS相比,WT-PDS方法具有传递和建模变量少、速度快、光谱校正性能高等优点,而其模型分析精度与传统PDS基本一致。     

近红外漫反射光谱法对固态样品的无损分析

本文应用目标因子分析研究了固态样品的近红外漫反射光谱，用目标因子分析成功地确定了固态样品的物种数、物种种类和各物种的含量。     

基于光谱比值分析的无标样近红外模型传递方法

测量环境及光谱仪台间差异导致近红外光谱(NIRS)模型传递到从机后,常产生较大误差。该文使用标准正态变量变换(SNV)+微分处理光谱消除光谱散射和基线漂移的影响,提出通过仪器间光谱信号比值分析筛选波长的方法(Screening wavelengths based on spectrum ratio analysis,SWSRA),选出仪器间一致性较好且样本间差异大的光谱特征波长,采用筛选出的波长信号建立待测性质的偏最小二乘近红外光谱定标模型。以80个玉米样品中水分、油、蛋白质含量及72个黄芩样品中黄芩苷含量的NIRS预测对该方法进行了检验。结果表明,SWSRA主机模型预测从机样品的各成分含量的平均相对误差均小于4.3%,明显优于全波长模型直接传递的结果,且其预测均方根残差RMSEP与文献报道的其他模型传递方法的结果相当或更优。SWSRA方法具有模型参数少、稳健、简便易行等优点,可以在同类型近红外光谱仪器之间实现模型的无标样传递。     

不同聚酰胺树脂的吸水特征及对苯乙烯单体扩散聚合行为的影响

研究了不同聚酰胺(PA)树脂的吸水特征及对苯乙烯(St)单体扩散聚合行为的影响.结果表明,在利用扩散聚合法制备PA/PS纳米合金的过程中,纳米合金中的聚苯乙烯(PS)含量随着PA颗粒内部含水率的增加而增加;在90℃扩散聚合条件下,PA6,PA66及聚己二酰间苯二甲胺(MXD6)体系相应的饱和PS含量分别为6. 7%,2. 5%和1. 6%; St单体对各PA颗粒的扩散聚合均发生在PA的非晶区,所生成的纳米PS小球尺度均在数十至100 nm左右,并呈均匀分布;由于刚性PS粒子对PA起到了较好的增强作用,可使各PA/PS纳米合金的拉伸强度和杨氏模量有明显提高.     

近红外光谱法快速测定推进剂中N-甲基对硝基苯胺

采用近红外光谱法快速测定固体推进剂中N-甲基对硝基苯胺(MNA)的含量。评价了滤波平滑、一阶导数、二阶导数、多元散射校正(MSC)和标准正态变量校正(SNV)这5种不同光谱预处理方法的优化效果，基于建模参数优化结果建立了MNA定量模型，并对模型进行了准确性和重复性验证。结果表明，光谱最佳预处理方式是SNV，模型最佳主因子数为7，模型校正决定系数(R_C²)和验证决定系数(R_P²)分别为0.998 6和0.987 2，交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.012 0和0.009 8，重复性极差和绝对误差均低于0.2%。近红外光谱法与液相色谱法测定结果相比相对偏差在6%以内，经t检验，两种方法测定结果无显著性差异。近红外光谱法快速、准确，可用于推进剂老化进程监控。     

三元乙丙橡胶/尼龙高性能弹性体结构与性能的研究

通过DSC、DMA、TEM及SEM研究了三元乙丙橡胶 /尼龙 (EPDM /PA)共混物结构与性能 ,按照各级结构形态的特点 ,可大致分为三个层次的结构 :初级结构即氯化聚乙烯 (CPE)锚入或镶嵌在PA中形成分散相颗粒中的结构 ;中级结构指分散颗粒在基体中的采取的微纤状形态 ;高级结构是外力作用下共混物形成的由一定数量微纤组成的可传递应力的聚集体结构 .这种多层次结构决定了共混体系兼具EPDM与PA的优点 ,综合性能优异 .物理机械性能及热氧老化性能比较表明 ,PA改性的EPDM是理想的高性能弹性体     

近红外光谱分析模型传递简易方法研究

本文在不同时间安装的多台同型号近红外光谱仪上建立推进剂校正模型时,由于推进剂样品数量少且难于保存,新到仪器在建模时常遇到代表性样品数量严重不足.为此,提出将2台波长一致性好的近红外光谱仪器上采集的光谱组成一个混合校正样品光谱集,使用偏最小二乘法(PLS)建立模型的方法.结果表明,在用户缺少专业模型传递软件情况下,该方法...     

Improved calibration transfer between near-Infrared (NIR) spectrometers using canonical correlation analysis

The application of mobile near-infrared (NIR) spectrometers in field measurements is growing. Calibration transfer techniques offer simple solutions for enabling models constructed on benchtop instruments for use on mobile spectrometers. Since different types of spectrometers with different components, scanning ranges and resolutions cause great differences in the spectral response, calibration transfer is difficult to apply. In this paper, we focus on calibration transfer among benchtop, portable and handheld spectrometers by a method of calibration transfer based on canonical correlation analysis (CTCCA). Its capability was illustrated by the example of a group of NIR spectra dataset for predicting reducing sugars, total sugar, and nicotine contents in tobacco leaves. The experimental results showed that the transferability of CTCCA was superior to other conventional calibration transfer methods, including piecewise direct standardization, spectral space transformation, calibration transfer based on independent component analysis, and calibration transfer based on the weight matrix. Moreover, the best transfer results were obtained in the three cases by canonical correlation analysis method executing transfer while the spectra were not interpolated, which shows that this approach has the advantage of easy implementation for calibration transfer. Therefore, CTCCA without interpolation calculation offers a new and simple solution for transferring the spectra acquired by mobile spectrometers to the optimized spectral models built on benchtop devices to improve the accuracy of the results. Additionally, the results show that the benchtop spectrometer is more suitable as the master instrument for calibration transfer with more accurate prediction than using a portable device as the master.     

Calibration transfer employing univariate correction and robust regression

This paper proposes a new method for calibration transfer, which was specifically designed to work with isolated variables, rather than the full spectrum or spectral windows. For this purpose, a univariate procedure is initially employed to correct the spectral measurements of the secondary instrument, given a set of transfer samples. A robust regression technique is then used to obtain a model with low sensitivity with respect to the univariate correction residuals. The proposed method is employed in two case studies involving near infrared spectrometric determination of specific mass, research octane number and naphthenes in gasoline, and moisture and oil in corn. In both cases, better calibration transfer results were obtained in comparison with piecewise direct standardization (PDS). The proposed method should be of a particular value for use with application-targeted instruments that monitor only a small set of spectral variables.     

A comparative study of calibration transfer methods for determination of gasoline quality parameters in three different near infrared spectrometers

This work presents a comparative study of calibration transfer among three near infrared spectrometers for determination of naphthenes and RON (Research Octane Number) in gasoline. Seven transfer methods are compared: direct standardization (DS), piecewise direct standardization (PDS), orthogonal signal correction (OSC), reverse standardization (RS), piecewise reverse standardization (PRS), slope and bias correction (SBC) and model updating (MU). Two pre-treatment procedures, namely standard normal variate (SNV) and multiplicative scatter correction (MSC), are also investigated. The choice of an appropriate number of transfer samples for each technique, as well as the effect of window size in PDS/PRS and OSC components, are discussed. A broad set of gasoline samples representative of the Northeastern states of Brazil is employed in the investigation. The results show that the use of calibration transfer yields prediction errors comparable to those obtained with complete recalibration of the secondary instrument. Overall, the results point to RS as the best method for the analytical problem under consideration. When storage and/or physical transportation of transfer samples are impractical, MU is more appropriate. The comprehensive investigation carried out in the present work will be of value for practitioners involved in networks of fuel monitoring.     

自适应小波算法用于近红外光谱的多元校正

实现了一种构建自适应小波滤波器的方法,并将其用于近红外光谱数据的多元校正。该方法根据一定的目标函数,针对信号的特性自适应地构造小波滤波器。用该法构建的滤波器对烟草样品的近红外光谱进行压缩,并将压缩后的数据采用偏最小二乘法建模,实现了烟草样品常规组分的定量分析。     

一种消除在线多通道近红外分析仪各通道光谱差异的方法

针对在线多通道近红外分析仪因光纤耦合器件加工精度和装配过程存在细微差异而引起通道间光谱不一致的问题,在对光谱差异进行解析的基础上,提出了一种运算简捷、且在实际应用中易于实现的平均光谱差值校正(MSSC)方法,并与常用的模型传递算法如斜率／偏差(S／B)算法、分段直接校正(PDS)算法,以及通过偏最小二乘-人工神经网络(PLS-ANN)建立多通道混合校正模型进行了对比。结果表明,该方法可有效消除各通道所测光谱之间存在的差异,实现了多通道分析模型的通用性。     

近红外光谱混合模型定量分析不同物理状态样品的研究

近红外光谱(NIRS)以漫反射模式对非均质样本进行测量时,由于其光谱散射和吸收系数差异较大,建立的校正模型准确性和稳健性较低,因此,本研究提出了一种基于均质样本和模型转移方法建立混合模型的策略,解决非均质样本近红外光谱检测的问题.以烟叶样本为研究对象,分别建立了基于Shenk专利算法(Shenk′s)、分段直接标准化(PDS)和基于典型相关分析的模型转移算法(CTCCA)的烟粉+烟丝、烟粉+烟片混合模型,用于烟丝和烟片样本中烟碱含量的预测.结果表明,混合模型对烟丝和烟片样本的预测均方误差(RMSEP)较直接建模分别降低了1.39%和2.73%,预测结果有一定的改善,稳健性提高,3种方法中CTCCA表现最优.因此,采用近红外光谱均质模型和模型转移方法建立的混合模型对非均质样本的测定具有可行性,有利于在线近红外光谱分析技术的发展,可为近红外光谱模型的共享提供参考.     

对直接标准化算法的改进及其应用

由于各种仪器之间存在差异,主机上建立的定量模型用于从机会导致预测结果出现较大偏差。目前主要通过有标样方法和无标样方法来减小预测偏差。该文对现有标样方法中的直接标准化算法进行改进,在转移矩阵的建立过程中,对从仪器数据矩阵进行主成分分解,以预测均方差为判定标准,确定最终的转移矩阵。并以玉米和烟草数据为对象,测试了该法的有效性。玉米样品含有2种成分:水分和蛋白质;烟草样品含有4种成分:还原糖、总糖、总氮和总碱。结果表明,对于玉米样品中的2种成分,采用改进的方法可显著提高预测的准确度;对于烟草中的4种成分而言,采用改进的方法可获得稳健的预测结果。     

小波变换结合多维偏最小二乘方法用于近红外光谱定量分析

将小波变换和多维偏最小二乘法相结合用于近红外光谱定量校正模型的建立。首先将原始光谱进行小波变换分解，得到系列小波细节系数，通过选取一组受外界因素少、信息强的小波系数组成三维光谱阵，然后再采用多维偏最小二乘法建立校正模型。实验结果表明，该方法所建近红外校正模捌的预测能力更强，并更具稳健性。