排序方式: 共有26条查询结果,搜索用时 15 毫秒
1.
光谱质量、样本个体差异、检测系统和建模算法等多种因素共同决定水果糖度检测模型的预测精度和稳定性。采用自主研发的短积分全透射近红外在线检测系统以5 ms积分时间和0.5 m·s-1运行速度在线获取了“富士”苹果全透射光谱信号。不同姿态获取的透射光谱强度差异明显,但曲线走势相近,均在920 nm波段具有最大的光谱强度,在850 nm波段存在波谷。采用移动平均平滑、标准正态变量变换和多元散射校正等预处理方法有效去除原始光谱的随机噪声和基线偏差,减小了样本检测姿态引起的光谱差异。为分析不同检测姿态对苹果整果糖度预测模型的影响,构建了单一姿态局限模型和多姿态通用模型,结果表明基于全位点平均透射光谱构建的单一姿态局限模型对检测姿态具有很大的局限性,而多姿态通用模型预测能力较单一检测姿态相当,但却对不同的检测姿态具有更强的适用能力。为进一步提高光谱信号质量,优化模型预测能力,采用信号强度阈值优选方法实现了苹果整果糖度预测模型优化,发现移除中央位点获取的透射光谱信号,有利于提高苹果整果糖度预测模型精度。多姿态通用信号强度优化模型综合考虑不同姿态获取的光谱信息有效性,有效提升了通用信号强度优化模型的预测能力和稳定性,当多姿态通用模型中信号强度阈值为5 000时,模型预测性能最佳,其预测参数Rp,RMSEP和RPD分别为0.79,0.84%和1.58。表明短积分全透射近红外在线检测系统用于不同姿态苹果糖度预测是可行的,多姿态通用模型的建立,扩大了模型在不同姿态的预测稳健性,短积分光谱采集方式结合信号强度阈值优选方法提升了光谱信号的质量和模型的预测能力。 相似文献
2.
3.
4.
EKF是SINS/LBL紧组合导航系统中常用的数据融合方式,但其泰勒线性化会带来截断误差,从而影响系统定位精度。本文主要研究了SINS/LBL紧组合系统量测方程的非线性对系统位置校正性能的影响,建立了SINS/LBL紧组合系统的EKF状态方程和量测方程,并详细推导了UKF滤波的非线性量测方程,为进一步简化计算量,使用卡尔曼滤波的一步状态预测方程等价代替UKF状态预测UT变换。最后的仿真结果表明UKF能明显改善位置项的定位精度,定位精度提高约15%~20%,所提出的UKF算法在SINS/LBL紧组合导航系统中应用效果较好,具有很强的实用性。 相似文献
5.
近红外高光谱图像结合CARS算法对鸭梨SSC含量定量测定 总被引:3,自引:0,他引:3
高光谱数据量大、 维数高且原始光谱噪声明显、 散射严重等特征导致光谱建模时关键波长变量提取困难。 基于此,提出采用竞争性自适应重加权算法(CARS)对近红外高光谱数据进行关键变量选择。 鸭梨作为研究对象。 采用决定系数r2、 预测均方根误差RMSEP和验证集标准偏差和预测集标准偏差的比值RPD值进行模型性能评估。 基于选择的关键变量建立PLS模型(CARS-PLS)与全光谱变量建立的PLS模型进行比较发现CARS-PLS模型仅仅使用原始变量中15.6%的信息获得了比全变量PLS模型更好的鸭梨SSC含量预测结果,r2pre,RMSEP和RPD分别为0.908 2,0.312 0和3.300 5。 进一步与基于蒙特卡罗无信息变量MC-UVE和遗传算法(GA)获得的特征变量建立的PLS模型比较发现,CARS不仅可以去除原始光谱数据中的无信息变量,同时也能够对共线性的变量进行压缩去除,该方法能够有效地用于高光谱数据变量的选择。 结果表明,近红外高光谱技术结合CARS-PLS模型能够用于鸭梨可溶性固形物SSC含量的定量预测。 从而为基于近红外高光谱技术预测水果内部品质的研究提供了参考。 相似文献
6.
7.
基于一种新型的数值计算技术—无网格伽辽金法,提出了一种整体式柔性机构拓扑优化设计的新方法.利用移动最小二乘形函数和伽辽金的弱变分形式建立弹性问题的控制方程,用Lagrange乘子法增强本质边界条件.在优化问题中,同时综合考虑机构的柔性和结构的刚度要求,用折衷规划法建立了柔性机构拓扑优化的多准则优化模型,这样对于非凸的优化问题也能保证搜索到Pareto解集所有的有效解.基于SIMP密度函数惩罚模型和优化准则法,建立了一种设计变量的显式迭代格式.运用经典算例证明了文中方法的正确性和有效性. 相似文献
8.
基于水平集方法的均布式柔性机构的拓扑优化设计 总被引:2,自引:0,他引:2
提出一种利用水平集方法进行均布武柔性机构设计的新方法.根据水平集边界表达方法中具有几何信息的特点,将图像分析中的二次能量函数引入到水平集模型中,以控制柔性机构拓扑优化设计结果的几何尺寸,得到等宽带状均布的柔性机构,较好地解决了传统柔性机构拓扑优化中容易出现单点铰链问题.应用半隐式的加性分裂算子(AOS)算法求解水平集方程,松弛了逆风格式中CFL(Courant-Frie drichs-Lewy)条件对时间步长的限制,提高了求解效率.通过一个典型的二维算例来验证方法的有效性. 相似文献
9.
10.
西瓜检测部位差异对近红外光谱可溶性固形物预测模型的影响 总被引:1,自引:0,他引:1
西瓜可溶性固形物含量的无损检测对提升其内部品质十分重要。为实现近红外光谱对小型西瓜表面各部位可溶性固形物含量的准确预测,减小检测部位差异对预测模型的影响,以“京秀”西瓜为研究对象,分别采集赤道、瓜脐和瓜梗三部位的漫透射光谱信息,利用偏最小二乘算法(PLS)建立并比较单一检测部位和混合所有检测部位的西瓜可溶性固形物近红外光谱预测模型,并分别采用连续投影算法(SPA)和竞争性自适应重加权算法(CARS)对西瓜可溶性固形物近红外光谱变量进行特征波长筛选。结果显示,相比于单一检测部位的模型,混合所有检测部位的校正集样本建立的模型取得了较优的预测结果。同时,利用CARS算法筛选的42个特征波长变量建模,对三种检测部位预测集样本的预测结果分别为赤道RP=0.892和RMSEP= 0.684 °Brix,瓜脐RP=0.905和RMSEP= 0.629 °Brix,瓜梗RP=0.899和RMSEP= 0.721 °Brix。模型得到了很大的简化,且预测精度较高。比较发现,利用SPA算法筛选的19个特征波长变量所建模型的预测精度较低。利用三种检测部位的西瓜样本建立的PLS混合预测模型,结合CARS算法进行有效特征波长变量筛选,可提高西瓜可溶性固形物预测模型的精度,实现西瓜表面各部位可溶性固形物含量的准确预测,减小检测部位差异对近红外光谱预测模型的影响。结果为今后开发便携式设备检测西瓜表面各部位可溶性固形含量提供参考依据。 相似文献