一种改进型多组分气体的Tikhonov正则化特征光谱提取方法

针对FTIR光谱分析数据计算量大,具有相同基团的多组分混合气体交叉灵敏度过高,以及在线分析过程中基线漂移等问题,提出了一种改进的TR2-1(Tikhonov 2norm-1norm)正则化特征变量提取法。该方法借鉴TR1和TR2模型的基本思想,引入谱线距离和谱线系数绝对值最小化两个约束项来保证所提取特征量的准确度,消除基线漂移所带来的影响,并结合上述两种模型建立了不适定问题的最优化求解通式。该通式有效地克服了经验法和实验法确定正则矩阵和参数所带来的误差。实验以浓度为0.01%~20%的甲烷、乙烷、丙烷、正丁烷、异丁烷、正戊烷和异戊烷气体为例进行了特征光谱选取。结果表明,对于浓度为0.2%的甲烷气体,其预测误差平方和仅为2.6×10-4,可决系数达到0.959 2,分析准确度高,有效增强了TR正则法的实用性。     

混合气体红外光谱支持向量机分析的新方法

介绍了一种基于支持向量机的混合气体红外光谱组分浓度和种类分析的新方法。利用核函数将组分气体特征吸收谱线重叠严重的混合气体光谱在高维空间变换后,建立SVM回归校正模型,进行混合气体浓度分析。在利用支持向量机回归校正模型进行混合气体组分浓度分析的同时,证明支持向量机回归校正模型也可用于混合气体组分种类分析。对不同组分和不同组分浓度的混合气体红外光谱数据进行了实验,研究了谱仪扫描间隔、分析特征波长范围、核函数和惩罚因子等因素对分析结果的影响。混合气体组分浓度实验结果的最大平均绝对误差Mean AE为0.132%;混合气体组分种类识别的准确率大于94%。解决了传统的光谱分析方法中光谱特征谱线重叠、光谱数据的维数大、定性和定量分析无法使用同一方法等问题,可用于其他混合气体的红外光谱分析,具有实际应用价值。     

基于平均场支持向量机的混沌时间序列预测

提出了一种新的基于支持向量机的混沌时间序列预测方法，该方法利用平均场理论使支持向量机的学习过程变得简单高效。同时由于该方法将支持向量机的参数近似为高斯分布的，因此采用平均场理论能够容易的求解这些参数，这样获得的支持向量机的参数比传统的基于二次规划的算法更加精确，而且学习速度更快。最后利用该方法对嵌入维数与模型的泛化能力关系进行了探讨，并利用Mackey-Glass时间序列对该方法进行了验证，结果表明：该预测方法能精确地预测混沌时间序列,而且在混沌时间序列的嵌入维数未知时也能取得比较好的预测效果.这一结论预示着平均场支持向量机是一种研究混沌时间序列的有效方法.     

A piezoresistive micro-cantilever for thermal infrared detector

A novel tri-layer Si-based micro-cantilever thermal infrared (IR) detector with carbon nanotube (CNT) film is fabricated. It is based on the characteristic that the composite micro-cantilever bends in response to incident IR thermal radiation due to the bi-material effect. The bending of micro-cantilever is piezoresistively detected. Furthermore, a new IR absorbing layer material-CNTs-is coated in order to enhance IR radiation absorbing characteristic, the micro-electro-mechanical system (MEMS) sensor could be compatible with integrated circuit technology.     

基于径向基函数神经网络的Lorenz混沌系统滑模控制

针对受参数不确定和外扰影响的混沌Lorenz系统，提出一种基于径向基函数（RBF）神经网 络的滑模控制方法.基于被控系统在不稳定平衡点处状态误差的可控规范形，设计滑模切换 面并将其作为神经网络的唯一输入.单入单出形式的RBF控制器隐层只需7个径向基函数，网 络的权值则依滑模趋近条件在线确定.仿真表明该控制器对系统参数突变和外部干扰具有鲁棒性，同时抑制了抖振. 关键词： 混沌控制 滑模 径向基函数神经网络 Lorenz系统     

一种新型广义RBF神经网络在混沌时间序列预测中的研究

提出了一种新颖的广义径向基函数神经网络模型,其径向基函数(RBF)的形式由生成函数确定.然后,给出了易实现的梯度学习算法,同时为了进一步提高网络的收敛速度和网络性能,又给出了基于卡尔曼滤波的动态学习算法.为了验证网络的学习性能，采用基于卡尔曼滤波算法的新型广义RBF网络预测模型对Mackey-Glass混沌时间序列和Henon映射进行了仿真.结果表明,所提出的新型广义RBF神经网络模型能快速、精确地预测混沌时间序列,是研究复杂非线性动力系统辨识和控制的一种有效方法. 关键词： 广义径向基函数神经网络 卡尔曼滤波 梯度下降学习算法 混沌时间序列 预测     

基于SVM回归模型的混合气体组分种类光谱识别方法

针对混合气体红外光谱分析中无法采用同一模型同时进行混合气体组分浓度的定量分析和组分种类的定性分析的问题,本文提出了基于SVM回归模型的混合气体组分种类光谱识别方法.通过详细推导,证明混合气体组分种类识别完全可以通过组分浓度分析的SVM回归模型来求解,混合气体组分种类识别是一种特殊的回归.实验结果显示,该方法的混合气体组分种类的正确识别率不小于92.5%.     

微悬臂梁探测器的理论模型及优化设计

对基于微悬臂梁的光学和红外探测技术进行了理论分析,并建立了相应的理论模型,在此基础上对该类探测器进行了优化设计,包括：微悬臂梁材料的优化选择、金属镀膜材料及厚度的优化选择以及光辐射吸收层材料的选择。最终给出了一种新型的三层结构微悬臂梁探测器,理论上这种新型结构的探测器比现报道的同类探测器灵敏度高出20多倍,噪声等效功率降低了85％－70％。     

薄膜场发射开启电场的小波神经网络预测模型研究

关键词：     

光谱分析中的支持向量机方法及其性能优化

针对红外光谱气体分析中建立数据模型需要标定大量样本的问题, 提出一种基于正则理论的支持向量机的小样本机器学习方法,该方法能在获得模型参数全局最优点的同时保证训练误差为零,因而能较好地消除光谱间的交叉敏感现象,利用其良好的非线性映射能力对多组分红外光谱仪的试验结果表明,该方法可使光谱仪的交叉灵敏度下降约81倍。针对支持向量机(SVM)没有足够的理论支持的结构参数选取比较困难的问题,提出一种基于遗传算法和交叉检验相结合的遗传支持向量机(GA_SVM)算法,利用遗传算法的随机搜索特性求取SVM的最优结构参数,在20世代即可求取光谱仪的最小均方根误差(MSE)0.018, 并且在算法的前数世代,系统的MSE即已开始成倍下降。这些结果表明GA_SVM光谱仪具有更高的效率和泛华能力。