基于LabVIEW的太赫兹时域光谱分析软件

针对目前太赫兹光谱仪的数据采集和数据处理软件不能兼容的情况,设计了一个基于LabVIEW软件平台的THz时域光谱分析软件。主要研究了THz时域光谱系统的反射式以及透射式样品光学信息提取算法、支持向量机分类算法、以及偏最小二乘等分析算法以及它们的LabVIEW实现。该软件采用全LabVIEW代码实现,能够实现样品光学信息提取,物质分类识别以及多组分样品浓度分析,并且具有很高的移植性,可扩展性,与数据采集软件具有很好的兼容性。利用该光谱分析软件,分析了三种塑化剂的THz时域光谱信号,得到了它们在THz波段的折射率和吸收系数, 结果表明三种塑化剂可以用THz时域光谱完全区分,软件运行稳定可靠。     

基于LS-SVM和THz光谱技术的面粉中苯甲酸检测研究

面粉（小麦粉）是中国北方大部分地区的主食,苯甲酸是重要的酸型食品防腐剂,为了便于食品长期保存,往往会添加苯甲酸以便延长食品保存时间。但食用添加苯甲酸过量的小麦粉会对身体健康产生严重危害。太赫兹技术是一种新兴的检测技术,由于处于特殊的0.1～10 THz的太赫兹频段,在食品安全检测方面体现出了很强的应用潜力。主要致力于探索太赫兹光谱技术检测苯甲酸的合理性、可行性,利用太赫兹时域光谱技术对面粉中的食品添加剂苯甲酸进行实验研究。实验获取了面粉和苯甲酸的太赫兹时域光谱和频域光谱,其吸收系数显示苯甲酸的特征吸收峰在1.94 THz波段,面粉的太赫兹吸收系数几乎以一定的斜率增加,说明可以用THz-TDS（Terahertz time domain spectrum）技术对面粉中的苯甲酸进行特征识别。为建立面粉中添加剂苯甲酸的定量检测模型,实验获取了面粉中掺杂不同百分比（质量分数）苯甲酸的太赫兹时域光谱,计算得到吸收系数谱。实验发现吸收峰幅度的变化是与苯甲酸的含量成正比的,苯甲酸含量增加吸收峰幅度变大。首先探索了不同光谱预处理方法对太赫兹光谱的影响,采用如平滑校正、多元散射校正、基线校正和归一化等方法对原始光谱进行校正处理。校正之后,建立相应的PLS (partial least squares)模型以选择最优预处理方法。然后分别建立苯甲酸浓度和太赫兹吸收系数的MLR (multiple linear regression)、PLS和LS-SVM（partial least squares support vector machines）回归模型,并对比分析不同模型的优劣。将光谱数据归一化后建立的PLS模型更具有优势,预测相关系数R_p为0.979,预测均方根误差RMSEP为1.30%。LS-SVM与PLS和MLR模型相比,LS-SVM模型可以获得更好的建模结果,LS-SVM的预测相关系数R_p为0.987,预测均方根误差RMSEP为1.10%。利用MLR方法仅使用1.946和1.869 THz两个波段点进行建模,建模效果预测相关系数R_p为0.955,预测均方根误差RMSEP为1.90%。通过该研究为面粉中苯甲酸添加剂的无损检测提供了新的解决方案,也为其他类型的添加剂的检测提供了方法指导,对促进面粉行业的健康发展具有重要的意义。     

基于PSO优化LSSVM的未知模型混沌系统控制

由于混沌系统存在非线性、不确定性等特点, 常规的控制方法难以获得满意的结果. 提出一种基于PSO优化LSSVM模型参数的混沌系统控制方法. 该方法利用PSO算法的收敛速度快和全局收敛能力, 优化LSSVM模型的惩罚因子和核函数参数, 避免了人为选择参数的盲目性, 提高了LSSVM模型的预测精度. 另外, 该方法不需要被控混沌系统的解析模型, 且当测量噪声存在情况下控制仍然有效. 仿真实验结果表明了该方法的有效性和可行性. 关键词： 混沌系统控制 粒子群算法 最小二乘支持向量机     

混沌海杂波背景下的微弱信号检测混合算法

基于经验模态分解理论, 提出了一种基于粒子群算法的支持向量机预测方法. 采用总体平均经验模式分解法将混沌信号分解为若干固有模态函数和趋势分量, 将复杂的非线性信号转化为具有不同尺度特征的平稳分量. 利用粒子群算法对支持向量机的惩罚系数和核函数进行优化, 结合支持向量机建立混沌序列的单步预测模型. 从预测误差中检测淹没在混沌背景中的微弱信号(包括瞬态信号和周期信号). 对Lorenz系统和实测IPIX雷达数据进行仿真实验, 结果表明, 该方法能够有效地从混沌背景噪声中检测出微弱目标信号, Lorenz系统得到的均方根误差0.000000339 (-102.8225 dB时)比传统支持向量机方法的均方根误差0.049 (-54.60 dB时)降低了5个数量级, 从海杂波中检测出具有谐波特性的微弱信号, 表明预测模型具有更低的门限和误差.     

基于LDA-CPSO-SVM优化的多层胶接结构脱粘缺陷识别方法

将太赫兹时域光谱技术与支持向量机算法相结合,对多层胶接结构的脱粘缺陷识别方法进行研究.一方面通过线性判别分析法对太赫兹时域光谱系统提取的14种太赫兹时域特征参数进行降维,使多层胶接结构胶层中正常区域、脱粘区域及边缘区域的分类精度提高了20.3％;另一方面采用混沌粒子群法对支持向量机的核函数进行寻优,使胶层Ⅰ分类正确率提...     

基于太赫兹时域光谱分析红层泥岩风化样本

红层泥岩边坡的风化是一个普遍存在而又未完全解决好的问题。因风化而造成的不稳定红层泥岩边坡,在岩土体重力、震动及其他因素作用下,常常发生危害性的变形与破坏,导致崩塌滑坡、落石和泥石流等地质灾害。风化深度是红层泥岩边坡治理的重要依据之一。风化深度是指岩石破裂后在破裂面内侧产生的微裂隙或微裂隙带在风化作用下向岩石内部延伸的垂直距离。选择典型的红层泥岩边坡地带进行钻孔取样。太赫兹时域光谱技术是利用太赫兹脉冲表征物质性质的一种新兴光谱技术。实验使用太赫兹时域光谱系统测量所取得样本的太赫兹透射光谱。对所有样品的透射光谱进行分析,观察到各风化样品间的太赫兹透射光谱差别微小,且没有明显的特征吸收峰。为了获得取样地点的风化深度,基于太赫兹光谱建立一个智能,高效的回归预测支持向量机(SVM)模型来预测采样地点的风化深度。预测结果与实际深度相比较,所得相对误差小于7.09％。结果表明,基于太赫兹光谱的支持向量机(SVM)模型可以有效的区分样本以及预测深度,可以为红层泥岩边坡治理提供重要的参考。     

基于太赫兹时域光谱和模式识别技术软玉和仿品鉴别

玉石是一种稀有的矿物质,自古以来备受国人喜爱,其真伪鉴别一直是珠宝鉴别行业的棘手难题,传统的鉴别方法已经难以实现对真假玉石的准确鉴别。太赫兹检测技术可以实现快速无损检测,在混合物的分类鉴别方面,有广泛的应用。基于太赫兹时域光谱技术和模式识别技术,对来自我国新疆、青海,以及巴基斯坦、阿富汗四个地区的软玉样品及玻璃、大理石、石包玉三种仿品,使用透射模式测得样品在0.1~1.5 THz频率范围内的太赫兹谱,通过参数提取得到其折射率谱线。由于其化学成分的复杂和多样性,仅靠其特征谱线图,并不能正确的区分软玉和仿品,为了更好的对其进行鉴别,需要建立分类模型。采用主成分分析（PCA）对实验得到的原始折射率数据进行降维和特征提取,作出样品在第一、二主成分上的二维得分图,在图中可以看出软玉和仿品能够很明显的区分开来。在经过降维处理之后的数据中,随机选取其中的四分之三作为训练集,剩下的作为测试集,输入到支持向量机（SVM）建立的分类模型中,并引入网格搜索（GridSearch）、遗传算法（GA）和粒子群算法（PSO）对支持向量机参数进行优化。结果显示,基于网格搜索的支持向量机最优参数c=2.828 4,g=2,识别率为97.7%,运行时间为1.39 s,用时最短;基于遗传算法的支持向量机最优参数c=1.740 1,g=4.544 6,识别率为98.3%,运行时间为3.6 s;基于粒子群算法的支持向量机最优参数c=11.287 2,g=1.833 1,识别率为98.6%,运行时间为6.13 s,用时最长。虽然三种优化算法得到的最优参数不同,但均可实现正确的分类。研究结果表明,使用太赫兹时域光谱技术结合模式识别方法可以快速、准确的鉴别软玉和仿品,这为玉石的鉴别提供了一种新手段。     

基于THz技术的农产品品质无损检测研究

农产品品质备受关注,而由品质变化引发的农产品安全事故频繁,开发农产品品质的快速无损检测技术成为研究热点。太赫兹波(THz)是介于微波与红外之间的电磁辐射,由于其独特的优势,具有重要的科学研究价值。近年来,随着THz辐射源和探测器研究的不断突破,大大丰富了THz的应用研究。与其他检测技术相比,作为一种新型检测技术,THz辐射具有安全和高信噪比等重要特征,能获得传统检测方法无法获得的物理、化学和生物等信息,在质量安全检测与控制、生物医学和通信等领域的应用前景广阔。首先介绍了THz波的概念和主要性质,接着对THz技术在农产品品质检测应用上的研究进展进行综述,分析THz探测技术存在的问题,对THz技术的应用潜力进行展望,最后提出THz技术在储粮品质检测中新的应用和广阔前景。     

基于太赫兹时域光谱技术的红木分类识别

提出了一种利用太赫兹时域光谱技术（THz-TDS）进行红木分类识别方法。红木价格昂贵,同时由于种类繁多难以识别,导致红木市场以次充好,以假乱真的现象层出不穷,严重扰乱了市场秩序,给生产者和消费者造成巨大的经济损失,传统的红木分类识别方法难以兼顾准确性和快速性,因此需要研究一种新的方法对现有木材分类识别方法进行补充和发展。相比于传统方法,太赫兹波对红木具有良好的穿透性及指纹特性,在红木的分类识别中有较大的应用潜力。选用5种红木（巴里黄檀、奥氏黄檀、大叶紫檀、小叶紫檀、交趾黄檀）作为试验样品木材。利用THz-TDS系统得到木材的太赫兹时域光谱,通过对五种木材的太赫兹时域光谱进行快速傅里叶变换,得到木材太赫兹频域光谱,并对太赫兹时域光谱提取光学参数,分别得到木材的太赫兹折射率谱和吸收系数谱,结果表明不同种类的木材在时域光谱上具有时间延迟线与振幅的差异,在频域光谱上显示衰减趋势及幅值各不相同,在吸收系数谱中各种类红木吸收峰出现的频段不同,能够直观地展示出各种类木材之间的区别,表明THz-TDS进行红木分类识别具有一定的可行性。利用连续投影算法（SPA）提取吸收系数谱和折射率谱的特征频率,对吸收系数谱260个频率点筛选出28个特征频率点,频段占比10.77%;对折射率谱260个频率点筛选出12个特征频率点,频段占比4.62%。分别建立基于吸收系数谱和折射率谱的随机森林分类模型和支持向量机（SVM）红木分类模型,并对各模型分类结果进行对比。实验结果表明,THz-TDS具有良好的木材识别效果,基于木材太赫兹吸收系数谱和折射率谱建立的随机森林分类模型对红木种类有着较好的分类性能,总体分类准确率分别达到了94%和96%,能够准确对红木种类进行分类识别。利用太赫兹时域光谱技术实现了红木的分类识别,为红木的分类识别提供了一个新的思路和技术方案,能够作为近红外光谱木材检测方法的补充,同时为太赫兹技术在木材分类识别领域的应用提供了理论基础。     

基于元学习和二进制粒子群的网络故障特征选择算法

为了降低Wrapper模式网络故障特征选择方法分类算法的计算量,本文提出了一种基于元学习和二进制粒子群(ML-BPSO)的特征选择方法。算法在封装的分类训练中采用元学习方法估算分类精度,并利用BPSO在特征空间中进行全局搜索选出最优特征集。在DARPA数据集上的实验表明本文提出的方法能够显著的降低封装模式特征选择计算量,同时保证了较高的诊断精度和较好的降维效果。     

基于太赫兹时域光谱技术的煤岩识别方法研究

煤岩识别一直是制约煤矿无人化开采的关键问题之一。传统的人工采煤因为工作环境极其复杂,很难精准地找到煤岩的分界面,容易造成欠切割或过切割现象。太赫兹光谱技术作为一种无损探测技术,能够反映出被测物体的物理和化学信息,可以成为研究煤岩识别的有效方法。采用太赫兹时域光谱技术与多元统计法—聚类分析（CA）和主成分分析（PCA）相结合的方法来识别不同种类的煤岩。通过透射式太赫兹光谱仪获得六种煤岩样品的太赫兹光谱,对其进行FFT等一系列数学计算可以得到各种样品的折射率、吸收系数以及介电常数。计算结果表明不同种类的煤岩在折射率、吸收系数上都存在差异。分析各类煤炭样品的折射率和吸收系数与样品的各组成成分含量之间的关系,可以发现碳含量是影响其样品折射率大小的因素之一,灰分含量是影响其样品吸收系数大小的因素之一。聚类分析中两类样品的欧氏距离与主成分分析中的第一主成分（PC1）得分都能反映煤岩样品之间的相似性和相异性,并且CA与PCA的结果保持一致。分别将各类样品在0.5～2.5 THz频率范围内的折射率、吸收系数与CA和PCA结合,组成太赫兹数据与煤岩之间的模型。分析表明：根据不同样品之间的相似性,两种模型中六种煤岩样品均被分为两类;在各种样品的吸收系数与CA-PCA组成的模型中,四种煤炭被聚集在一起,并且石英砂岩（GSR-4）具有很好的独特性：石英砂岩拥有最小的PC1得分值以及石英砂岩与第二类之间的欧氏距离最大,为219.03。由此可见采用太赫兹技术与多元统计方法结合,可以实现煤岩的准确识别,识别准确率可以达到100%。     

颗粒度对不同煤种可见光-近红外光谱的影响

煤炭是我国最主要的能源,在开采、运输、洗选加工、精煤储运等过程中都需要及时了解煤的成分、含量以及混矸程度,以便掌握和监控煤炭质量。目前,基于可见光-近红外反射光谱的煤炭原位测试技术已经成为一个研究热点。颗粒度是影响光谱特征的重要因素,开展颗粒度对不同煤种反射光谱特征的影响研究,对于深刻认识煤的光谱特征,进而提高煤光谱识别精度具有重要意义。为此,选取我国主要煤炭富集区（包括内蒙古乌海、新疆哈密、山西阳泉）的褐煤、烟煤、无烟煤为研究对象,利用SVC HR-1024光谱仪对不同颗粒度煤样的可见光-近红外光谱进行测试,分析了颗粒度对煤样光谱反射率的影响规律,以及颗粒度对于不同煤种光谱影响的差异。在此基础上,对实验现象背后的物理机理进行了分析讨论。研究表明,变质程度不同的煤反射光谱特征基本相似,即在可见光波段反射率较低且随波长增加出现缓慢下降趋势,在近红外波段快速上升。当煤样颗粒度>0.10 mm时,颗粒度大小对光谱特征的影响较小,煤样反射光谱特征随颗粒度变化规律不明显;当颗粒度<0.10 mm时,颗粒度对煤样的光谱影响增大,且影响主要体现在近红外波段的反射率光谱曲线的斜率大小,颗粒度越小,光谱反射率曲线斜率越大。0.10 mm颗粒度可作为颗粒度对煤的光谱特征影响的敏感界限。不同煤种可见光-近红外光谱曲线受颗粒度的影响程度不同,褐煤的影响最大,烟煤次之,无烟煤影响最小。实验表明,利用反射光谱进行煤质分析和煤种识别时需要考虑颗粒度的影响,同时,选择颗粒度小于0.10 mm的粉末状样品效果要好于大颗粒或块状样品。     

基于神经网络的电站锅炉入炉煤粉含碳量在线测量研究

电站锅炉燃烧的煤种来源不稳定,经常与设计煤种偏差较大,造成锅炉出力不足、燃烧效率下降以及结焦等问题出现,影响锅炉燃烧的经济性和安全性。针对锅炉燃烧煤种的不稳定性,提出了一种基于静电法在线测量入炉煤粉含碳量的方法,研究静电信号与煤粉含碳量之间的关系。对煤粉颗粒静电测量过程中的几个影响因素进行了试验分析,并采集了足够具有代表性的数据,在此基础上建立了锅炉一次风管中入炉煤粉含碳量的BP神经网络模型。结果表明,所建立的模型预测效果较好,能较好预测进入锅炉燃烧的煤种。     

基于THz光谱的HNS单体猛炸药含量分析系统

现有的傅里叶变换红外光谱仪无法实现六硝基芪的光谱定量分析,而作为常见单体猛炸药而言,能够快速识别并定量分析其含量具有重要意义,故研究设计了一种基于THz光谱技术的HNS检测系统。系统采用透射式吸收光谱计算模式。光路中引入电光调制模块,实现稳定快速的光程静态扫描。在实验获取HNS特征吸收峰位置的基础上,结合空气在此波段的吸收特性,获得了光谱数据相关系数表达式,并由此确定了多特征波长选择依据。结合比尔-朗伯定律,给出了HNS含量的函数表达式及其系数公式。实验通过化学配置法得到不同HNS含量的样品粉末,并以此含量作为标准值。将不同含量的多组HNS样品粉末进行压片处理,分别采用太赫兹光谱仪和本系统进行HNS含量检测。实验结果可知,HNS含量在0.10%～50.00%范围内两种检测方法效果相近,与标准值误差均低于5.0%,且本系统具有更好的线性度。     

空气环境下煤粉流LIBS多元素同时检测中激光能量研究

考察了大气环境下激光诱导击穿光谱适用于煤粉流多元素同时检测的激光能量范围,分析了造成煤粉流测量谱线信号波动的原因,得到了适用于煤粉流多元素同时检测的激发区域功率密度范围和最佳功率密度。实验选取能量范围为20～160 mJ,粒径小于200 μm煤粉颗粒经下料口自由下落形成煤粉流束,通过螺杆式给粉机控制流量,波长1 064 nm脉冲激光聚焦后作用于下降的煤粉流束上,产生等离子体,光谱仪采集等离子体发射光谱信号,分析结果表明：实验台架下适于煤粉流LIBS检测的能量范围为30～60 mJ,对应激发前沿功率密度选取范围14.4～34.4 GW·cm-2,最佳测量功率密度19.5 GW·cm-2。     

基于LVQ与SVM算法的近红外光谱煤产地鉴别

传统煤产地鉴别方法一般以发热量、挥发分、粘结指数、哈氏可磨指数和坩埚膨胀序数作为分类指标,过程复杂耗时较多、耗费巨大的人力、物力并且无法直接快速的得到煤样产地等问题,借助近红外光谱技术快速无损检测的优势,利用基于SVM的留一算法对光谱数据集进行异常样本剔除,得到包含正确光谱信息的煤样光谱数据集,构造基于SVM算法与LVQ算法的定性分析模型,完成基于近红外光谱分析技术的煤产地的快速鉴别,无需对煤样的各种指标进行汇总并且人为预测。针对SVM分析模型中存在随机参数优化问题,引入PSO算法对SVM模型中的损失参数C和核函数半径g进行改进,得到最优参数,最后引入计算准确率的方法对比以上模型并进行评价分析。实验一共收集了加拿大、俄罗斯、澳大利亚、印度尼西亚、中国内蒙等5个地区的煤样光谱数据集,数据集共计305组煤样样本,其中异常样本共计10组,分别选择各国煤炭光谱的前31组作为训练样本,后6组数据作为测试样本,结果表明各分类模型的分类准确率均能达到75%以上,其中基于PSO算法改进的SVM分析模型的准确率可达到96.67%,仅一个样本出现问题,可快速高效地实现基于近红外光谱分析技术的煤产地的鉴别。     

青蒿素及其衍生物太赫兹指纹谱的测试与认定

青蒿素及其衍生物(双氢青蒿素,蒿甲醚,青蒿琥脂)是一种具有过氧桥化学结构的倍半萜内酯类化合物,对治疗疟疾有特殊疗效,且具有高效、低毒、成本低、安全等药理特性,使其成为现如今最为广泛应用的一种抗疟药。但是截止目前相关的太赫兹指纹谱数据还存在争议,为该类药物的太赫兹快速、无损鉴定带来困扰。为了进一步完善青蒿素及其衍生物的太赫兹指纹谱数据,利用太赫兹时域光谱(THz-TDS)技术重新测量了青蒿素、双氢青蒿素、青蒿琥酯、蒿甲醚等四种青蒿素类药物在太赫兹波段的吸收特性,分别得到它们在0.2～2.7 THz波段的吸收光谱。并对实验结果与现有的指纹谱数据进行了对比分析。结果显示,绝大部分的共振峰与文献[3]中的一致,但峰位和强度略有差异,并且有新的峰位出现。然后,讨论了样品制备和数据处理方法对数据结果的影响,以及分子结构与峰位的关系。并基于此进一步确认了数据的有效性。为进一步研究青蒿素及其衍生物的药性提供参考,并对其无损鉴别、定量定性分析提供了一种快速、有效的检测方法。     

基于THz光谱和多信息融合的小麦品质无损检测研究

为进一步提高不同品质小麦分类模型的检测精度,提出采用太赫兹时域光谱技术(THz-TDS),融合小麦样品的吸收光谱和折射率光谱信息,对其品质进行检测识别。以正常小麦、发芽小麦、霉变小麦和虫蚀小麦样品为研究对象,获取样品THz波段光学参数,在特征层选用AdaBoost(AdaBoost)分类器和支持向量机(SVM)方法,建立了小麦品质多项光学指标的分类融合模型。并将融合模型的识别结果进行比较,结果表明融合模型对小麦样品的识别率达到95%。最后,为了验证融合模型的有效性,将其与单光谱分析回归模型进行了对比,表明融合模型比单光谱模型在小麦样品的识别率上有了较大的提高,且SVM融合模型的识别率最高,是一种最优的多源信息融合方法。     

不同物理形态阿奇霉素的远红外与太赫兹光谱鉴别研究

运用THz-TDS技术和Far-FTIR技术在干燥氮气和真空环境下分别测量了阿奇霉素干混悬剂、胶囊、片剂、分散片等不同物理形态的药品在0.2～5.0 THz波段的光谱。其中,阿奇霉素干混悬剂在0.2～15.0 THz波段内存在较为明显的吸收峰,且对比国产和进口产品的特征峰可以发现,国产药品在几个主峰上都表现出谱线增宽,且有部分多余小峰出现,可能是由于结晶度不纯和杂质引起的。而国产阿奇霉素胶囊、片剂、分散片则由于填充辅料、样品颗粒较大、样品含量少等原因致使吸收基线随频率增高而上扬,上述特征峰在0.2～2.7 THz波段发生不同程度的变弱和频移。同时,对不同浓度进口阿奇酶素干混悬剂与聚乙烯的混合物作了分析,根据浓度与吸收强度呈现的线性正相关关系,可以较为准确地分析出有效成分的浓度,从而实现对阿奇霉素类混合体系药品的质量检测和评估。     

基于遗传算法优化BP神经网络的高炉喷煤优化

高炉炼铁是一个复杂的多变量系统,而现行的操作制度是基于炉长经验的参数设置模式,导致能源尤其是煤粉的消耗常常处于“盲目”状态。本文综合炼铁工艺理论和高炉专家经验,针对白云鄂博矿石冶炼的特殊性,采用筛选出的优化数据,利用遗传算法所固有的全局搜索性能优化BP神经网络模型的权值和阈值,分别建立了基于遗传算法优化BP神经网络的高炉喷煤量优化预测模型以及工艺指标(铁水[Si]含量及入炉焦比)预测模型。优化数据的利用使得上述模型可以根据高炉当前炉况输出喷煤量的最佳优化设定值,并预测出相对应的工艺指标变化趋势。实际应用表明,本方法能够给现场操作人员提供操作指导,实现高炉稳定顺行、提高经济效益的目的。