嫦娥三号粒子激发X射线谱仪红外距离感知方法

粒子激发X射线谱仪(APXS)是我国嫦娥三号卫星月球巡视器的有效载荷之一,其主要目的是对月面土壤和岩石完成就位探测和离线分析,距离感知功能是保障APXS有效探测的一项重要功能。本文首先简要介绍了APXS系统,分析了距离感知功能的特殊要求和约束,然后提出了一种利用响应曲线拐点的新型红外距离感知方法。通过理论推导证明了本方法的算法可行性,并且设计试验验证了本方法。理论分析表明,尽管该方法对工作温度和月面反射率不敏感,但是强烈的太阳红外辐射环境可能引起光敏器件饱和。解决措施是适当降低器件增益并避免太阳光直射。     

A Review of Recent Near Infrared Research for Wood and Paper

Abstract

This review article introduces recent technical and scientific reports in terms of near infrared (NIR) spectroscopy in the wood and paper science and industry, where interest has increased during the last couple decades. Many researchers reported the NIR technique was useful to detect multi information in both chemical and physical properties of wood materials, although it was widely used in a state where characteristic cellular structure was retained. In the case of application of NIR spectroscopy to pulp and paper, many publications have pointed out its high probability as online measurement techniques during paper‐making process control. Arguments referred to the importance of NIR spectroscopy as fundamental and applied research of wood and paper.     

纳米硫化铜近红外吸收材料

采用新型超声喷雾法技术,把摩尔分数都为0.5%的Cu(NO3)2和Na2S水溶液分别作为初始反应溶液,调节溶液体系的pH值在6～8,把经过超声雾化后的Cu(NO3)2溶液逐步加入到处于强力搅拌的Na2S水溶液中,经陈化过滤后获得纳米半导体硫化铜(CuxS,1≤x≤2)粉体。分析了不同热处理温度与原料配比对获得的硫化铜纳米颗粒化学成分的影响,用X射线粉末衍射仪表征了纳米硫化铜粒子的晶相与化学组成,并采用扫描电镜观察了相应化学组成的粒子晶相形貌,测定了不同化学组分纳米硫化铜粒子从可见到近红外胶体状的吸收和透射光谱。研究表明不同化学组成的纳米硫化铜对近红外光都具有显著的吸收效应,这是由于电子在硫化铜半导体纳米粒子能带中的跃迁所致,同时这些半导体粒子对可见光具有很高透过性,但其可见光透射率随着纳米粒子从Cu2S趋向CuS而略有下降。     

近红外光谱Elastic Net建模方法与应用

当近红外光谱信息远大于样本量时，对光谱信息进行自动变量选择进而建立光谱与样品含量的稀疏线性模型重要且具有挑战性。利用近红外光谱，将变量选择方法Elastic Net用于聚苯醚生产过程中微量成分邻甲酚的测量，建立近红外光谱与邻甲酚含量之间的定量校正模型，并将其模型预测效果与Lasso方法进行对比。在变量数目远远大于样本量的情形下，Lasso方法虽可实现变量选择，但由于对系数的过度压缩，使得模型的预测精度受到影响，而Elastic Net通过增加L2惩罚项避免了过多删失数据，可以提高模型预测精度。为了验证Elastic Net方法的模型性能指标，用复相关系数R2和调整的复相关系数R2_a来评价模型的可解释性，利用平均相对预测误差MRPE(mean relative prediction error)和预测相关系数Rp来评价模型的预测精度。Lasso方法建立的模型性能指标为：R2=0.94，R2_a=0.93，MRPE=4.51％，R_p=0.96；Elastic Net方法的性能指标为：R2=0.97，R2_a=1，MRPE=3.25％，R_p=0.98。结果表明，Elastic Net所建立模型的性能指标优于Lasso方法，可以得到可解释性较强和预测精度较高的稀疏线性模型。     

Ensemble-SISPLS近红外光谱变量选择方法

近红外光谱具有高维小样本的特点,变量选择是提高定量分析模型稳健性和可解释性的一种有效方法。确定独立筛选（SIS）是一种基于边际相关性的超高维数据变量选择方法,广泛用于基因微阵列数据的变量选择。SIS具有将数据维度降低至样本大小规模的能力,其降维能力与LASSO相当,在相当宽泛的近似条件下,由于具有安全筛选性质,所有重要变量被保留的概率趋于1。基于确定独立筛选偏最小二乘（SIS-SPLS）的变量选择是一种迭代式的SIS变量选择方法,首先利用SIS方法完成光谱重要变量的初选;然后根据重要变量的边际相关性大小进行逐步前向选择：建立偏最小二乘回归模型,依据贝叶斯信息准则（BIC）确定最终的变量选择结果。SIS-SPLS以逐步前向选择的方式实现对重要变量的增量式筛选,随着潜变量个数的增加及因变量残差的逐步减小,SIS-SPLS方法选择的变量个数将趋于稳定。然而仅以边际相关性对变量重要性进行评价,当光谱变量个数远大于样本数时,该方法也存在选择的变量过多、变量选择结果不够稳健等问题。为进一步提高小样本情况下变量选择的稳健性,将集成学习引入SIS-SPLS方法之中,提出了一种集成SIS-SPLS变量选择方法（Ensemble-SISPLS）。该方法首先对校正集样本进行自助重采样,对采样得到的每一个校正子集分别使用SIS-SPLS方法进行变量筛选,通过投票机制并设置频次阈值对所有校正子集的变量选择结果进行集成,选择出现频次大于给定阈值的变量并建立偏最小二乘回归模型,计算5折交叉验证均方根误差。对频次阈值和潜变量个数两个关键参数使用网格搜索法进行优选,根据子模型的交叉验证均方根误差和变量个数对子模型性能进行综合评价,以最优子模型包含的变量作为最终的变量选择结果。分别在Corn数据集和当归数据集上进行变量选择实验,比较Ensemble-SISPLS,SIS-SPLS和UVE-PLS三种变量选择方法的性能。其中当归数据集共77个样本,样本采自甘肃岷县和渭源县,使用Nicolet-6700型近红外光谱仪扫描得到所有样本的近红外光谱并对当归中的阿魏酸含量进行预测。Ensemble-SISPLS方法在Corn数据集上选择的变量个数、RMSEP和决定系数分别为22,0.000 8和0.999 8;SIS-SPLS方法在Corn数据集上选择的变量个数、RMSEP和决定系数分别为97,0.007 3和0.998 8。Ensemble-SISPLS方法在当归数据集上选择的变量个数、RMSEP和决定系数分别为24,0.018 1和0.996 3;SIS-SPLS方法在当归数据集上选择的变量个数、RMSEP和决定系数分别为38,0.022 6和0.994 3。结果表明,该方法进一步提高了变量选择结果的稳健性和预测能力。Ensemble-SISPLS变量选择方法有效结合了SIS-SPLS较强的变量选择能力和集成学习良好的泛化能力,提高了变量选择的稳健性。此外,由于在子模型的预测能力和变量个数之间进行了折中,一定程度上减少了选择变量的个数,提高了模型的可解释性。     

纺织品近红外光谱定性分析的一种新方法

近红外光谱分析技术可用于对样本的快速无损检测,在人们的生产和生活中发挥着越来越重要的作用。支持向量机是建立定性分析模型的常用方法,可通过寻找最优分类超平面将两类样本分开。在小样本情况下,支持向量机方法有其独特的优势。主成分分析是常用的数据降维方法,可将数据降维之后作为支持向量机方法的输入变量,简化模型并提高模型识别的准确性。因此,基于主成分分析的支持向量机(简称PCA-SVM)适合用于建立近红外光谱定性分析模型。多模型方法是人们使用较少的建模方法,用该方法建立的模型一般具有较好的稳定性。将多模型方法与PCA-SVM方法成功结合形成了新方法。以棉锦混合、棉涤混合纺织品为例,用新方法建立了这两类纺织品样本的近红外光谱定性分析模型。建模时将光谱数据按照波长分为4组,用每组光谱数据建立一个子模型,将子模型的输出值进行加权平均便得到最终的预测结果。这样可以更充分地使用光谱数据中所包含的信息。为了便于对比不同的方法,仍使用上述校正集和验证集,又用PCA-SVM方法建立了这两类纺织品样本的近红外光谱定性分析模型。对预测结果做交叉验证,用新方法所建模型判别的正确率的平均值为85.49%,正确率的标准差为0.066 7, 用PCA-SVM方法所建模型判别的正确率的平均值为83.34%,正确率的标准差为0.109 6。研究结果表明用新方法所建模型的分类效果好于用PCA-SVM方法所建模型的分类效果;用新方法建立的模型的稳定性明显高于用PCA-SVM方法建立的模型的稳定性。用PCA-SVM方法所建模型的预测效果受校正集构成情况的影响较大,而用新方法所建模型的预测效果则相对稳定。对废旧纺织品进行分类回收可大量节约纺织原材料,但采用人工分拣方式效率低且成本高。采用近红外光谱分析方法对纺织品进行分类,为废旧纺织品的大规模精细分拣和分级奠定了一定的基础。该新方法有望用于某些其他类型样本的分类。     

NIR光谱的Isomap-PLS非线性建模方法

针对样品的近红外(NIR)光谱与其物理化学性质之间存在的非线性关系,提出了一种结合等距映射(Isomap)和偏最小二乘(PLS)的非线性建模新方法。Isomap是一种新的非线性降维方法,属于流形学习方法,能有效地发现高维数据中的本真低维结构。Isomap-PLS建模方法首先用Isomap对高维NIR光谱数据作非线性降维,再用PLS降维并建立校正模型。将Isomap-PLS建模方法分别应用于两个公开的NIR光谱标准数据集,并与PLS单独建模进行比较。结果表明,在两个数据集上,用Isomap-PLS方法建立的校正模型比单独用PLS算法建立的校正模型具有更小的交叉验证均方根误差(RMSECV);对某些性质数据,Isomap-PLS模型比PLS模型的RMSECV值要小2～5倍。因此,Isomap能够有效反映NIR光谱中存在的非线性结构,Isomap-PLS比PLS具有更好的建模与预测能力。     

近红外光谱无创血糖检测中有效信号提取方法的研究

糖尿病严重危害人类健康,无创血糖检测是医患双方的期望。人体生理背景成分复杂、易变,各种组织信息混杂,导致直接测量人体的近红外光谱很难真实反映血液中血糖浓度变化信息。提出血流容积差光谱相减法,即利用血流容积一直在变而人体组织背景和血液成分含量短时间不变的事实,通过相似背景扣除,有效消除人体组织背景干扰,获得反映血液成分信息的有效光谱信号。为验证方法的有效性,自行研制相关实验系统,获得系统噪声好于20 μAU,并在波长1 250 nm处取得信噪比为20 000∶1的有效光谱信号,阐明现有条件下血流容积差光谱相减法在近红外无创血糖检验临床应用的可行性和优势。     

近红外光谱分析技术

介绍了近红外光谱分析技术的工作原理,阐述了其数学模型的建立及分析过程,总结了现有常用的化学计量学方法及各自的优点,最后简单的概括了近红外光谱分析技术的应用,尤其是在制药方面的应用.     

近红外激光照明器均匀性评价技术研究

近红外激光照明是在低照度情况下,用近红外激光作为光源对远距离目标进行主动照明.由于激光的产生机制、匀光装置和照明器采用的光学系统公差、大气湍流等因素,近红外激光光束在目标面上的光强空间分布不均匀,对成像、观测准确度产生较大影响.本文提出采用近红外激光光强功率谱衡量照明近红外激光光强分布均匀性,即采用归一化后光强功率谱所围成的面积作为衡量近红外激光照明均匀性的参量.利用这种方法,对不同的近红外激光照明器,在相同的工作状态下的照明均匀性评估参量进行了研究,结果验证了采用归一化后光强功率谱所围成的面积作为评价参量的合理性.     

近红外光谱的数据预处理研究

进行了小麦样品近红外光谱数据的预处理研究,一般仪器记录的样品近红外光谱数据中包含有一系列噪声和干扰信号,因此适当的预处理是进行后续光谱定标、建模及模型传递的基础,对可靠地获得准确分析结果具有很重要的作用。结合小麦样品蛋白质含量近红外光谱分析工作,对由近红外光栅光谱仪和傅里叶变换近红外光谱分别记录的66种小麦样品光谱数据,采用高斯一阶、二阶导数小波变换方法进行了预处理。对比常用的一阶差分预处理,证明高斯函数导数小波变换方法是十分有效、实用的,预处理后光谱曲线非常光滑、噪声消除效果明显,富含有用光谱分析信息的区域更加清晰显示,因而非常有助于后续的光谱定标、建模和模型传递工作。     

金刚石近红外增透滤光保护窗口的制备及应用

报道金刚石近红外增透滤光保护窗口的研制及其在工业中的应用。采用热灯丝化学气相沉积方法成功地制备出金刚石近红外增透滤光保护窗口，其工作波长为１．３￣１．８μｍ，具有良好的光学透过性和优良的物理化学性质。该窗口已在上海宝钢获得成功应用。     

近红外稳健分析校正模型的建立(Ⅰ)--样品温度的影响

样品温度对近红外光谱分析模型稳健性有明显影响 ,消除其影响的三类方法包括光谱预处理、波长选择和温度补偿校正集。文章以重整汽油 /辛烷值 /苯含量为研究体系 ,考察了这三类方法对建立稳健分析模型的有效性 ,并详细研究了温度补偿校正集样品数量及性质分布对温度混合模型稳健性的影响规律。结果表明 ,仅通过光谱预处理方法难以消除温度对模型稳健性的影响 ;遗传算法波长选择和温度补偿校正集对消除温度影响是有效的 ,而后者更容易实现 ,但在实际应用中应考虑非线性问题     

红木的近红外光谱分析

红木珍贵、种类多,大多数人对红木种类及真伪难以或无法鉴别。利用近红外光谱技术对国家标准中八类红木的近红外光谱进行分析,研究结果表明:(1)近红外光谱与红木色度学参数(L*,a*和b*)之间存在非常高的相关性,预测值与实测红木L*,a*和b*值的相关性分别达到0.988,0.991和0.993;(2)利用化学计量学中的主成分分析(PCA)方法可以将八类红木清楚地区分成八个相应的类别,利用三个主成份信息绘制的三维PCA得分图比二维图更能直观地展现八类红木的区别。研究结果说明应用近红外光谱技术识别红木类别具有可行性,这为开发红木的鉴定或识别提供新的方法和研究思路。     

Enhancing the Emission of Polydiacetylene Sensing Materials Through Fluorophore Addition and Energy Transfer

Enhancement of the environmentally responsive fluorescent properties of polydiacetylene (PDA) by combination with lipophilic fluorophores was demonstrated and properties of the PDA/fluorophore systems were explored. Liposomes containing PDA and fluorophores exhibited enhanced Stokes shift and increase in emission as a result of energy transfer from PDA to fluorophore. The effects of fluorophore variation, degree of PDA polymerization and diyne placement in the diacetylene lipid tails on the emission enhancement were studied. It was determined that signal generation was optimized at a relatively low extent of PDA polymerization with the optimal degree of polymerization dependent on the other parameters. Energy transfer was used as a tool to detect fluorophore exchange between polymerized and unpolymerized liposomes and to study the effects of fluorophore structure on exchange from unpolymerized to PDA liposomes. Fluorophores that locate at the aqueous interface with alkyl anchors were slow to transfer while fluorophores that partition into the alkyl regions of the liposomes transfer quickly.     

近红外光谱的小波特性研究

通过对在柴油近红外光谱中加入模拟噪声和模拟背景构成的模拟光谱进行小波分析,考察了模拟噪声和模拟背景(线性、二阶和三阶非线性漂移)在小波时-频区域的分布。结果表明,近红外光谱的背景主要分布在低频部分,尤其是逼近部分;噪声主要分布在高频细节部分;反映柴油性质变化的信号主要分布在中间频率细节部分。利用小波变换可同时有效地扣除背景和噪声;选取中间频率细节的小波系数作为多元校正变量进行柴油性质分析,有利于提高分析精度和分析速度。     

一种适用锥头体的嵌入式大气数据传感系统改进校准算法

嵌入式大气数据传感系统的空气动力学模型基于钝头体推导,该模型是否适用于锥头体尚未得到证实。对一典型锥头体进行了空气动力学模型适用性验证,验证结果表明该空气动力学模型用于锥头体时动静压相对误差超过了2.5%。对此,提出了一种适用于锥头体的改进校准算法,并且进行了仿真验证。仿真结果表明动静压相对误差小于0.5%,改进的校准算法有效消除了模型误差。     

基于近红外光谱技术的石油组分定量分析新方法

针对石油化工产品生产控制和质量检查的需要,为提高测定产品组成的效率,将近红外光谱法作为基础测定方法,以直馏柴油、加氢精制柴油和催化裂化柴油为校正模型的训练样本,测定其中饱和烃、胶质、单环芳烃、双环芳烃、三环芳烃和环烷烃的组成,论述了采用模糊神经网络建立校正模型测定石油化工产品组成的可行性。基于dSPACE硬件平台,用验证样本对模糊神经网络校正模型进行了检验,实验结果表明,该方法响应快、误差小、鲁棒性强,在近红外长波区内,校正样品和验证样品的均方误差小于10-6。该方法可用于石油化工产品的生产工艺研究中。     

近红外光谱定量分析的改进ELM算法

极限学习机理论(extreme learning machine, ELM)作为一种新的化学计量学方法,在近红外光谱定量分析中的应用研究,已引起学术界的高度重视。然而,由于光谱数据维数较高,建立ELM模型时需要大量的隐节点,导致隐含层输出矩阵维数高且存在高度共线性,用现有的Moore-Penrose广义逆算法求取隐含层输出矩阵与待测性质间的回归模型往往会存在病态问题。基于ELM建立光谱波长变量与性质之间的回归模型,提出以ELM模型隐含层输出矩阵作为新的变量,采用作者最新提出的基于变量投影重要性的改进叠加PLS算法(stacked partial least squares regression algorithm based on variable importance in the projection,VIP-SPLS),建立新变量与待测性质间的回归模型。VIP-SPLS算法充分利用了每个隐节点的输出信息,能有效解决高维共线性问题,同时具有模型集成的优点,从而改进了ELM模型的性能。将提出的改进ELM算法(improved ELM,iELM)应用于标准近红外光谱数据集,结果表明iELM模型的精度相对于现有的PLS模型和ELM模型分别显著提升了29.06%和27.47%。