CaF2光学微谐振腔中基于光热振荡的热耗散率测量

通过测量光热振荡周期可以检测出CaF_2光学微谐振腔腔体与环境之间的热耗散率,然而多个振荡周期与热耗散率呈非线性关系,无法利用某个振荡周期值有效测量热耗散率。使用一种基于反向传播人工神经网络的传感数据测量模型,通过测量振荡周期值,实现了热耗散率的有效测量,优化了神经网络参数,提高了热耗散率测量精度。数值仿真结果表明,该方法可有效测量CaF_2光学微谐振腔的热耗散率,对实现基于光学微腔的热参量探测具有重要意义。     

基于返波振荡器的光学材料参数高精度测量

以返波振荡器作为太赫兹波辐射源,搭建了一个基于Fabry-Perot干涉原理的光学材料参数测量系统.利用返波振荡器的可调谐特性,测量了样品的透射谱,并提出了精确提取材料光学参数的方案.该方案包括:基于模拟退火的光学材料介质常数寻优算法,针对样品厚度误差的厚度优化方法以及根据测量系统特点设计的峰谷权值优化.并以半导体砷化镓(GaAs)样品的光学材料参数测量为例,验证了材料光学参数提取方案的有效性.     

用阶跃温升法测量生物组织的热物理参数

生物体的热物性是研究生物组织热物理问题的基本参数。本文设计制作了以热敏电阻为探头的生物探针,基于阶跃温升法研制了相应的测量电路和计算机采集和控制系统,测量了生物组织的导热率,分析了组织试样尺寸对测量的影响。离体实验表明,阶跃温升法能够可靠地测量生物组织的热物性。     

基于双积分球的宽光谱组织光学参数测量系统与方法研究

组织光学参数测量是生物医学光子学的主要研究内容之一,人体组织光学性质与其生理病理状态密切相关。近年来,利用组织光学特性,特别是吸收与散射特性进行组织成像诊断及无创成分检测成为生物医学光子学领域研究热点,为肿瘤早期诊断、代谢动态监护及光动力治疗等临床应用提供了基础。双积分球方法能够同时测量离体组织吸收系数、散射系数等,具有测量准确、快速,适用范围大等优点,作为光学参数测量的标准方法得到广泛研究与应用。利用双积分球及超连续激光器搭建了宽光谱的组织光学参数测量系统,分析了积分球测量传递函数与误差来源及系统最佳测量条件,建立了基于BP-MCML的系统校正正向模型与L-M算法的光学参数反构算法。在此基础上,测量了1 100～1 400 nm连续宽谱范围内Intralipid溶液光学参数,实验结果表明改进后反构算法测量结果比较准确,多次测量标准偏差在3%以内,不同波长下约化散射系数及吸收系数测量结果与其他研究小组得到的测量结果对比,偏差小于3.4%。     

RP-3航空煤油热辐射物性参数的透射法测量

建立了填充半透明液体光学腔光谱透射比的正问题计算模型,提出了一种基于填充液体光学腔的透射光谱反演其液态介质光学常数的IDTM模型,通过测量填充水光学腔的透射光谱并反演水的光学常数进行了模型验证.采用Bruke V70傅里叶红外光谱仪实验测量了填充RP-3航空煤油光学腔在波长2~15μm的透射光谱,基于新模型反演得到RP-3航空煤油光学常数,进而计算得到了其部分波段区域热辐射物性参数.研究结果表明:1)IDTM模型反演液体光学常数精度同MCDTM模型基本一致,且明显高于SODTM模型和SDTM模型.2)RP-3航空煤油在波长2~15μm范围透光性能较差,其中存在2.4μm、3.4μm、6.9μm、7.3μm和13.8μm等5个强吸收区域.3)RP-3航空煤油的光学常数和热辐射物性参数光谱选择性很强,在不同波段其值差距较大.     

近程光学导航空间目标特性计算模型校验方法

为了提高空间目标光学特性的计算精度,提出并实现了一种基于缩比模型实验的空间目标光学特性计算模型参数校验方法。首先,分析影响空间目标光学特性的主要因素,确定计算模型参数校验的总体方案;其次,构建空间目标光学特性实验测量系统,采集两类实验被测对象(表面材料与目标缩比模型)在不同条件下的光学特性数据;最后,建立基于实验测量数据的计算模型参数校验算法,对空间目标表面材料与几何结构的光学特性计算模型参数进行分步校验。实验结果表明,校模后的目标特性计算结果与实验结果在统计意义上趋近一致,该计算模型的校验方法可满足近程光学导航实际工程应用的要求。     

基于漫反射光谱的组织光学参数测量系统与方法研究

在体组织光学参数测量是生物医学光子学研究重点,不仅为人体成分无创检测、光学成像、光动力疗法等研究提供基础,并且可以快速获取人体光学参数变化,为临床诊断提供依据。研究了利用单一源探距离漫反射光谱在体测量光学参数的测量系统与反构方法。漫反射光谱测量系统由宽谱光源、高分辨光纤光谱仪及光纤探头组成,结构简单,测量方便,可准确快速测量样品漫反射光谱。在光纤探头几何形状基础上,研究了光纤收集及系统传递函数,在此基础上对反构算法进行了校正。光学参数反构算法中正向模型基于Monte Carlo以及神经网络方法,适用光学参数范围大,计算速度快;逆向算法采用主成分分析与非线性建模拟合相结合的方法,可抑制测量噪声影响。在测量系统及反构算法基础上,进行了组织仿体光学参数测量实验,结果表明,利用单一源探距离下漫反射谱,可以较为准确获取吸收系数以及约化散射系数,均方根误差分别达到4.58%以及7.92%。为保证系统测量准确性,测量波长范围应覆盖样品中所含吸收物质吸收峰范围。所研究的在体组织光学参数测量方法为人体成分无创检测及测量条件变化获取提供了基础。     

新生儿脑部光学参数的无损检测

生物组织的光学参数与组织中各种生化、生理以及病理过程密切相关。利用频域近红外光谱技术,使用一个140 MHz的射频振荡源对不同波长的半导体激光管进行调制,通过精确测量距离光源一定距离处光子密度波的相位延迟和幅度衰减,并借助于一个光学参数已知的校准模型,实现了对23个新生儿头部组织光学参数的定量测量。并且根据两个波长(788和832 nm)下的吸收系数的测量结果进一步得到了新生儿脑部组织的生理学参数。实验结果表明,这种便携式的频域近红外光谱系统可以有效地获取新生儿头部的光学和生理学参数。     

基于人工神经网络在线学习方法优化磁屏蔽特性参数

磁屏蔽在磁场敏感的装置如原子钟、原子干涉仪等精密设备中发挥重要的作用,在变化外磁场下的某个磁屏蔽内部剩余磁场,可以通过Jiles-Atherton磁滞模型和磁屏蔽系数计算得出,根据计算结果可以进行主动补偿来抵消内部磁场的改变.然而实际应用中磁滞模型中五个与磁屏蔽相关的参数以及磁场衰减的两个参数的准确值的获得是比较困难的,通常根据实测磁滞回线人工匹配调节参数会花费大量时间且很难确保最终参数是全局最优值.基于人工神经网络的机器学习方法已经成为一种对复杂模型进行参数优化的有效手段,得益于现代计算机强大的运算能力,该过程通常远远快于人工参数调节,并有更大概率找到全局最优值,获得优于手工调节的参数值.本文利用人工神经网络在线机器学习的方法,对磁滞模型的五个参数与磁屏蔽的另外两个屏蔽相关参数进行优化测定,并对模拟卫星磁场环境下磁屏蔽内剩余磁场进行预测.通过实际测量屏蔽筒内剩余磁场与预测值比对,发现通过机器学习方法得到的磁屏蔽特性参数优于手动找到的参数,且所用时间大大缩短.该结果不仅有助于更好地进行磁场补偿,用于冷原子系统参数优化调整,更重要的是验证了神经网络在多参数物理系统中的应用,可以使其他多参数共同作用的物理实验进行最优参数的快速确定.     

牙齿组织光热动态特性仿真与试验研究

调制激光作用牙齿组织发生散射形成光子密度波, 而由于光热效应产生热波, 基于一维介质辐射传输漫射近似方程与一维热传导方程建立了调制激光作用牙齿组织半透明混合介质的一维热波数学模型. 利用该模型仿真分析了牙齿龋损特性参数(牙釉质龋损层光吸收系数、散射系数、热扩散系数及龋损深度)对光热辐射动态响应特性的影响与规律. 利用红外探测器(HgCdTe, 2–12 μm)记录808 nm半导体激光激发牙齿组织产生的热波信号, 由锁相放大器计算热波信号的幅值与相位. 通过频率扫描试验获得了牙齿组织的光热动态响应, 利用多参数最佳统计拟合方法得到了牙齿组织特性参数. 结果表明光热辐射测量对牙齿组织不均匀性和龋损特性均具有较高敏感性与特异性.     

基于神经网络的线指数恒星大气物理参数测量方法

通过人工神经网络的方法基于Lick线指数,来进行大气物理参数的测量,对Kurucz的合成光谱进行预处理以适应最后LAMOST光谱数据的要求,以Lick线指数与对应的大气物理参数为输入,用人工神经网络进行训练,得到训练模型通过DR8光谱数据进行测试,通过调整人工神经网络的相关参数来使实验效果达到最佳。结果证明,通过线指数人工神经网络的方法来进行大气物理参数的测量是可行的。     

Optimization of the operational parameters in a fast axial flow CW CO2 laser using artificial neural networks and genetic algorithms

This paper presents an artificial intelligence approach for optimization of the operational parameters such as gas pressure ratio and discharge current in a fast-axial-flow CW CO₂ laser by coupling artificial neural networks and genetic algorithm. First, a series of experiments were used as the learning data for artificial neural networks. The best-trained network was connected to genetic algorithm as a fitness function to find the optimum parameters. After the optimization, the calculated laser power increases by 33% and the measured value increases by 21% in an experiment as compared to a non-optimized case.     

A comparison in a back-bead prediction of gas metal arc welding using multiple regression analysis and artificial neural network

This research was done on the basis of prediction that there is a relationship between welding parameters and geometry of the back-bead in arc welding which is a gap. Multiple regression analysis and artificial neural network were used as methods for predicting the geometry of the back-bead. The multiple regression analysis and the artificial neural network were formed, and the analysis data or verification data which were used in the formation process of the multiple regression, and the training data or test data which were used in the formation process of the artificial neural network, were used to perform the prediction of the back-bead. Through this research, it was found that the error rate predicted by the artificial neural network was smaller than that predicted by the multiple regression analysis, in terms of the width and depth of the back-bead. It was also found that between the two predictions, the prediction of the width of the back-bead was superior to the prediction of the depth in both methods.     

Study of a line width estimation model for laser micro material processing using a photodiode

Estimation of the line width for a laser marking on the silicon wafer is very important to improve the productivity of the final product which use nonpackaged chip. Until now, only theoretical and numerical estimation models have been studied. However, it is not easy for these models to apply to real systems. In this study, a process monitoring system was used to develop an estimation model for the laser marking width. The plasma produced by interaction between the laser and the wafer was measured using an optical sensor. For each laser power setting, the correlation between the signal acquired from the optical sensor and the resulting line width was analyzed. Estimation models were developed for laser marking width through statistical regression analysis and an artificial neural network algorithm.     

Control and diagnostic of the complex impedance of selected perovskite compounds

In this work the diagnosis control of the complex impedance of selected perovskite compounds versus artificial neural network model optimized with the Levenberg–Marquardt algorithm is performed as detection of aging and degradation of materials usually requires destructive testing. The artificial neural network optimized by the Levenberg–Marquardt algorithm used in this work allows us to monitor the materials (LaNd) SrMnCrO₃ in a non-destructive manner. This intelligent control is done by calculating the complex impedance which reveals reliable information on the phenomenon of transport in materials. The method overcomes the problem of the lack of a mathematical expression between the input parameters (temperature, doping, and frequency) and the necessary parameters for computing the impedance (bulk resistance, grain boundary resistance, and the two parameters of the constant phase element impedance A₀ and P). The robustness and performance of the artificial neural network model was verified by introducing additional noise and by using the root mean square error and the R-square.     

基于人工神经网络的制冷系统工况模拟

针对人工神经网络技术在制冷空调系统中的仿真应用,本文建立了单回路制冷系统的性能仿真系统。通过实验模拟制冷系统在夏季的负荷变动情况,得到了用于神经网络模型训练的样本数据。对制冷系统进行多种神经网络结构的建模,并进行了神经网络中各种结构参数对模型精度影响的分析。利用训练好的双隐层神经网络模型,研究了空调机组性能的影响因素,包括压缩机频率、室内外温度等。模拟结果表明,机组EER随着压缩机频率增加先增加后减少,随着室内温度升高而增加,随着室外温度升高而减少。结果表明,人工神经网络方法是分析制冷机组性能的一种有效途径。     

激光诱导击穿光谱和人工神经网络的青白色软玉产地溯源

建立基于激光诱导击穿光谱仪技术获取的半定量青白色软玉的微量元素含量的人工神经网络模型,以促进人工神经网络技术在宝石产地溯源方面的应用。以我国新疆、广西、江苏、青海,以及韩国和俄罗斯六个产地的青白色软玉为样品,利用激光诱导击穿光谱仪在颜色均匀干净的部分获取元素含量数据。使用数据筛选原则对数据进行了筛选和Al的归一化处理之后,以因子分析和线性回归分析讨论了数据间的共线性,在数据间不存在明显多重共线性的情况下建立了三层人工神经网络的判别模型。结果表明,所选取的每个变量的VIF值小于5,数据间不存在明显的多重共线性,因子分析的KMO值小于0.6,表明变量间无明显关系。同时利用软玉t-SNE图对数据进行降维和可视化处理,t-SNE图显示大部分数据点都重叠在一起,表明对此数据进行简单聚类和相关分析是无法区分产地的,因此选择人工神经网络的方法对六个产地的数据进行产地判别分析。经人工神经网络模型迭代判别之后,模型对我国新疆、广西、江苏、青海,以及韩国和俄罗斯六个产地的青白色软玉判别的精度达到0.933,其中韩国软玉的数据判别结果精度最高,达到0.995,误差为0.028,青海软玉的数据判别结果最低为0...     

Neural-net based modeling of velocity and concentration fields

This paper proposes a novel algorithm using an artificial neural network for modeling simultaneously both a 3-D flow velocity vector and a concentration field. The neural network is trained so that four outputted values of the network, three components of a 3-D velocity vector and a concentration of substances such as air pollutants or bacilli, agree with measured ones and additionally the continuity and diffusion equations are satisfied in the flow field. An approximate model for the velocity and concentration field can be constructed in the neural network from sparsely measured data. When any 3-D position, (x, y, z), is inputted to the neural network model, it outputs a 3-D velocity vector and a concentration at the position. The entire 3-D velocity vector and concentration field, therefore, can be easily estimated using the model. To validate the algorithm, the smoke concentration distribution estimated from a very limited set of measured data is compared with the measured one in which most of the data is unused for the modeling. Even from sparsely measured velocity vectors and smoke concentrations, the novel algorithm gives the entire concentration distribution whose flow characteristics are almost similar to the experimental result.     

基于神经网络的粗糙表面双向反射分布函数建模

分析粗糙表面双向反射分布函数的测量方法,提出一种使用人工神经网络技术建立目标表面材料双向反射分布函数模型的方法。给出测量样品多个入射角度下的BRDF随散射角变化的曲线,从中选取部分曲线输入到神经网络,使用贝叶斯正则化方法训练网络,最终获取双向反射分布函数和入射角、散射角的映射关系模型。使用网络模型计算参与训练和未参与训练的输入角度的散射分布曲线,与实验测量曲线进行比较,结果表明：建立的模型正确,具有应用价值。     

基于枸杞红外光谱人工神经网络的产地鉴别

应用红外光谱技术,快速鉴别枸杞药材产地。利用傅里叶变换红外光谱, 测定了45个来自青海省不同产地的枸杞样品的红外光谱。以常规预处理方法和小波变换对红外光谱原始数据进行了预处理。对比常用的窗口移动平滑预处理、标准正态变换以及多元散射校正, 小波变换是一种有效实用的光谱预处理方法。为了提高神经网络的训练速度, 在利用人工神经网络建立模型之前, 通过小波变换的方法对光谱变量进行了压缩, 同时对建立的模型的相关参数进行了详细的讨论。结果表明,红外光谱数据压缩到原来的1/8,其分析精度与原始光谱数据基本相当。以压缩了的光谱数据作为反向传播(BP)网络的输入变量,产地类别作为神经网络的输出变量,建立3层人工神经网络。其中隐含层神经元个数为5个,输出层神经元个数为1个。隐层的传递函数是tansig,输出层传递函数是purelin,网络训练函数trainlm,权阈值的学习函数是learngdm。net.trainParam.epochs=1 000,net.trainParam.goal=0.001。对10个未知枸杞产地类别进行了预测,预测结果准确率达100%。实验表明, 建立的模型能够正确地对枸杞样品快速地进行产地鉴别。红外光谱法结合人工神经网络可作为中药材产地分类鉴别的一种新的现代化方法。