基于遗传算法结合神经网络的航空润滑油粘度近红外光谱分析

研究了基于遗传算法(GA)的波长选择方法结合反向传播神经网络(BP-ANN)建模用于在用航空润滑油-40℃运动粘度的近红外光谱分析。采集样品光谱经均值中心化和SavitzkyGolay平滑求导法预处理后,通过分段组合建模初选最优波段,利用遗传算法进一步筛选了对粘度预测敏感的波长点建模。该波长选择方法与相关系数法相比,所建模型预测准确度高。在建模采用的非线性BP-ANN法中,先通过主成分分析(PCA)分解光谱数据,将得分矩阵输入3层神经网络训练,通过参数优化建立最优模型。所建模型对8个在用油进行分析,各预测值与标准值的相对误差均低于2%,并且经t检验不存在显著性差异,模型预测能力较强,应用于在用润滑油质量的快速分析效果好,为油品在线监控提供了参考。     

红外光谱结合偏最小二乘法快速测定在用航空润滑油中磷酸三甲酚酯

采用基础油标准曲线法,建立了在用航空润滑油中抗磨剂磷酸三甲酚酯(TCP)含量与670～630cm-1范围内傅立叶变换红外光谱(FTIR)谱峰面积的定量线性关系,并以标准曲线的预测结果为基础数据,采用偏最小二乘法法(PLS)建立TCP含量的红外光谱快速定量分析模型。模型的相关系数为0.997,校正偏差为0.021。对随机抽取的某型在用航空润滑油样品进行预测并对预测结果进行配对t检验,平均相对误差低于3%,模型预测值与标准方法测定值没有显著性差异,模型具有良好的预测能力。研究结果表明:利用FTIR结合化学计量可以实现在用润滑油TCP的快速定量分析,实时监控润滑油质量。     

遗传算法结合神经网络用于傅里叶变换红外光谱法测定航空润滑油中水分

采用傅里叶变换红外光谱法测定了航空润滑油中的水分,通过遗传算法(GA)优化选取有效波数点,用误差反向传播神经网络(BP-ANN)进行水分预测计算。模型的预测相关系数为0.957,预测标准偏差为0.022。随机抽取某型航空润滑油样品进行预测并对预测结果进行配对t检验,结果表明:红外光谱定量分析结果与标准方法测定值没有显著性差异,模型可以用于该型在用航空润滑油水分含量现场快速检测。     

在线近红外光谱预处理对废旧纺织品定性识别的影响

将近红外光谱分析技术与一阶导数、离散小波变换、标准正态变换、多元散射校正、 S-G平滑、移动平均平滑、均值中心化和最大最小归一化8种预处理方法相结合,采用其单一及组合的方法,对聚酯、锦纶、腈纶、棉、毛、真丝、聚酯/棉、聚酯/锦纶、聚酯/氨纶、聚酯/毛、真丝/棉、锦纶/氨纶和特殊类共计13类织物的3620个近红外谱图进行预处理,并建立基于深度卷积神经网络的废旧纺织品定性识别模型。依据定性模型的识别准确率,探讨出适宜该类数据集的谱图预处理方法。研究结果表明,采用S-G平滑、均值中心化+S-G平滑和标准正态变换+S-G平滑的方法预处理后,所得模型的识别准确率均在96%以上。将此3种模型与未经预处理的原模型分别导入“分拣装置”中,对未参与建模的280个样品进行成分识别检验,经预处理优化后的模型识别准确率均高于原模型的89.6%。且均值中心化+S-G平滑预处理后,模型的识别准确率最高达96.8%,识别、分拣时间小于2 s。因此,对原模型样本的近红外光谱数据进行预处理可极大提高模型的识别准确率,为废旧纺织品的在线高效识别与自动分拣提供新方法。     

基于OSC–WT–PLS近红外光谱法测定烟草中芸香苷

采用正交信号校正(OSC)结合小波变换(WT)对烟草光谱进行光谱预处理,将预处理后的烟草光谱结合偏最小二乘法(PLS)建立了烟草光谱对芸香苷的预测模型。利用OSC滤除光谱中与芸香苷含量无关的光谱信息,确定OSC提取的最佳主成分数为7,再选择WT中的最佳小波基函数bior1.1对OSC预处理后的光谱进行压缩及进一步滤噪,然后进行PLS建模,OSC–WT–PLS所建模型决定系数r~2=0.874,校正标准偏差RMSEC=0.85,预测均方根误差RMSEP=0.743,交互验证系数Q_(ext)~2=0.887。结果表明,用OSC–WT–PLS可滤除光谱信息中与待测样品含量无关的信息、减少光谱数据量,降低建立模型的复杂度、提高建模速度及模型的预测能力、准确度。     

基于小波理论的药物含水量红外光谱分析

建立了红外光谱法对药物含水量非线性定量模型.运用Matlab小波变换的处理技术对阿司匹林片红外光谱进行滤噪与平滑,获得光滑的谱图,增强了谱图的分辨能力.选择2 950 cm-1附近的特征吸收峰,依据动力学、数学建模及优化理论,分别建立并比较了线性及非线性定量模型.结果表明,非线性模型具有更高的准确度,其模型相关度达0.975 9,而传统的线性模型相关度只有0.127 7.基于小波消噪的红外透射光谱分析法测定阿司匹林片含水量是可行和有效的.     

随机森林-相关向量机算法结合中红外光谱法快速测定在用柴油机油酸值

研究了随机森林-相关向量机(RF-RVM)算法与ATR中红外光谱法相结合测定柴油机油样品的酸值的方法。选择了某型车辆发动机在不同情况下所用的柴油机油样品48个,并按GB/T 4945-2002标准所述方法对48个样品的酸值进行测定,测得其酸值在0.59～1.71mg(KOH)·g~(-1)之间。运用SG平滑结合一阶微分对原始光谱图进行预处理,采用RF算法和相关系数法选择了特征波数,并进行RVM建模分析。RF算法选取6个特征波数,不仅大大减少了输入变量数,还使RVM算法建模效果更佳。模型验证集的相关系数为0.922 5,验证集标准偏差为0.091 7。结果表明,RF-RVM算法与红外光谱法相结合能实现在用油酸值的快速而准确的测定。     

光谱预处理方法对混胺近红外定量模型影响的研究

本文探讨了一阶导数、Savitzky-Golay平滑、小波变换(WT)和正交信号校正(OSC)预处理方法对混胺组分近红外光谱的预处理效果。采用预测集标准偏差(SEP)对各种预处理方法的最佳参数进行选择。比较了各种预处理方法的去噪能力,对预处理方法组合后的效果进行了评价。研究表明,WT和OSC能有效去除噪声,提高分析模型的精度,WT和OSC结合后的预处理效果更好。     

基于小波和小波包变换的苯丙酮尿症傅里叶变换衰减全反射红外光谱筛查模型的研究

应用小波和小波包变换对傅里叶变换衰减全反射红外光谱(FTIR/ATR)进行去噪处理,以提高苯丙酮尿症(PKU)筛查模型的性能。首先优化小波和小波包变换的参数,然后分别对原始光谱(OS)、9点平滑光谱(9S)和一阶微分9点平滑光谱(1D9S)进行去噪处理,以均方根误差(RMSE)、平均相对误差(MRE)、预测准确率(Acc)等为指标,考察小波和小波包变换对模型性能的影响。结果与变换前相比,模型性能均有所提高,其中小波变换以1D9S+sym12处理结果为最优,而小波包变换以1D9S+sym1为最优;Acc全部提高为100%。     

小波包变换潜变量回归分辨重叠的紫外光谱

采用小波包变换潜变量回归(WPLVR)方法,同时测定联苯、苯酚和邻苯二酚。该法结合小波包变换和潜变量回归改进除噪质量。通过最佳化,选择了小波函数及小波包分解水平(L)。编制了两个程序PWPLVR和PFTLVR进行WPLVR和付立叶变换潜变量回归(FTLVR)法计算。试验结果表明WPLVR法是成功的且优于FTLVR法。     

小波包变换潜变量回归同时测定三组分混合物

采用小波包变换潜变量回归 (WPLVR)方法 ,同时测定水杨酸甲酯(MSA)、邻苯二甲酸二丁酯 (DBP)和邻苯二甲酸氢钾 (PHP)。该法结合小波包变换和潜变量回归改进除噪质量。通过最佳化 ,选择了小波函数及小波包分解水平 (L)。编制了两个程序 (PWPLVR)和 (PFTLVR)进行WPLVR和付立叶变换潜变量回归 (FTLVR)法计算。实验结果表明WPLVR法是成功的且优于FTLVR法。     

红外光谱法结合PLS-BP网络对在用油中燃油稀释的测定

采用红外光谱法建立PLS-BP模型检测在用润滑油燃油稀释的含量。在新润滑油中加入柴油配制柴油含量在0~8%的标准样品,采集样品光谱。经光谱特征分析,选择1500~680 cm~(-1)为建模区间,对光谱进行一阶微分和SG平滑处理,净化谱图信息。基于PLS回归系数选择10个特征波数建立BP神经网络模型,经反复试验寻优,隐含层神经元个数为10,最小均方误差为2.8×10~(-8),学习速率为0.04,模型Rp达到0.9642,SEP为0.5716%。对在用油样品进行加标回收试验,回收率在92.6%~107.2%。结果表明:PLS-BP模型可以用于在用油柴油稀释的检测。     

基于小波的恒电量瞬态响应信号的滤波处理

利用小波变换的阈值法对恒电量响应信号进行滤波处理, 同时与传统的时域和频域的滤波方法进行分析比较, 并且讨论了小波变换的分解层数对恒电量响应信号滤波效果的影响. 结果表明, 利用小波变换可以在时域和频域同时对恒电量响应信号取得良好的去噪效果. 这不仅能提高时域曲线拟合的精度, 还大大地提高了恒电量频谱解析的可靠性. 在实际应用中, 小波变换的分解层数取5～7层可以收到满意的效果.     

小波变换用于近红外光谱数据压缩

近红外光潜数据量大,需要较大数据存储空间和较长的建模时间、本文以成品柴油性质分析为例．将小波变换用于近红外光谱数据压缩处理,详细考察了小波压缩参数,比较了压缩前后潜图差异以及性质分析偏差的变化。研究结果表明．采用Daubechies小波函数(N=2)为母函数．进行3次分解,直接采用其逼近系数(Ca3)作为谱图压缩数据,其重构光谱与原始光谱基本一致直接利用逼近系数进行性质分析,其分析精度与原始光谱数据基本相当,存储空间减少至原来的1／8,且能够明显缩短其建模时间和分析时间。     

基于料酒的三维同步荧光光谱模式识别研究

提出了一种应用同步荧光光谱技术无损快速鉴别料酒品牌的新方法.利用主成分分解法和小波变换法对料酒样品的同步荧光光谱信号进行了压缩处理,分别采用同步荧光光谱数据的第一主成分和小波细节系数为特征变量进行主成分分析和聚类分析,分类结果表明小波系数作为料酒的特征变量对料酒品牌分类正确率更高.利用偏最小二乘和径向基人工神经网络方法...     

小波变换-可见-近红外光谱技术用于鉴别品牌料酒的研究

模式识别技术广泛应用于食品种类、品牌和原产地的分类鉴别.本文测定了三个品牌114个料酒样品的可见-近红外光谱,利用小波变换技术对光谱信号进行了去噪和压缩处理,并采用Fisher权重法计算了16个小波细节系数的Fisher权重.以16个小波细节系数为特征变量采用向量相似度法对三种不同品牌料酒进行了相似度分析,主成分分析法...     

红外光谱法结合偏最小二乘回归法测定干混砂浆中的聚合物含量

采取来自不同厂家和不同型号的干混砂浆产品组分,通过改变灰砂比和掺入添加剂,制备一系列聚合物有效含量不同的干混砂浆标准样品。取干混砂浆实际样品20份和所配制的标准样品80份,用衰减全反射-傅里叶变换红外光谱法测得其所含聚合物的光谱数据,用偏最小二乘回归法对数据进行校正。分别采用连续小波变换、Savitzky-Golay平滑和求导方法对光谱信号进行预处理,提高所建模型的精密度,其中以信号平滑的效果最好。结合蒙特卡洛无信息变量消除方法优化所建模型,建模集和验证集测定值的均方误差分别由0.213和0.217下降至0.170和0.180,验证集数据的相关系数为0.991。该方法与国家标准方法之间具有很好的相关性。     

基于小波变换的电位滴定法测定喷气燃料总酸值

在电位滴定法测定喷气燃料总酸值中采用小波变换法检测电位滴定终点。以二次样条小波为基函数对电位滴定曲线进行离散二进小波分解,在适当尺度上基本滤除曲线的干扰噪声,通过分析细节信号得到滴定曲线的突跃点,从而判定滴定终点。与指示剂法相比,本方法的测定结果具有相当的准确度和更高的精密度。本方法可快速测定喷气燃料的总酸值。     

基于小波变换-遗传算法-偏最小二乘的草莓糖度检测研究

采用近红外漫反射光谱分析技术,对草莓糖度进行了无损检测研究。利用便携式近红外光谱仪采集草莓样品在600～1 100 nm波段内的漫反射光谱数据。首先利用小波变换(WT)多分辨率方法对光谱数据进行去噪预处理,然后利用遗传算法(GA)优选特征波长,最后运用偏最小二乘法(PLS)建立草莓糖度的WT-GA-PLS校正模型。该模型校正集的相关系数R_C为0.9395,校正集的均方根误差RMSEC为0.1615,预测集的相关系数R_P为0.9652,预测集的均方根误差EMSEP为0.5042。与全光谱模型(FS-PLS)和小波变换模型(WT-PLS)相比,该模型预测能力更强,稳健性更优。     

组合区间偏最小二乘法结合红外光谱法测定在用润滑油的运动粘度

采用组合区间偏最小二乘法结合红外光谱法快速测定在用润滑油的运动粘度。采用组合区间偏最小二乘法高效提取与粘度变化相关的光谱信息,提高粘度校正模型的测量精度。在设置4 000~400cm-1范围的区间数为12时,选择2,10,11,12等4个子区间,对应的光谱区域为1 300~400cm-1、3 700~3 400cm-1,模型校正偏差达到0.031 5。对模型预测精度的验证结果说明本法与运动粘度标准方法之间具有很好的相关性,模型可以用于定量分析在用润滑油在40℃时运动粘度值。