最小角回归结合竞争性自适应重加权采样的近红外光谱波长选择

近红外光谱分析技术对检测样品无损伤且检测速度快、精度高,因此被广泛应用在了药品检测、石油化工等领域,尤其近年来机器学习和深度学习建模方法的深入应用使其具备了更准确的检测性能.然而,样品的近红外光谱数据具有比较高的维度且存在谱间重合、共线性和噪声等问题,对近红外光谱模型的性能产生消极影响,此时样品有效特征波长的筛选极为重...     

窗口竞争性自适应重加权采样策略的近红外特征变量选择方法

通过消除光谱中的冗余信息变量,挑选出代表样品性质的特征变量代替全谱建立定量模型,可以提高近红外分析结果的准确性。基于进化论中适者生存原理的竞争性自适应重加权采样（CARS）算法因具有计算速度快、筛选得到的特征波长少等优点,在近红外特征变量筛选方面得到了广泛的应用。然而该方法在计算过程中容易出现校正集和验证集结果不一致情况。这是因为算法过于强调校正集交叉验证结果,且并未考虑相邻变量之间的协同作用。为了建立更加稳健的变量筛选方法,通过结合“窗口”以及CARS算法的优势,提出了一种基于窗口竞争性自适应重加权采样（WCARS）策略的近红外特征变量筛选方法,并将其应用于复杂植物样品近红外光谱与其化学成分含量之间的建模分析。采用WCARS方法可以实现准确定量分析,且通过与竞争性自适应重加权采样（CARS）方法结果相比较,WCARS方法得到的校正集和预测集结果一致,在一定程度上减少了过拟合问题的出现。该策略能有效增强特征变量选择的稳健性,提高了定量模型的可信度,具有一定的应用价值。     

基于支持向量机的模型传递方法研究

模型传递是以数学方法通过在2台不同仪器之间寻求一种变换关系来增强光谱仪数据通用性、可比性的一种基本途径。由于实际测量数据具有非线性特征,加上校正样本集合的有限性,使得解决小样本条件下非线性关系的模型传递问题显得尤为重要。文章在概述支持向量机基本原理的基础上,探讨了支持向量机方法在光谱仪的模型传递问题中的应用,提出了基于支持向量机的分段直接校正方法,最后采用计算机模拟的方式对该方法进行了举例说明,并和人工神经网络方法进行了相应的比较。     

基于无模型方法的混沌系统自适应控制

传统的混沌控制方法大多需要获知混沌系统的模型知识, 但是工业实际中系统的参数经常是未知的,与此同时系统建模过程当中经常会不可避免地存在未建模的动态不确定性, 这种情况下常规的混沌控制方法不能取得优化的控制性能指标．为解决此问题, 提出了一类基于无模型方法的混沌系统自适应控制算法．该算法基于数据驱动, 无需混沌系统的先验知识, 无需训练过程, 在线调整参数较少, 是一种低成本的控制器．数学证明了该控制系统的稳定性, 仿真结果说明了这种理论的有效性． 关键词： 混沌控制 自适应 无模型 数据驱动     

航空发动机无模型自适应生物智能控制方法研究

针对航空发动机动态过程特性复杂、现有控制策略保守性较强的问题,在无模型自适应控制研究的基础上,结合生物内分泌智能控制原理,提出了一种新型无模型自适应生物智能控制(Model Free Adaptive Intelligent Control,MFAIC)方法。首先根据航空发动机强非线性的特点,根据被控对象I/O数据建立了无模型自适应控制(Model Free Adaptive Control,MFAC)系统;然后创新地应用生物内分泌调节原理构建自适应控制模块(Biological Endocrine Intelligent Control, BEIC),目的是依据跟踪误差快速、准确地调整控制参数,从而自动优化控制效果;控制器设计完成后对MFAIC与PID这两种控制方法在动态过程中的控制效果及抗扰动能力进行对比分析。仿真结果表明,该无模型自适应生物智能控制方法具有全包线稳定和动态响应性能好、鲁棒性强的优点;且提出的生物内分泌调节新颖算法计算量合理,自适应调节能力强,具有较高的工程实践意义。     

基于SG-CARS-IBP的圣女果可溶性固形物可见/近红外光谱无损检测

圣女果可溶性固形物(SSC)含量对圣女果内部品质影响至关重要,但基于高光谱成像及介电性质特征的SSC检测技术存在局限性,且目前鲜见圣女果SSC无损检测模型。为实现圣女果SSC的无损检测,提出基于圣女果可见/近红外光谱特征的SCC预测模型构建,及改进的BP神经网络算法研究,以期解决圣女果内部品质的快速无损检测。以圣女果为研究对象,试验样本188个,将其划分为训练集150个和测试集38个,采用可见/近红外光谱采集系统获取350～1 000 nm范围内的圣女果表面反射强度,经光谱校正得样本反射率,为增强信噪比,截取481.15～800.03 nm范围内的光谱波段作为有效波段进行分析。通过对比三种预处理模型,对有效波段进行SG平滑(Savitzky-Golay Smoothing)预处理,建立BP神经网络预测模型,测试集决定系数(R²)和均方根误差(RMSE)分别为0.578 5和0.563 9;在此基础上,对BP神经网络的网络结构进行改进,寻求BP神经网络最优预测结构,计算输出层与期望值间误差,调整网络结构参数,将隐含层学习率和神经元个数分别设置为0.01和5,建立改进...     

基于最小稳定过热度的制冷系统无模型控制研究

针对制冷系统非线性、大时滞和强耦合特性,建立精确的数学模型实现控制很难,无模型控制不需建立系统模型、适于复杂非线性系统。将无模型控制方法应用于制冷系统蒸发器最小稳定过热度控制。通过仿真与实验,与常规PID控制相比,验证了无模型控制能够减小蒸发温度与过热度之间的耦合作用,具备良好的快速性和抗干扰能力,适于制冷系统变负荷控制要求,具有较好的稳态性能和动态性能。     

面向XRF的竞争性自适应重加权算法和粒子群优化的支持向量机定量分析研究

研究高效、准确、便捷的土壤重金属检测方法对于了解土壤的污染状况以及开展污染防治工作具有重要的意义。由于X射线荧光光谱分析(XRF)技术具备快速、准确、无损检测、样品制备简单等优势,在土壤重元素定量检测获得广泛应用。XRF仪器测试标准样品的荧光光谱并建立校准曲线,通过反演计算得到待测样品的元素含量。由于样品元素间存在基体效应,以及荧光谱特征峰存在叠加干扰,未经优化的校准曲线的线性度较差,这给反演计算来困难。为了解决上述问题,分别利用小波变换、非对称加权惩罚最小二乘法(arPLS)对光谱进行去噪和扣除本底基线,提高校准曲线的决定系数(R²);运用竞争性自适应重加权算法(CARS),针对不同目标元素优化变量选取;进一步地,基于选取的变量建立粒子群算法(PSO)优化的支持向量机回归(SVR)模型,并通过该模型反演计算各元素含量,提高定量分析的准确度和预测的泛化能力。实验结果显示,经过小波去噪和arPLS本底扣除后的校准曲线的决定系数(R²)有明显提升,Cr、Cu、Zn、As、Pb分别从0.965、0.979、0.971、0.794、0.915提高为0...     

基于实时操作系统的光电稳定自适应模糊PI复合控制方法研究

针对经典稳定控制理论存在超调与快速性之间难以调和的矛盾,建立了稳定控制系统数学模型,采用自适应模糊实现控制的快速性,用PI保证系统的稳态精度,以误差为模糊控制的输入,设计一种实用的自适应模糊和PI复合控制系统,并在基于VxWorks实时操作系统的数字平台上得以实现.仿真和试验表明:设计的新型自适应模糊PI复合控制系统超调量为0,调节时间约8 ms,带宽约29 Hz.     

一种基于目标因子分析的模型传递方法

在目标转换因子分析的基础上建立了一种新的模型传递方法,并将该方法与传统的分段直接标准化(PDS)方法进行比较。采用了两个样品集：虚拟样品集和配制样品(含苯,甲苯,二甲苯和异辛烷)的近红外光谱集。结果表明：新方法的传递效果至少与PDS方法的传递效果相同,对于谱图出现非线性变化的情况,新方法的传递效果更好。     

竞争性自适应重加权算法和相关系数法提取特征波长检测番茄叶片真菌病害

基于竞争性自适应重加权算法(CARS)和相关系数法(CA)特征波长选择方法,提出了利用可见-近红外高光谱成像技术检测番茄叶片灰霉病的方法。首先获取380～1 023 nm波段范围内80个染病和80个健康番茄叶片的高光谱图像,然后提取染病和健康叶片感兴趣区域(ROI)的光谱反射率值,作为番茄叶片灰霉病鉴别模型的输入来建立支持向量机(SVM)鉴别模型,训练集和验证集的鉴别率都是100%。研究进一步通过CARS和CA提取特征波长,分别得到5个(554, 694, 696, 738和880 nm)和4个(527, 555, 571和633 nm)特征波长,然后分别建立CARS-SVM和CA-SVM鉴别模型。结果显示,CARS-SVM模型中训练集和验证集的鉴别率都是100%,CA-SVM模型中训练集和验证集的鉴别率分别是91.59%和92.45%。以上结果说明了从可见-近红外高光谱图像中提取的光谱反射率值用于检测番茄叶片的灰霉病是可行的。     

滤光片型近红外仪器模型传递的研究

模型传递问题是近红外光谱分析技术中解决数据通用性的关键问题。文章以玉米籽粒近红外光谱图(检测其中水分含量)为例,考察了模型传递的问题。使用斜率截距算法,直接校正法和目标因子分析等算法,在5台滤光片型近红外仪器上实现了模型传递,并比较了各种方法的模型传递效果。研究表明,直接校正法的模型传递效果最好,4台从仪器的平均传递差异度为7.01%。文章还研究了标准样品数量对模型传递效果的影响。作为转换集的标准样品数目越多,模型传递效果越好,一般有20个标准样品就能达到稳定的效果。当转换集小于20时,直接校正法的传递效果急剧下降,而标准样品数量对斜率截距法和目标因子分析法的影响不明显。     

基于PLS投影分析的光谱波段选择方法

光谱测量数据需要对其进行波长选择以提高模型预测精度和简化模型。文章提出了一种基于PLS投影相关系数的快速、 准确的波段选择方法,它计算某波长点光谱数据对待测组分浓度向量的影响时,考虑了该波长点光谱数据的变化量与光谱PLS回归系数向量在该波长点的投影分量的共同影响。与传统相关系数方法想比较,该方法明显地改善了分析模型的稳健性并大幅度地压缩了建模所需的波长点数。对208个汽油样本的实验表明,经过PLS投影相关系数方法进行光谱波段选择后的光谱波长点数占全谱的比例下降至30%,交互验证均方根偏差(root mean square error of cross validation, RMSECV)由未经过波长选择时的0.44降至0.34。该方法可广泛应用于各类光谱定量分析中的波长选择与数据压缩。     

可见-近红外光谱的模型转移分类方法

基于光谱技术建立的多元校正模型通常条件下只适用于同一台仪器、相同的测试条件及同批次或同类别的样品.在仪器、测试环境、样品发生变化后,已建光谱模型不再适配,需要进行模型转移.模型转移是限制光谱技术推广应用的关键技术瓶颈,模型转移是否成功直接影响到可见-近红外光谱技术的推广应用,为此,综述了其研究现状,并探讨了其未来发展方...     

WCARS-ISPA火焰光谱特征选择的转炉炼钢终点预测

对转炉炼钢终点的实时精准控制能够有效提高钢铁产出的质量,炉口火焰光谱在炼钢不同时期的变化明显,对其进行分析处理并与机器学习方法相结合可有效用于炼钢终点的实时控制.针对炉口火焰光谱数据量大、现有方法对光谱特征提取在可信度和实时性上不足的缺陷,提出一种基于窗口竞争性自适应重加权采样(WCARS)结合迭代式连续投影算法(IS...     

基于光谱技术的Bipls算法结合CARS算法的苹果可溶性固形物含量检测

可溶性固形物含量是判断苹果内部品质的重要参考属性之一。利用高光谱技术获取苹果感兴趣区域的反射光谱,以S-G平滑(Savitzky-Golay smoothing)和直接正交信号校正(Direct orthogonal signal correction, DOSC)算法对光谱数据进行梯度预处理后,用后向区间偏最小二乘法(Bipls)优选出3,5,6,7,8,9,13,14,15,16,17,18,19,20,21,23等16个子区间,共计177个波长。结合竞争自适应重加权采样算法(CARS)再作进一步筛选,提取出449.6,512.9,544.8,547.2,594.3,596.8,928.2 nm等7个特征波长,利用偏最小二乘算法(PLS)建立基于特征波长的可溶性固形物含量检测模型,所得模型评价为R_c=0.906 2,RMSEC为0.482 2,R_p=0.871 6,RMSEP为0.614 0。该算法模型预测性能同Bipls和Bipls-SPA模型相比更为优异,证明了Bipls结合CARS算法在提高苹果可溶性固体物含量检测精度方面的有效性。     

基于CARS-MIV-SVR的库尔勒香梨可溶性固体含量预测方法

为了实现库尔勒香梨依据可溶性固体含量（SSC）分级定等和按质论价,推动采后处理向标准化、产业化方向健康发展,利用高光谱成像技术研究出了一种快速、有效、无损检测库尔勒香梨SSC的方法。以表面无损伤的157个库尔勒香梨作为研究样本,应用高光谱成像采集系统获取400~1 000 nm波长范围内高光谱图像并用ENVI5.3软件提取感兴趣区域（ROI）,获得高光谱数据。采用Kennard-Stone（KS）样本集划分方法将全部样本按照2∶1的比例划分为校正集（105）和预测集（52）。对比标准变量变换（SNV）、多元散射校正（MSC）、一阶导数（FD）和二阶导数（SD）等数据预处理方法对建模精度的影响,最终选用SNV方法对光谱曲线进行平滑去噪。该研究提出竞争性自适应重加权算法与平均影响值算法的组合算法（CARS-MIV）选择特征波长。在竞争性自适应重加权算法（CARS）方法中,建模样本由蒙特卡罗算法随机选择生成,变量回归系数会随之发生变化,因而回归系数的绝对值不能全面反映变量重要性,从而影响模型检测精度。为降低这种影响,应用平均影响值（MIV）算法对选出的自变量进行二次筛选,筛选出相关性较大的变量用以建模分析,并与CARS、连续投影算法（SPA）、蒙特卡罗无信息变量消除算法（MCUVE）等经典特征波长选择算法进行比较。最后分别以全波长（FS）光谱信息和四种特征波长选择方法得出的光谱信息作为输入矢量,应用支持向量回归（SVR）建立库尔勒香梨可溶性固体含量定量预测数学模型,以校正集相关系数（R_c）、校正集均方根误差（RMSEC）、预测集相关系数（R_p）和预测集均方根误差（RMSEP）四个参数来评估模型的预测精度。比较分析发现,CARS-MIV-SVR模型效果最佳,校正集相关系数（R_c）为0.985 94,预测集相关系数（R_p）达到0.946 31,校正集和预测集均方根误差分别为0.185 85和0.403 33。结果证明：CARS-MIV特征波长选择方法能够有效增强库尔勒香梨光谱数据特征波长选择的稳定性和精确性,提高模型的预测精度。利用高光谱技术结合CARS-MIV-SVR模型能够满足库尔勒香梨可溶性固体含量测定需求,实现库尔勒香梨的分级定等和按质论价。