基于小波包能量熵和Fisher判别的油纸绝缘老化拉曼光谱诊断

准确诊断油纸绝缘材料的老化程度是保证油纸绝缘设备安全运行的重要技术手段。拉曼光谱在物质成分分析及状态诊断领域已经普遍应用。结合实验室搭建的油纸绝缘拉曼光谱分析平台，根据绝缘纸的平均聚合度将加速热老化实验获得的油纸样本分为四个老化阶段。通过对不同老化样本拉曼光谱所包含的能量信息分析，运用小波包能量熵提取特征量，结合Fisher判别法构造判别函数，建立基于拉曼光谱老化特征量的油纸绝缘老化诊断模型，并收集现场变压器油样验证诊断模型的泛化能力。结果表明，两个判别函数能区分不同老化阶段的绝缘油样，对于老化样本的判别正确率达到84.2%。拉曼光谱结合小波包能量熵和Fisher判别分析法能够有效地对油纸绝缘老化状态进行诊断。     

油纸绝缘老化状态判别的拉曼光谱特征研究

获取能准确反映油纸绝缘老化的有效特征量,对实现油纸绝缘老化的准确诊断具有重要意义。表面增强拉曼光谱技术在油纸绝缘老化诊断领域已表现出一定的应用潜力。对25#矿物变压器油和普通牛皮纸构成的油纸绝缘试品进行了加速热老化实验,结合共聚焦拉曼光谱检测平台和银纳米片表面增强基底获取其拉曼光谱信号,从多种角度提取了拉曼光谱特征量。使用竞争性自适应重加权算法在提取出光谱的关键变量,其结果对应了油纸绝缘老化特征物的主要特征峰;使用VOIGT函数对光谱进行解析,解析峰的轮廓参数与油纸绝缘老化程度之间呈现相关性;以绝缘纸聚合度为依据将样本进行老化程度分类,光谱的前8个主成分及其载荷不仅与老化特征物和老化程度呈现相关性,且能够对样本进行准确分类;最后对光谱进行了小波包能量熵分析,分析了油纸绝缘老化过程中拉曼光谱的能量变化情况。研究成果为表面增强拉曼光谱技术应用于油纸绝缘老化诊断提供了依据,为实现油纸绝缘设备故障与老化状态的快速、非接触的现场诊断奠定了基础。     

基于高维拉曼光谱数据的变压器油纸绝缘老化评估方法研究

采用激光拉曼光谱技术对变压器油纸绝缘老化状态检测是一种有效的方法。随着样本量的扩充,亟待处理的数据集维度逐渐增大,研究适用于高维拉曼光谱数据的变压器油纸绝缘老化评估方法具有重要的意义。设计与现场变压器内部绝缘结构相似的油纸绝缘环境,进行加速热老化实验并定期采样,获取到10类老化程度依次递增的油样本,采用激光拉曼光谱技术对样本进行检测。选用复合稀疏导数建模法对样本原始拉曼光谱数据预处理,可以一步完成去噪与基线校正;引入差异特征选取方法筛选不同老化程度下光谱中变化显著的特征,计算同一拉曼频移下不同老化程度的特征点数据集方差,选择差异较大的数据序列所对应的拉曼特征变量,设定方差阈值为0.5进行特征选择,每个样本都从1 023个光谱特征点抽取出304个特征点进行后续分析;针对变压器油纸绝缘老化拉曼光谱高维样本数据集,引入多种不同类型的算法对其处理。分别运用K-means聚类算法、Fisher算法与随机森林算法对获取到的样本预处理后的数据建立模型,引入评估准确度、提升度以及Kappa系数对各算法建立的模型判别效果进行评估。结果表明：有监督学习的Fisher算法与随机森林算法效果较好,相对于无监督学习的K-means聚类算法,模型判别能力分别提升了1.166 6和1.95,论证了有监督学习模型在变压器油纸绝缘老化的评估中具有判别优势;从模型判别准确度和Kappa系数来看,强分类器随机森林算法建立的判别模型均高于Fisher判别模型,其准确度提升了10%,且Kappa系数上升了0.111 5,论证了随机森林算法作为由多个单一分类器组成的强分类器,相对单一分类器来说,在变压器油纸绝缘老化的评估中模型的泛化能力较好,且模型较为稳定可靠。通过对三种不同类型的算法对比,确定了在变压器油纸绝缘老化评估中,有监督学习强分类器随机森林算法的判别优势,为变压器油纸绝缘老化的有效评估打下了基础。     

运动西瓜可见/近红外光谱采集系统及品质检测试验研究

为使可见/近红外漫透射光谱技术用于西瓜品质在线检测,自行设计加工了运动西瓜光谱采集系统,并进行了样品光谱采集。通过运动状态下西瓜光谱与品质指标的建模与预测结果,分析由于运动引起的噪声对光谱的影响,并分别采用最小二乘拟合法、Norris微分滤波等方法进行了光谱的平滑消噪处理,分析这些方法对光谱的平滑消噪效果及对建模与预测结果的影响,发现Norris微分滤波法更适合本系统采集到的西瓜光谱的平滑消噪处理,改善了光谱的平滑性,提高了建模与预测精度;建立了运动西瓜的可溶性固形物含量与可见/近红外光谱的相关关系模型,校正相关系数为0.895,均方根校正标准偏差RMSEC为0.549,均方根预测标准偏差RMSEP为0.760。     

基于近红外光谱技术的土壤参数BP神经网络预测

利用BP神经网络预测方法,建立了基于近红外光谱技术的土壤有机质含量和土壤全氮含量的分析模型。试验共测量了150个田间土壤样本的近红外光谱,首先采用局部加权散点图平滑滤波法对光谱曲线进行了平滑处理,然后根据对目标参数进行的聚类分析结果进一步平均了输入光谱,最后将反射光谱数据进行对数转换后与目标数据一起进行了归一化处理。对预处理后的光谱数据首先进行主成分分析,然后提取贡献率超过99.98%的主成分建立BP神经网络模型。对土壤有机质含量的分析结果：模型拟合精度为0.999,预测精度达到0.854。对于土壤全氮含量的分析结果：模型的拟合精度近似为1,预测精度达到了0.808。研究表明,基于近红外光谱技术的土壤参数BP神经网络预测模型具有较高的鲁棒性和较强的容错能力。     

水体COD的光谱学在线测量方法-紫外和近红外光谱比较分析

水体COD的光谱学传感技术是现代环境监测的一个重要发展方向, 与传统的分析方法相比,光谱分析技术更具有可连续监测、可在线监测和检测快速的明显优势,适合对环境水样COD的定点实时监测。分别获取水样的紫外吸收光谱和近红外光谱,通过不同的光谱预处理方法结合偏最小二乘法、多元线性回归法建立水样的COD定量预测模型,对水体COD的紫外和近红外光谱的定量预测及相关模型参数进行分析,发现用S-G平滑处理后的紫外光谱和近红外光谱建立的PLS模型均得到最佳预测效果,预测集R2分别为0.992 1和0.987 7,RMSEP分别为10.438 6和5.972 0。紫外和近红外光谱法的MLR模型预测效果较差,预测集R2分别为0.928 0和0.957 3。通过实验结果综合对比分析,紫外吸收光谱在280～310 nm谱区建模预测性能较好,近红外光谱在7 250～6 870 cm-1谱区建模预测性能较好,紫外光谱对应定量预测模型的决定系数较高,而近红外光谱的稳定性和重复性更好。研究表明光谱传感技术可用于环境实际水体COD的定量预测分析,为开发便携式水体检测设备奠定了理论基础。     

近红外漫反射光谱法测定天然纤维素浆粕聚合度

提出一种采用近红外光谱测定天然纤维素(棉、木)浆粕聚合度的方法。实验收集了195个天然纤维素浆粕样品,采用GB/T 9107-1999方法测定了其聚合度,对样品进行粉碎预处理后,放入旋转杯中采集相应的近红外漫反射光谱。通过化学计量学偏最小二乘方法(PLS)将聚合度数据与近红外光谱关联,分别建立了棉木浆粕混合样品、棉浆粕样品和木浆粕样品的聚合度定量模型。最优模型相关系数分别为0.980,0.993,和0.886,预测均方根误差(RMSEP)分别为147,143和53。研究了近红外方法精密度和准确性。结果表明棉浆粕和木浆粕分类模型预测准确性优于混合模型,且其预测精密度符合国标(GB)方法要求。另外,采用主成分分析方法建立了棉浆粕和木浆粕的识别模型,结果表明该模型可以有效识别棉浆粕和木浆粕。该方法操作简单、分析速度快,能够满足天然纤维素浆粕聚合度在线检测要求,为实现清洁制浆新工艺聚合度在线监控目标提供了理论和技术依据。     

辐照处理对油菜籽光谱特性影响的研究

针对油菜籽经过核辐照处理后其光谱反射特性会发生改变的特点,提出了应用可见／近红外光谱技术进行油菜籽的快速无损鉴别。利用偏最小二乘法和BP神经网络建立鉴别模型,并比较了不同光谱预处理方法、主成分数据变换方式及隐含层节点数对模型预测结果的影响。实验采用五种剂量辐照(50, 100, 150, 200Gy和不经核辐照处理)的油菜籽共135个样本进行建模,49个进行预测。结果显示,最优模型是原始光谱数据先经过中值滤波平滑法、附加散射校正及一阶求导法预处理。经PLS方法提取6个主成分经自然对数变换后,选取神经网络隐含层结点数为4个或9个。最优模型对是否经过核辐照处理的样本识别率达100%,对核辐照剂量预测精度为85.71%, 说明提出的方法可以用于评估核辐照处理对油菜籽光谱特性产生的明显影响。     

基于可见与近红外光谱联用的柑桔黄龙病快速无损检测研究

黄龙病是柑桔果树的毁灭性病害,对柑桔产业危害巨大。基于模型平均理论,探讨联用可见与近红外光谱技术,提高柑桔黄龙病快速无损检测精度的可行性。采集记录柑桔叶片的可见与近红外光谱,经实时荧光定量PCR鉴别黄龙病叶片为轻度、中度和重度三类,缺素和正常样品也经PCR鉴定,共五类叶片。基于光谱直接拼接、光谱归一化拼接和模型平均三种不同策略,结合偏最小二乘判别分析(PLS-DA)和多元线性回归(MLR)方法,分别建立了柑桔黄龙病可见与近红外光谱联用无损检测模型。经比较发现,光谱联用模型的检测精度均高于可见或近红外单一检测模型,且经导数处理后的光谱直接拼接PLS-DA模型检测精度最高,模型预测相关系数为0.97,预测均方根误差为0.67,模型总误判率为3%,其原因是导数消除了光谱的基线漂移。光谱归一化拼接的PLS-DA模型检测精度次之,模型总误判率为7%。可见与近红外模型平均的检测精度最低,模型总误判率为7.2%。实验结果表明,联用可见与近红外光谱,结合光谱拼接方法,提高了柑桔黄龙病无损检测模型的检测精度,研究可为其他领域的光谱联用提供参考依据。     

近红外光谱分辨率对绿茶氮含量模型的影响

以绿茶为研究对象,氮含量为定量分析指标,研究了不同分辨率(2,4,6,8,16 cm-1)对近红外光谱图及氮含量模型的影响。结果表明：仪器的分辨率影响光谱图的质量,分辨率越高,得到的信息越丰富,但同时噪音增大;分辨率越低,光谱图更加平滑,信息量减少,当分辨率太低时光谱失真严重。分辨率为4 cm-1时,模型外部验证集RMSEP值为0.054 6,明显低于其他模型,相关系数为0.998 2,预测性能最好;模型预测精度也较好,STDEV和RSD分别为0.020和0.334。分辨率4 cm-1为最优分辨率。试验可以为近红外光谱仪采集绿茶光谱图提供参数选择依据,提高模型的稳定性与预测性能,促进近红外光谱检测技术在茶叶上的应用与推广。     

基于近红外光谱检测猪肉系水力的研究

为了快速无损无污染得测定猪眼肌的系水力,提出了用近红外漫反射光谱检测真空包装猪肉的系水力的新方法.采用常规的滴水损失法和压力法标定猪肉的系水力.利用光谱专用分析软件Unscramb-ler9.6,对采集的光谱进行平滑,二阶微分预处理,用偏最小二乘法(PIS)建立其定量检测模型.该实验的样本总数为106,将样品分为校正集和检验集.用校正集建立定标方程,用检验集检验定标方程的预测精度.常规方法与近红外光谱漫反射法的预测植的相火系数为0.73～0.79,结果明显要好于近红外透射法和反射光谱法.该研究验证了近红外光谱漫反射法对真空包装后鲜猪肉的系水力的无损检测的可行性.     

温度对叶片近红外光谱的影响

近红外光谱分析技术是发展最快的定性和定量分析技术之一,在各个领域得到了广泛应用。但近红外谱区自身信息的特点决定了其吸收强度弱、信噪比低、谱峰严重重叠等缺点,这使得近红外光谱易受样品来源、样品种类、样品状态、装样条件和样品温度等的影响,造成光谱的不确定性。文章以温度对叶片近红外光谱的影响为研究内容,详细考察了不同温度下样品的叶绿素的校正和预测模型。结果发现温度对模型精度有一定的影响,样品的温度在10和20℃下模型的精度较高,10℃下模型精度效果最好,但是所用的主成分也较多。当实验温度达到25℃时,模型的校正和预测精度都相对较差。利用判别分析对各个温度下的光谱进行分类。发现20℃下采集的光谱没有分到其他温度区外,其他的都有不同程度的跨区,这说明除20℃外,其他温度下测得的光谱差异不明显。试验对叶片近红外检测的条件和应用做了初步的探索性工作,为今后提出温度修正模型提供理论基础。     

便携式近红外光谱仪的苹果糖度模型温度修正

样品温度对近红外光谱有很大影响,在近红外技术评价水果品质的实际应用时,需要修正温度变化对模型预测结果的影响。便携式近红外光谱仪采集不同温度下(0～30℃)苹果的漫透射光谱,采用二阶导数和卷积平滑进行预处理。选取20℃下代表性样本的光谱数据,建立基准PLS模型。斜率/偏差法分别计算苹果糖度PLS模型在0,10和30℃下的修正方程。分析结果表明:斜率/偏差法对0,10和30℃下外部样本预测结果进行修正,预测精度得到显著提高,其修正前后的Q值分别为0.525cv 0.810,0.680cv0.822,0.669cv 0.802。温度修正模型可以有效提高预测精度,也扩展了近红外仪器的适用性,为自主研发便携式近红外光谱仪提供参考。     

烤烟的近红外光谱检测模型

对杀青烟叶蛋白质和水溶性总糖含量的光谱检测,发现近红外光谱（1100-2500nm）的检测模型优于可见-近红外光谱（350-2526nm）,烟粉检测模型优于片状烟叶的检测模型.通过对烟叶全部光谱数据不同的预处理来探究其蛋白质和水溶性总糖的近红外光谱的检测模型,并利用近红外有效波长对施木克值的含量进行预测.利用偏最小二乘法（PLS）通过训练集的交叉验证建立回归模型,结果表明：（1）对原始光谱进行二阶导数变换后,得到蛋白质含量预测模型的预测集r=0.9768、RMSE=0.6843;（2）对原始光谱每隔51个点进行移动平滑处理及主成分数为8时,水溶性总糖含量预测模型的预测集r=0.9495、RMSE=0.9049;（3）基于82个波长对施木克值的预测模型的预测集r=0.9356、RMSE=0.1060.     

绝缘油热老化时间及糠醛含量的近红外光谱快速预测方法

实现变压器油纸绝缘热老化的准确评估是保证电力设备安全运行的重要内容。近红外光谱在石油化工等领域的成功应用,为电气绝缘检测提供了新思路。在130℃、真空箱中进行加速热老化试验,共制备14组老化时间不同的油纸绝缘样品,并利用近红外光谱仪采集绝缘油的光谱,利用液相色谱仪检测油中糠醛含量。原始谱图中, 8 373, 8 264, 7 181, 7 076, 6 981, 5 855, 5 799和5 678 cm~(-1)处存在明显的吸收峰,具体分析了各吸收峰的归属。采用五点三次多项式Savitzky-Golay卷积平滑算法预处理原始光谱。采用iPLS方法选取关于老化时间的特征谱区为11 209～10 364, 9 087～7 818和7 390～4 424 cm~(-1),共1 320个波长点;同时,利用PCA提取该特征谱区的光谱信息,表明前7个主成分累计贡献率达99.78%。在上述基础上,建立了关于老化时间的PCR, PLSR, PCA-BP-ANN预测模型,表明采用共轭梯度算法的PCA-BP-ANN老化时间预测模型表现最优,其RMSEP为18.67,R~2为0.997 3。采用iPLS方法选取关于油中糠醛含量的特征谱区为9 107～4 424 cm~(-1),共1 210个波长点;同时,利用PCA提取该特征谱区的光谱信息,表明前4个主成分的累计贡献率达99.96%。在上述基础上,建立关于油中糠醛含量的PCR, PLSR和PCA-BP-ANN预测模型,表明采用共轭梯度算法的PCA-BP-ANN糠醛含量预测模型表现最优,其RMSEP为0.134 4,R~2为0.987 7。基于绝缘油近红外光谱的老化时间和油中糠醛含量评估具有可行性。     

应用拉曼光谱分析变压器油中溶解乙酸含量

乙酸是变压器油纸绝缘老化所生成酸类物质的主要成分;分析变压器油中溶解乙酸含量对准确评估运行变压器的老化状态具有重要意义。拉曼光谱技术是基于拉曼效应的一种分子分析技术,能很好地用于物质的非接触式原位检测。论文开展了变压器油中溶解乙酸含量拉曼光谱检测方法研究： 利用Gaussian 09W软件分析了乙酸分子的拉曼振动特性,对实测乙酸拉曼谱峰的振动模式进行了指认;基于实验室搭建的激光拉曼光谱液体检测平台,对不同乙酸含量的变压器油样进行了原位检测;选定891 cm-1作为变压器油中溶解乙酸分子的拉曼特征峰,基于乙酸891 cm-1与变压器油932 cm-1特征峰面积比值和最小二乘法建立了乙酸的定量分析方法,检测限可达0.08 mg·mL-1。实验结果表明： 激光拉曼光谱可应用于油中溶解乙酸含量原位检测并具有良好的检测稳定性和重复性,为变压器油中溶解乙酸含量的快速、无损检测提供了一种新方法。     

畜禽肉化学成分近红外光谱检测技术研究进展

和传统的肉品化学成分检测方法相比,近红外光谱分析是一种能够快速、简单、安全和可同时测定多种化学成分的肉品检测方法。论述了近年来猪、鸡、牛、羊四种动物肉中粗蛋白质、肌间脂肪、脂肪酸、水分、灰分、肌红蛋白和胶原蛋白七种化学成分的近红外光谱分析检测研究进展,并探讨了目前研究中存在的问题及其原因。从已发表的研究结果可以看出,近红外光谱分析具有替代耗时成本高的现有肉品化学检测方法的巨大潜力,特别是用于商业上同步检测多种化学成分。研究大多采用主成分分析法进行特征光谱筛选,偏最小二乘和修正偏最小二乘法建立校正模型,交互验证进行预测结果评价。目前研究热点集中在肉中脂肪酸含量预测模型和应用近红外高光谱图像和多元回归预测肉中化学成分。近红外光谱预测结果差异性较大,这与样品集选择、光谱预处理和建模方法都有很密切的关系。样品选择对近红外预测精度具有重要的意义,非均质肉样影响了近红外化学成分预测精度。总的来说,肌间脂肪、脂肪酸与水分指标预测效果较好,粗蛋白质和肌红蛋白指标预测效果次之,灰分和胶原蛋白指标预测结果较差。     

基于近红外光谱技术快速无损检测大豆含水量

为了研究近红外光谱法快速无损检测大豆含水量的可行性,在室内通过FieldSpec4高分辨地物光谱仪对100份大豆样品进行光谱数据测量,经过平滑、求导、多元散射校正等七种不同的光谱预处理变换之后,利用主成分回归分析方法(PCR)和偏高最小二成回归分析方法(PLSR)分别建立大豆含水量高光谱估测模型。结果表明,基于原始光谱的一阶导变换建立的偏最小二成回归模型预测精度最高,其校正集和预测集的相关系数和均方根误差分别为R_c~2=0.74、R_p~2=0.85,RMSE_c=0.30,RMSE_p=0.45,近红外光谱技术可用于快速无损检测大豆含水量。     

全透射近红外光谱的苹果整果糖度在线检测模型优化

光谱质量、样本个体差异、检测系统和建模算法等多种因素共同决定水果糖度检测模型的预测精度和稳定性。采用自主研发的短积分全透射近红外在线检测系统以5 ms积分时间和0.5 m·s-1运行速度在线获取了“富士”苹果全透射光谱信号。不同姿态获取的透射光谱强度差异明显,但曲线走势相近,均在920 nm波段具有最大的光谱强度,在850 nm波段存在波谷。采用移动平均平滑、标准正态变量变换和多元散射校正等预处理方法有效去除原始光谱的随机噪声和基线偏差,减小了样本检测姿态引起的光谱差异。为分析不同检测姿态对苹果整果糖度预测模型的影响,构建了单一姿态局限模型和多姿态通用模型,结果表明基于全位点平均透射光谱构建的单一姿态局限模型对检测姿态具有很大的局限性,而多姿态通用模型预测能力较单一检测姿态相当,但却对不同的检测姿态具有更强的适用能力。为进一步提高光谱信号质量,优化模型预测能力,采用信号强度阈值优选方法实现了苹果整果糖度预测模型优化,发现移除中央位点获取的透射光谱信号,有利于提高苹果整果糖度预测模型精度。多姿态通用信号强度优化模型综合考虑不同姿态获取的光谱信息有效性,有效提升了通用信号强度优化模型的预测能力和稳定性,当多姿态通用模型中信号强度阈值为5 000时,模型预测性能最佳,其预测参数R_p,RMSEP和RPD分别为0.79,0.84%和1.58。表明短积分全透射近红外在线检测系统用于不同姿态苹果糖度预测是可行的,多姿态通用模型的建立,扩大了模型在不同姿态的预测稳健性,短积分光谱采集方式结合信号强度阈值优选方法提升了光谱信号的质量和模型的预测能力。     

黄酒糖度预测的可见-近红外光谱方法研究

提出了用可见近红外光谱结合不同化学计量学方法预测黄酒糖度的新方法。用240个黄酒样本建模,60个样本进行预测。通过对光谱数据进行平滑、变量标准化及一阶导数等预处理,建立并比较了偏最小二乘法,小波变换与偏最小二乘法相结合,主成分分析与人工神经网络相结合以及主成分分析与最小二乘支持向量机相结合四种不同建模方法的预测精度,以相关系数r、预测标准差、偏差等为评判标准,得到黄酒糖度预测的最优模型为最小二乘支持向量机模型。该模型对黄酒糖度预测的相关系数为0.962、预测标准差为0.021、偏差为-0.001,获得了理想的预测精度。结果表明应用可见近红外光谱对黄酒糖度进行预测是可行的,且最小二乘支持向量机模型能得到最优的预测结果。