基于SiPLS特征提取和信息融合的汽油中乙醇含量的多光谱检测

采用紫外可见(ultraviolet/visible, UV-Vis)光谱技术和近红外(near-infrared, NIR)光谱技术及信息融合技术对乙醇汽油中乙醇含量进行了检测。首先采用组合区间偏最小二乘(synergy interval PLS, SiPLS)算法作为特征提取方法,分别建立了基于UV-Vis和NIR光谱的偏最小二乘(PLS)回归模型;再根据油品的实际情况,运用信息融合理论将UV-Vis和NIR光谱信息进行融合,建立了数据级融合(low level data fusion, LLDF)和特征级融合(mid-level data fusion, MLDF)模型,并与单谱源模型效果进行了比较,确定了最优模型为数据级融合后再进行矢量归一化的模型(LLDF-VN1);最后分别用高乙醇含量样品和市售汽油样品的光谱数据对该最优模型进行了通用性检验。结果表明：UV-Vis和NIR光谱数据单独建模均能很好的检测并提供较好的预测结果;而UV-Vis和NIR光谱数据直接融合在基于校正集的回归模型中效果最好,其校正集相关系数r_c=0.999 9,校正集交叉验证均方差RMSECV=0.125 8,校正集整体评价偏差Bias_c=0.000 6;而采用数据级融合后再进行矢量归一化的模型(LLDF-VN1)的预测效果为最佳,其r_p=0.999 1, RMSEP=0.352 7, Bias_p=-0.073 8;自配溶液对最优模型(LLDF-VN1)的通用性验证中,r_p=0.999 7, RMSEP=0.329 1, Bias_p=0.102 2;市售汽油对最优模型(LLDF-VN1)的通用性验证中,r_p=0.990 1, RMSEP=0.892 7, Bias_p=0.675 1。实验结果说明通过将UV-Vis和NIR光谱信息进行数据级融合可以快速、准确的检测出乙醇汽油中乙醇的含量,并能实现乙醇浓度的宽范围检测,为进一步实现混合油品中物质的快速检测奠定了基础。     

基于QPSO-MLSSVM算法的拉曼光谱检测四组分调和油含量

提出了一种运用量子粒子群(quantum-behaved particle swarm optimization,QPSO)算法优化多输出最小二乘支持向量机(multi-output least squares support vector machine,MLSSVM)的新混合优化算法。该算法结合激光拉曼光谱技术可实现对四组分食用调和油中花生油、芝麻油、葵花油和大豆油的快速定量鉴别。采用基线校正去除背景荧光,结合Savitzky-Golay Filters光谱平滑法对原始拉曼光谱进行预处理。构建基于QPSO-MLSSVM混合优化算法的定量分析模型,并采用20个组分组成的预测集对其进行模型校验。实验结果表明,基于QPSO-MLSSVM混合优化算法的定量分析模型对于四组分调和油的预测效果良好,均方差(mean square error, MSE)为0.0241,低于0.05,各油分预测相关系数均高于98%。研究结果充分表明, 应用激光拉曼光谱技术结合QPSO-MLSSVM算法,对四组分调和油中各油分进行快速定量检测可行,具备较强的自适应能力和良好的预测精度,可以满足多组分调和油的成分鉴别。     

基于自适应变异果蝇优化算法和广义回归神经网络的布里渊散射谱特征提取

针对布里渊光时域反射光纤传感系统散射谱的高精度特征提取的要求,提出了一种基于自适应变异果蝇优化算法和广义回归神经网络的布里渊散射谱特征提取算法。不仅利用了广义回归神经网络在逼近能力、学习速度、模型的泛化等方面具有的优势,而且采用搜索能力较强的自适应变异果蝇优化算法进一步增强了神经网络的学习能力,从而提高了布里渊散射谱的拟合度和频移提取的准确度。在布里渊散射谱中心频率为11.213 GHz,线宽为40～50,30～60和20～70 MHz的散射谱白噪声实验模型中,将新算法分别与基于有限元分析的Levenberg-Marquardt拟合法、粒子群优化和拉凡格式混合拟合法、最小二乘法进行预测比较,新算法获得的最大拟合频移误差为0.4 MHz,平均拟合度为0.991 2,均方根误差为0.024 1。仿真结果表明所提出的算法拟合度较好,绝对误差小。因此,将此算法用于基于布里渊光时域反射的分布式光纤传感系统,可有效提高布里渊散射谱的拟合度和频移提取的准确度。     

熔融拉锥型光子晶体光纤马赫-曾德尔干涉仪传感特性EI北大核心CSCD

基于熔融拉锥型光子晶体光纤（PCF）的马赫-曾德尔（M-Z）干涉仪是在一段实芯PCF两端分别熔接单模光纤后进行熔融拉锥制作而成的,该传感器透射光谱的干涉条纹对比度可达2．23dB。利用该传感器实现了对不同质量浓度氯化钠溶液传输光谱的检测,研究了其传输光谱与外界折射率的响应关系。实验结果表明,在折射率变化范围为1．333-1．349时,该传感器对于不同质量浓度氯化钠溶液的折射率测量灵敏度为210．075nm／RIU在温度测量范围为20℃-70℃时,其温度灵敏度约为0．0018nm／℃,在测量中能够克服温度交叉敏感问题。     

大孔柚子型微结构光纤探针的表面增强拉曼散射性能研究

随着光纤制备工艺以及纳米材料制备技术的发展,光纤探针已成为一种新型的表面增强拉曼散射(SERS)基底,通过在普通单模光纤或多模光纤上制备不同的结构并修饰相应的纳米材料,可以得到多种类型的光纤表面增强拉曼散射探针,并实现较好的检测效果。但受限于光纤本身的结构,普通光纤仅能利用端面或侧表面提供拉曼检测的“热点”区域,限制了其SERS性能的进一步提高。因此制备了大孔柚子型微结构光纤(MSF)表面增强拉曼散射(SERS)探针,其中大孔柚子型MSF SERS探针结构通过一段阶跃多模光纤与柚子型微结构光纤熔接制得。实验分别对自制的纳米银溶胶基底以及大孔柚子型MSF SERS探针的SERS性能进行检测。采用溶胶自组装法制备负载银纳米颗粒的MSF SERS探针,通过控制自组装时间制备不同光纤SERS探针(Ag/MSF-x,其中x为自组装时间,分别为15、 30、 45、 60 min)。采用溶液检测方法,利用Ag/MSF-x探针对10^-3 mol·L^-1的亚甲基蓝(MB)探针分子进行检测,通过比较相同条件下的增强效果筛选得到Ag/MSF-45探针。为进一步检...     

基于EMD-AWPP和HOSA-SVM算法的分布式光纤振动入侵信号的特征提取与识别

针对传统的信号处理方法无法有效区分不同振动入侵信号,提出一种基于EMD-AWPP和HOSA-SVM算法的振动信息特征提取与识别方法,用于解决分布式光纤振动入侵检测系统的高精度信号识别问题。处理不同振动类型时,该方法首先利用基于经验模态分解的自适应小波包处理算法,不仅对信号的低频部分进行了分解,而且对高频部分即信号的细节部分也进行了更好的时频局部化处理,改善了信号特征提取精度,减少传感信号异常值的影响; 其次采用高阶谱分析中的双谱和双相干谱,精确提取包含不同振动入侵信号类型的特征矢量; 最后在BPNN参比模型的基础上,用粒子群算法优化SVM的识别参数,使识别模型具有更强的自适应和自学习能力,克服了神经网络易陷入局部最优的不足之处,实现不同振动入侵信号的特征矢量识别。分析结果表明,针对不同类型的入侵源识别,该方法可以有效剔除随机噪声的影响,提取传感信息的特征矢量,降低异常值的影响,算法的预测类别与输出类别几乎一致,振动识别的精确率达到95%以上,识别效果明显强于BPNN网络的检测算法,提高了信息分析的准确性。     

单模与多模光纤级联型压力传感器

研制了一种基于单模光纤与多模光纤级联结构的马赫-曾德尔干涉型压力传感器,它通过将一段单模光纤夹熔在两段多模光纤之间制成.利用纤芯的不匹配所激发的单模光纤中纤芯模和包层模之间的干涉,使外界压力的变化直接作用于单模光纤内部光场,获得较高灵敏度.当传感器总长度为39mm时,可获得较为理想的传输谱线.压力传感实验表明:随着压力的增大,传输光谱向长波方向漂移,在2~16N的压力范围内,传感器的压力灵敏度为554.830pm/N,线性度为0.984,具有结构简单、易于制造、成本较低、灵敏度高等优点,可用于不同领域的压力传感.     

折射率不敏感的级联型单模-少模-单模光纤温度传感器

提出了一种折射率不敏感的级联型单模-少模-单模光纤温度传感器。在制作传感器的过程中,设置熔接电流为100 mA,通过将少模光纤与单模光纤进行无错位熔接,以激发稳定的传输模式,形成光纤马赫-曾德尔干涉仪。由于外界环境的改变会引起少模光纤中不同模式之间相位差的改变,从而导致干涉条纹的漂移,因此通过检测干涉条纹的漂移量就可以实现待测参数的检测。少模光纤可以传输LP₀₁,LP₁₁,LP₂₁,LP₀₂共四种模式的光。实验中对长度为81.5 mm的传感器光谱进行分析可知,发生干涉的两个模式主要是LP₀₁模和LP₁₁模。利用该长度的级联型单模-少模-单模光纤传感器进行折射率和温度传感实验,结果表明,随着传感器温度不断的增加,其传输光谱出现了明显的蓝移现象,在27.6~93.8 ℃的温度变化范围内,灵敏度高达-85.9 pm·℃-1,且具有较好的线性度;在甘油折射率为1.347 1~1.443 9变化范围内,其传输光谱没有出现明显的漂移现象,灵敏度仅为3.697 34 nm·RIU-1,具有折射率不敏感特性。因此,相对于传统的包层模干涉型与多模干涉型光纤传感器,所提出的基于FMF的传感器更易于实现对传输模式的控制与分析,且具有结构简单、易于制备、灵敏度高等优点,能够避免温度与折射率同测的交叉敏感问题,可用于电力系统、生物医学、航空航天等领域的温度检测。     

基于化学气相沉积方法的石墨烯-光子晶体光纤的制备研究

本文利用常压化学气相沉积方法,在光子晶体光纤内孔壁上直接生长石墨烯薄膜,实现了石墨烯-光纤复合材料的直接制备.研究发现光纤中石墨烯层数和缺陷主要受生长温度、生长时间以及甲烷流量等参数影响.拉曼光谱和扫描电子显微镜等表征结果表明:石墨烯在光子晶体光纤孔内的生长均匀性良好,适当的高温、较长的生长时间以及合适的甲烷流量有利于生长高质量的石墨烯.石墨烯-光子晶体光纤复合材料的制备,对基于光纤平台的石墨烯光电器件的研究、开发和应用有着重要的推动作用,也为石墨烯全光纤集成应用提供了新的思路.     

基于表面增强拉曼光谱技术和GWO-SVR算法快速实现水中总氮总磷含量检测

提出了一种将表面增强拉曼光谱技术(SERS)和基于灰狼优化(GWO)算法的支持向量回归(SVR)相结合快速定量检测水中总氮(TN)、总磷(TP)含量的定量分析方法.传统的TN、TP检测方法不但过程繁杂,实验环境要求高,而且耗时较长,不能实现快速检测.而SERS技术操作简单,耗时短,将其与GWO-SVR算法相结合可以实现...