拉曼光谱结合PSO-LSSVM算法检测三组分食用调和油含量

提出了一种将拉曼光谱和基于粒子群的最小二乘支持向量机(PSO-LSSVM)算法相结合快速定量检测三组分食用调和油含量的方法。以三组分的食用调和油为研究对象,对拉曼光谱分四步进行了预处理,进而准确提取拉曼光谱的特征峰强度。以训练集样本的特征峰强度和调和油样品的百分比含量作为回归预测模型的输入值和输出值,建立LSSVM和PSO-LSSVM数学模型,通过测试集样本的相关系数和均方误差对模型的预测能力进行分析。非线性建模的最小二乘支持向量机(LSSVM)算法的核函数参数σ和正则化参数γ对模型的学习和泛化能力影响很大,导致模型的预测精度和泛化能力过度依赖于参数--在优化步长过小时耗时较长,过大时又无法得到全局最优值。提出的PSO-LSSVM算法,利用粒子群全局优化能力和收敛速度快的特点对LSSVM的模型参数σ和γ进行优化,从而克服LSSVM算法中耗时与盲目性的问题。分析结果表明,PSO-LSSVM算法对三组分食用调和油中大豆油、花生油和葵花仁油定量预测模型的测试集相关系数分别为0.967 7,0.997 2,0.995 3;均方误差分别为0.054 9,0.009 2,0.047 1。与LSSVM算法相比,PSO-LSSVM模型的预测精度更高。因此,该方法可以快速、准确地检测三组分食用调和油的含量。     

紫外光谱法检测COD中硝酸盐与温度影响的研究

以邻苯二甲酸氢钾配制的化学需氧量标准液为实验对象,采集1~800mg·L-1标准液的紫外吸收光谱,运用偏最小二乘法(PLS)建立了不同谱区的校正模型,结果表明,265~310nm谱区模型的相关性最高,误差最小;为了消除硝酸盐与温度对化学需氧量测量的影响,分别研究了不同浓度的硝酸钠与不同温度条件下标准液的紫外吸收光谱的变化情况,结果表明硝酸钠在208~238nm有明显的吸收,265~310nm谱区模型不受硝酸钠吸收的影响,温度的升高会导致标准液的紫外光谱吸光度的增大,通过预测分析建立了不同校正模型下的温度补偿函数。     

基于电流内调制DFB激光器的高空间分辨率OFDR

针对光频域反射（OFDR）系统中光源调频非线性导致的传感单元定位误差、传感精度低、传感范围窄、系统适应性差等问题，提出了开环校正结合光电锁相环闭环校正电流内调制分布反馈式半导体（DFB）激光器的方法。该方法用于控制DFB激光器连续、快速、大范围频率扫描线性化，使其成为OFDR系统的优质光源，提高OFDR的分辨率。实验结果表明DFB激光器的扫频非线性度由16.55%下降至0.078%，拍频信号中心频率的功率提升了21.1 dB，探测范围由15 m提升至50 m，测量值与实际值的最大误差为3.79 mm，重复性测量的最大标准偏差为112.2μm。