基于Haar小波特征的恒星光谱物理参量自动估计

恒星大气物理参数的自动测量是大型巡天计划中海量光谱数据自动处理中的一个重要内容。首先使用多尺度Harr小波对恒星光谱数据进行特征分解,然后选用相应的小波系数作为光谱的特征向量,最后采用非参数回归算法对光谱的物理参数进行估计。研究表明,只需对光谱进行四层小波分解, 并选择第四层小波系数作为光谱的特征向量,即可获得重力加速度和表面有效温度的较好估计。对于化学丰度的估计,选择第一层小波系数作为光谱特征向量可取得较好效果。选用文献相关研究中常用的恒星大气模拟模型合成光谱库ELODIE中光谱数据测试了该方法的有效性。结果表明,基于Harr小波分解的光谱特征提取方法对恒星表面温度、表面重力和化学丰度等物理参数的估计具有较高的精度和鲁棒性。     

小波时-频变换的高强钢丝弹性波传播模态分析

超声导波是近年来桥梁拉索无损检测研究的重要方法之一。针对弹性波在高强钢丝介质中传播的多模态频散问题,采用单点时域波形的小波时频变换进行混叠信号的模态识别分离。通过数值求解Pochhammer频率超越方程,计算得到0~1.5 MHz范围内纵向导波模态理论频散曲线;采用有限元模拟半波正弦脉冲激励导波在钢丝中传播过程,由小波时-频变换得到导波模态分布,并进行了不同腐蚀程度钢丝实验对比分析。结果表明,经小波时-频变换得到的第1、2、3阶纵向导波模态与理论值对应吻合,单点时域波形的小波时-频变换结果能够有效识别高强钢丝中的导波模态;钢丝在无腐蚀状态下,一阶纵向导波模态能量占比达57.74%,随腐蚀程度增加,能量更为集中到一阶纵波模态,二阶模态能量逐渐减小。     

低阈值单横模852nm半导体激光器

基于波导理论、等效折射率方法,设计并制备了非对称波导隔离双沟结构脊型边发射激光器,最终获得了低闽值单基侧模852 nm激光器.详细研究了不同脊型台深宽比参数设计对激光器侧向模式特性的影响规律,实现了腔面未镀膜情况下脊型波导边发射激光器的单基侧模稳定输出,同时激射波长可以精确调谐到852 nm;工作电流达到150 mA,工作温度30℃;斜率效率最高可达0.89 nW/mA,光谱半宽小于1 nm.研究结果为进一步实现超窄线宽激光器提供了参考和借鉴,并且为实现激光器稳定输出提供了实验基础.     

基于辐射法和原子发射光谱法的转炉口火焰温度测量

转炉炼钢的终点控制包括钢水出钢时温度及其成分的控制,炉口火焰能够反映炉内脱碳速率及转炉运行参数等。工业炉燃烧火焰可见光谱段,普遍存在着钾(K)和钠(Na)等碱金属元素的原子发射谱线,利用K的特征谱线相对比值可以计算火焰温度。基于辐射双色法,三色法和谱线相对强度法对转炉口火焰温度进行了测量;数据处理过程中对特征谱线进行了基线拟合提取,小波脊线拟合提取;特征谱线进行了Gauss函数和Lorenz函数拟合。结果表明,辐射测温法对谱线比较敏感,选择合理的波段能够有效,精确地测量火焰温度;采用谱线相对强度法受制于特征谱线的数学模型、谱线的跃迁机率、能级的简并度及火焰的光学厚度,需要分辨率非常高的光谱仪才能进行高温转炉火焰中电子温度的测量。     

稀疏降噪自编码结合高斯过程的近红外光谱药品鉴别方法

提出一种稀疏降噪自编码结合高斯过程的近红外光谱药品鉴别方法。首先对近红外光谱数据进行小波变换以消除基线漂移,然后用稀疏降噪自编码(SDAE)网络提取光谱特征并降维表示,最后采用高斯过程(GP)进行二分类,其中GP选用光谱混合(SM)核函数作为协方差函数,记此分类网络为wSDAG_SM。自编码网络具有很强的模型表示能力,高斯过程分类器在处理小样本数据时具有优势。wSDAG_SM网络通过稀疏降噪自编码学习得到维数更低但更有价值的特征来表示输入数据,同时将具有很好表达力的光谱混合核作为高斯过程的协方差函数,有利于更准确的光谱数据分类。以琥乙红霉素及其他药品的近红外光谱为实验数据,将该方法与经过墨西哥帽小波变换的BP神经网络(wBP)、支持向量机(wSVM), SDAE结合Logistic二分类(wSDAL)、SDAE结合采用平方指数(SE)协方差核的GP二分类(wSDAG_SE),以及未采用小波变换的SDAG_SM网络等方法进行对比。实验结果表明,对光谱数据进行墨西哥帽小波变换预处理能有效提升SDAG_SM网络的分类准确率和稳定性。wSDAG_SM方法无论从分类准确率还是分类结果稳定性方面,都优于其他分类器。     

基于共振型高灵敏度光声光谱技术探测痕量乙炔气体浓度

乙炔气体作为判断变压器运行状态的一种故障气体,其浓度的高低反映了变压器的运行状况,因此对其浓度的探测在变压器的维护中具有重要意义。为了准确探测变压器运行过程中产生的乙炔气体浓度,为变压器的维护提供技术参数,针对基于DFB激光器的共振型光声光谱技术痕量乙炔气体检测技术开展研究,对传统的光声光谱探测系统进行改进。根据光声光谱技术的理论可知,光声信号的强度与入射激光的功率成正比,所以在光声池的出射窗口采用一个平面反射镜将红外光再次反射到光声池中以增加入射光功率,增强光声信号强度,进一步提高了光声系统的探测灵敏度。通过一定浓度的乙炔气体在不同调制频率和不同调制深度下光声信号强度的变化,确定光声探测系统的最佳调制频率和最佳调制深度为767 Hz和0.3 mV。利用不同浓度乙炔气体对系统进行标定,然后采用最小二乘法对光声信号与气体浓度进行拟合,二者具有很好的线性度。通过Allan方差计算可知,系统在平均时间达到200 s时,能够达到最低探测极限浓度。实验表明,在一个大气压下,积分时间为10 ms时,改进后的共振型光声光谱探测系统对乙炔气体的最低探测极限浓度达到了0.3 μL·L-1。还将小波去噪技术引入到低浓度下乙炔气体的光声信号处理中,有效消除了低浓度气体光声信号中的噪声,提高了信噪比。设计的共振型光声光谱探测系统操作简单,最低探测浓度符合国标中对变压器维护过程中对乙炔气体的探测需求,在变压器维护领域具有广阔的应用前景。     

Large deflection and post-buckling analysis of non-linearly elastic rods by wavelet method

We propose a wavelet method in the present study to analyze the large deflection bending and post-buckling problems of rods composed of non-linearly elastic materials, which are governed by a class of strong non-linear differential equations. This wavelet method is established based on a modified wavelet approximation of an interval bounded L²-function, which provides a new method for the large deflection bending and post-buckling problems of engineering structures. As an example, in this study, we considered the rod structures of non-linear materials that obey the Ludwick and the modified Ludwick constitutive laws. The numerical results for both large deflection bending and post-buckling problems are presented, illustrating the convergence and accuracy of the wavelet method. For the former, the wavelet solutions are more accurate than the finite element method and the shooting method embedded with the Euler method. For the latter, both bifurcation and limit loads can be easily and directly obtained by solving the extended systems. On the other hand, for the shooting method embedded with Runge–Kutta method, to obtain these values usually needs to choose a good starting value and repeat trial solutions many times, which can be a tough task.     

小波变换基线扣除对激光诱导等离子体温度计算的改善

温度是激光诱导等离子体特性研究最重要的参数之一,为降低光谱连续背景对Boltzmann平面法计算等离子体温度的精密度的影响,利用小波变换对等离子体光谱进行分解,并采用软阈值法对代表光谱基线的低频信号进行扣除。选择合适的小波分解层数L及阈值系数α能有效提高Boltzmann图的线性相关度,即有更高的拟合系数R2,从而提高等离子体温度的计算精密度。对低合金钢样品417～445 nm波段LIBS光谱采用db4小波函数进行分解、基线扣除和信号重构,选用12条Fe原子谱线建立Boltzmann图,由Boltzmann图拟合直线的斜率计算得到等离子体温度。对L和α系数进行了优化选择,研究发现,采用8层小波分解时Boltzmann图具有较高的R2,而α的选择与时延t_d有关,t_d≤4.0 μs时,α=0.3可获得最佳R2值,之后随t_d的增大,α逐渐减小; 在t_d≥6.5 μs后,α=0,即光谱低频信号被完全扣除,说明基线对光谱特征谱线的干扰随时延的增加逐渐减弱。基线扣除后各时延的等离子体温度降低约2 000～3 000 K,温度随时延的增加逐渐降低,与等离子体膨胀过程中温度逐渐下降的物理过程相吻合,且变化过程中的波动变小。     

An intelligent approach for engine fault diagnosis based on Hilbert–Huang transform and support vector machine

Based on the techniques of Hilbert–Huang transform (HHT) and support vector machine (SVM), a noise-based intelligent method for engine fault diagnosis (EFD), so-called HHT–SVM model, is developed in this paper. The noises of a sample engine under normal and several fault states are first measured and denoised by using the wavelet packet threshold method to initially lower the noise level with negligible signal distortion. To extract fault features of the engine, then, the HHT is selected and applied to the measured noise signals. A nine-dimensional vector, which consists of seven intrinsic mode functions (IMFs) from the empirical mode decomposition (EMD), maximum value of HHT marginal spectrum and its corresponding frequency component, is specified to represent each engine fault feature. Finally, an optimal SVM model is established and trained for engine failure classification by using the fault feature vectors of the noise signals. Cross-validation results show that the proposed noise-based HHT–SVM method is accurate and effective for engine fault diagnosis. Due to outstanding time–frequency characteristics and pattern recognition capacity of the HHT and SVM, the newly proposed HHT–SVM can be used to deal with both the stationary and nonstationary signals, and even the transient ones. In the view of applications, the HHT–SVM technique may be suggested not only to detect the abnormal states of vehicle engines, but also to be extended to other fields for failure diagnosis in engineering.