多角度光散射颗粒的粒径解析和属性识别

通过提取光散射信号中颗粒粒径和属性的非线性特征向量,利用广义神经网络(GRNN)同时解析颗粒粒径和识别属性。采用经验模态分解(EMD)方法分解颗粒物的光散射信号,提取三维能量分布,计算3种相同粒径不同属性颗粒的样本熵,发现样本熵能够反映颗粒的属性;为了消除粒径和属性对散射的影响,对散射信号进行Hilbert变换,提取时频域特征,与样本熵结合组成高维特征集,通过局部线性嵌入(LLE)算法将特征集归为6个特征向量,作为广义神经网络的输入层,解析粒径和识别属性;采用粒径为0.11μm的二氧化硅颗粒、2μm和4μm的聚苯乙烯小球进行实验,结果表明,粒径解析和属性识别的正确率均在90%以上。