人工神经网络-近红外光谱法测定桉树中综纤维素的含量

采用近红外光谱技术结合广义回归神经网络(GRNN)建立测定桉树中综纤维素的定量分析模型。以72个桉树样品作为实验材料,对光谱数据进行平滑、求导、压缩以及归一化,用桉树的近红外光谱数据建立广义回归神经网络模型.预测模型的预测均方根误差为0.0198。结果表明,该方法测量比较准确,可以用于桉树中综纤维素含量的预测。     

基于数据驱动的发电机组软测量建模方法优化研究

针对发电机组中部分难测准参数的软测量及已测量参数的准确性校验等应用问题,提出了融合广义神经网络(GRNN)和B样条偏最小二乘回归(PLSR)各自优势的数据驱动软测量建模新方法NN-PLS。该方法先采用了GRNN对由机理分析初步选定的建模变量预建模,考察了各参变量对因变量的平均贡献率,并筛选得出了主要建模参数,然后采用B样条PLS对筛选后的变量建模,从而得出了简化、可靠的模型,最后以联合循环电厂的实测数据为样本进行了建模。研究结果表明,NN-PLS方法对不同工况下测量参数拟合准确、精度高、模型泛化能力强,同时由于该模型需要保存的参数相对较少,更适合作为解决上述在线问题的模型。     

基于GPRS的嵌入式地表水COD在线监测系统的研究与实现

水资源短缺和水污染的日益严重,如何建立一个高效完善的地表水监控系统成为亟待解决的问题[1].本系统结合嵌入式web服务器、GPRS技术以及嵌入式技术,应用快速消解-分光光度法实现对地表水COD值的实时监测[2-4].用户可通过网络远程控制设备开闭、设定监测设备相关参数、在线查询COD值以及开启摄像头监控现场情况.COD在线监测系统通过6组标样值拟合出回归曲线,每次COD检测都会进行标定,保证了COD数据值的可靠性,经测定COD在线监测系统具有较高的准确性和可靠性,有较高的市场价值.     

基于优化的GRNN和BP神经网络的磁滞曲线拟合对比分析

针对超磁致伸缩材料(GMM)的磁滞非线性,运用广义回归神经网络(GRNN)和前馈BP神经网络分别对GMM的磁滞回线进行非线性逼近,通过网络的训练、预测,与Jiles-Atherton(J-A)模型进行了对比,分析了两种神经网络的逼近效果,给GMM的运用起到了很好的指导作用。其中,在GRNN神经网络中,由于所取数据有限,为了扩大样本容量,采取交叉验证方法对GRNN神经网络进行了训练,采用循环算法找出了最佳的径向基函数扩展系数SPREAD,并对传统GRNN神经网络进行了优化。研究结果表明:优化后的GRNN神经网络对于磁滞回线的预测精度明显高于BP神经网络。     

基于动态GRNN模型的挖掘机液压系统故障检测

提出了一种针对工程机械液压系统的动态广义回归神经网络(GRNN)模型的故障诊断方法.动态GRNN模型是一种全局递归的动态模型,具有很强非线性收敛能力.首先建立系统正常状态故障建立动态GRNN模型;计算动态GRNN模型的检测阈值;然后将测试故障样本带入动态GRNN模型当中,其残差平方和在对应阈值范围内即可判定故障.通过实验分析,基于动态GRNN模型的故障检测方法准确地诊断出了90%以上的系统故障,实验结果表明,这一方法能够有效地应用于挖掘机液压系统的故障诊断.     

基于GRNN神经网络的工件智能矫正算法

为了克服传统工件矫正方法的缺陷,提出一套完整的工件智能矫正系统,并在此基础上着重阐述了系统中基于GRNN神经网络的智能矫正算法。GRNN神经网络具有出色的预测、自学习、非线性映射以及容错能力,以此为基础的矫正算法,很好地解决了传统矫正算法中非线性影响因素多、建模困难的问题。经过实验验证。本文提出的基于GRNN神经网络的矫正算法是可行和有效的。     

广义回归神经网络(GRNN)在AMT挡位判别中的应用

通过分析传统方法研究AMT换档规律存在的问题和神经网络在不能获得精确数学模型的非线性系统中能达到最优控制的特性以及在线学习的能力等,提出基于广义回归神经网络(GRNN)进行AMT的换档规律的研究,并针对某4档轿车机械自动变速器,建立该车自动变速两个参数(车速、油门开度)神经网络控制模型,运用Matlab软件进行换档过程的仿真分析.研究结果表明:利用GRNN研究AMT的换档规律过程简单、适应性强等,能够正确有效地进行车辆档位判别.     

马铃薯晚疫病害的高光谱图像空谱对比研究

为了快速检测马铃薯晚疫病,采用高光谱成像技术对马铃薯晚疫病的空谱信息进行对比研究以得到最佳判别手段。使用高光谱相机采集病害侵染0～6 d的高光谱图像,同时选取第6 d典型晚疫病病害的高光谱数据作为研究对象。采用二阶导数结合主成分分析和二次主成分分析分别从光谱和空间两个方面进行特征提取,之后基于特征波段反射率和主成分图像灰度值建立K最近邻分类算法、BP神经网络、决策树算法3种识别模型对不同时期病害进行识别。实验结果表明:基于二次主成分图像的灰度值结合BP神经网络建立的模型对马铃薯晚疫病的识别具有良好的成效,其识别率达96.6%。利用主成分图像灰度值建立的3种模型既减少了波段的冗余又提高了识别率,为研究和开发实时在线检测仪器提供了参考。     

基于遗传算法和GRNN的棉花流量检测模型研究

为了实现气力输送管道内的棉花流量检测,引入广义回归神经元网络(GRNN),建立基于光电传感原理的实时棉花流量动态检测标定模型,充分利用GRNN在非线性函数关系逼近能力、学习速度和网络稳定性方面的优势.采用一种实数编码的改进遗传算法(MGA)完成对网络的有教师式训练过程,改善网络性能.首先建立基于GRNN神经网络的标定模型,然后利用MGA搜索接近全局最优的基函数中心和平滑因子,最后用该模型对测试样本数据进行了预测.     

基于紫外光谱法的水质化学需氧量在线检测技术

化学需氧量(COD)是水质有机物污染的代表性指标,也是水质监测的必测项目之一。基于紫外光谱法直接测定COD是一种无需化学试剂、无样品前处理、无二次污染的绿色检测技术。本文详细论述了紫外光谱法的检测原理,研制开发了基于此技术的COD在线监测仪器。通过国家标准规定的邻苯二甲酸氢钾标准溶液实验与针对实际水样的检测实验,紫外吸光度与水质COD之间的线性度达0.99,将检测COD值与真实COD值进行配对T检验,二者无显著性差异,且检测技术具有快速、无试剂和重复性好的优点。     

基于双光束光路系统在线监测COD的稳定性研究

针对光度法测定COD的在线监测仪受环境温度影响较大、测定结果稳定性差的问题,对光路和信号采集条件等因素进行验证与探讨,提出优化光纤结构和信号采集、处理方式,以提高系统的稳定性,降低系统受环境温度等因素的影响程度。结果表明,采用特殊结构双光束光纤传导光信号,在信号采集温度为50℃,信号采集时间为1s的条件下,测定结果稳定,受环境温度影响小。根据标准HJ 377-2019要求,对仪器的检出限、示值误差、重复性、低浓度漂移等指标进行测试,其结果均优于仪器测试指标要求,该装置及监测方法可用于水质COD的在线监测。     

河道水体化学需氧量检测方法分析与验证

为解决河道水体检测过程中试剂消耗大、样品分析时间长、二次污染等问题,利用微流控技术和臭氧化学发光原理,研制了微流控芯片,搭建河道水体化学需氧量检测的硬件系统和软件系统。化学需氧量是利用化学方法检测水体中被氧化的还原性物质的量,是评价水体受污染程度的综合指标。利用该系统进行试验研究,分析数据采集系统采集化学发光信号,并进行数据拟合分析。根据化学发光强度与化学需氧量的对应关系,间接获得化学需氧量值,并与标准重铬酸钾法进行比较;结果表明,两者的平均偏差小于±5%,验证了该化学需氧量检测系统的可靠性和准确性。     

全光谱法COD测量仪在水质监测中的应用

传统的COD测量方法需要消耗大量的化学试剂,容易对环境产生二次污染,测试成本高,而且难以实现在线自动检测。是能公司研制的全光谱法COD在线水质监测仪可在无人干预的情况下完成自动清洗、测试和数据处理等操作,本文将从用户的角度对其各方面性能进行考察,实际测量了烟台市内的部分湖水和河水样品,并与实验室的测试结果进行对比。实验结果证明,该仪器无需任何化学试剂,线性范围宽(0～160 mg/L),检出限低(0.36 mg/L),测定速度快(30 s/样),精密度好,满足国内在线检测仪器的各项指标,可以实现在线实时监测。     

基于紫外吸收原理的在线水质COD测量仪设计

化学需氧量(简称COD)是水质有机物污染程度的代表性指标。着重介绍了基于紫外光吸收原理的在线水质COD测量仪的工作原理及构成;对不同水样的实验数据进行了紫外光吸光度与化学需氧量的相关性分析,探讨了用紫外吸光度作为水中COD的替代参数的可行性。该测量仪器可应用于废水的在线监测,与传统的COD测量仪相比,具有速度快、可靠性高、使用成本低等优点,将成为在线水质COD监测的主要设备。     

质量控制图在COD快速在线测定仪中的应用

阐述了质量控制图在COD快速在线测定仪中的应用原理及其实现方法。利用在线测定仪提供的数据管理和质量控制图绘制功能，给现场管理人员提供了一种快速评定污水水质的工具，及一种简单的区分仪器测量问题和污水本身COD变化的判别规则，给出了判别规则及其结果的准确概率。该方法在实际使用中得到用户的好评。     

基于光电技术的GIS设备微水在线检测方法的研究

GIS设备中微水含量超标威胁设备的安全及稳定运行。本文基于光电技术,研究了光谱吸收型光纤传感器检测GIS设备中的微水含量。采用半导体激光器光源,通过光源调制实现谐波检测,消除光源的不稳定和变化所引起的误差。光电测量方法不仅能精确测量微水含量,而且能实现在线检测,安全可靠。     

应用在线随机森林投票的动作识别

提出了基于在线随机森林投票识别人物动作类别的方法。建立了在线随机森林投票模型。通过在线训练和在线检测两部分进行了算法研究,提高了检测人物动作类别的准确率。基于人物动作在时间和空间上有重要信息,该方法首先通过提取图像立体块的lab色彩空间值、一阶差分、二阶差分以及大位移光流特征值在线训练随机森林;训练结束后,形成强分类器,利用分类器对检测图像进行投票,生成动作空间图;最后,在动作空间图中寻求最大值,判断检测图像的动作类别。验证结果表明在低分辨的视频图像中,本方法能够确定人物的动作类别,对Weizmann数据库和KTH数据库的识别率分别为97.3%和89.5%,对UCF sports数据库的识别率为79.2%,动作识别准确率有所提高。该方法增加了光流能量场特征表述,将原始投票理论拓展至三维空间,并且采用向下采样的方式更新结点信息,能够判断人物动作类别,为智能视频技术提供了有效的补充信息。     

基于机器视觉的锭坯轮廓在线检测系统研究

喷射成形是一种基于快速凝固技术的高温合金、高性能材料制备工艺,对喷射成形过程中沉积锭坯的轮廓及其形状特征进行实时、准确地检测是实现喷射成形工艺稳定性控制的关键。基于机器视觉技术研究了喷射成形锭坯轮廓在线检测方法,设计了视觉检测系统结构,对喷射成形生产环境下的锭坯轮廓图像处理算法进行了研究,提出了锭坯轮廓特征提取方法。实验和测试表明,轮廓及直径、喷射高度的检测精度可达1 mm,算法平均运行时间为0.83 s,可以长时间稳定地在线检测沉积锭坯的轮廓。     

总有机碳及其自动在线监测仪的研制

详细论述了总有机碳的基本概念以及在环境监测中的应用。介绍了总有机碳的各几种测定方法，水中总有机碳与COD、BOD间的相互比较，确定总有机碳与COD、BOD间的相关关系。根据对已售总有机碳自动在线监测仪的调研，确定了采用紫外催化．过硫酸钾氧化法测定水中总有机碳的技术路线，开发研制了适合我国国情的水中总有机碳自动在线监测仪。通过大量试验证明，该仪器完全满足《总有机碳（TOC）水质自动分析仪技术要求》（HJ／T104-2003）的要求。