基于表观特征的三维荧光谱参量化油种鉴别

将基于统计特征的三维荧光谱参量化方法与神经网络模式识别技术相结合,实现污染油的油种鉴别.选取石油三维荧光谱的特征参数并组成特征向量,然后用神经网络技术实现油种的特征参数模式识别.通过基于实验数据的应用仿真,验证了这一方法的实用性和可靠性,从而可以取代人工观察对比的粗大方法.作为基于物质荧光的"指纹"新技术,也可应用于其它物质分析鉴别技术领域.     

油类三维荧光谱测量及其指纹图统计特征

介绍了基于光纤二维荧光检测器的三维荧光谱测量系统的组成,针对特征提取指出了基于MATLAB工具进行三维数据处理的归一化问题.给出并比较了煤油和柴油三维荧光谱指纹图及其统计特征参数,在此基础上可以实现基于荧光谱指纹图统计特征的油种鉴别.     

矿物油三维荧光光谱特征参数的提取

用日本岛津公司RFPC荧光光谱仪,对柴油、原油的荧光光谱进行了测量,将激发波长、荧光波长和荧光强度用三维坐标表示,经采样和曲面拟合处理得到三维荧光谱图并提取其特征参数.结果表明,特征参数对于三维荧光谱具有确定性,可用来分辨组分和结构相近油种的三维荧光谱特征上的微小差别,应用于油种鉴别是适用的、有效的.     

基于泛基因概念的矿物油三维荧光谱参量化

本文鉴于表观统计特征的相对粗糙性,提出矿物油泛基因概念和基于泛基因概念的三维荧光谱参量化,选取石油三维荧光谱的奇异值参数及伴随向量组成特征谱和特征基因码链,给出了不同特征谱的矿物油聚类性能比较;利用类似生物信息学的DNA序列比对技术,作了基于奇异值基因码链的同源比对.结果说明,基于奇异值特征谱的矿物油分类和比对是有效的.从而开始石油三维荧光谱参量化分析方法的另一种思路.有利于进一步实现水环境中污染油的鉴别.     

水中矿物油全光纤三维荧光测量仪

研究了光纤传输三维荧光谱的参量化理论与实现技术,给出了一种能广泛用于测量地表水和工业废水中矿物油含量的便携式全光纤荧光矿物油测量仪.用激发光波长和被测油种(如原油、煤油、柴油等)受激荧光波长及荧光强度三个量,经微机重新采样和曲线拟合处理得到的三维荧光谱并表示为等值线图(指纹图)形式,可反映出油种组成的丰富信息,为测量水中矿物油提供理论依据,并能鉴别污染的油种.     

基于模糊模式识别的爆炸物THz光谱识别

运用太赫兹(THz)光谱特性对爆炸物进行检测和识别,是现代检测技术研究的一个热点.在对多种单质炸药和混合炸药及几种可能与它们混淆的物质的太赫兹特征吸收光谱进行研究的基础上,提取它们在0.2～2.2THz频率范围内4个相对较强的特征吸收峰作为分类识别的特征参数,用模糊模式识别方法对它们的太赫兹特征吸收谱进行了分类和识别.首先,用基于模糊等价关系的模糊聚类分析方法对这几种物质的太赫兹特征吸收谱进行聚类训练,获得样品分类并形成标准太赫兹吸收光谱模型库;然后,选用与训练样本主体成分相同的2种物品作为待识别对象,采用基于择近原则的模糊模式识别方法进行了成功识别.研究结果表明,基于模糊聚类分析的模糊模式识别方法对太赫兹吸收谱具有较强的相似特征聚类功能和较高的识别率,为太赫兹光谱技术用于爆炸物的检测和识别提供了一种有效的方法.     

基于BP神经网络的液滴图像识别方法

通过CCD监测白酒和掺入50％水的白酒两种不同液体液滴的生长过程,针对最大的液滴提取特征参数,利用主成分分析技术对特征参数进行优化,确定了5项有效的特征参数。最后采用BP神经网络识别不同的液滴。结果表明：不同液体液滴的轮廓特征参数是有区别的。因此,结合模式识别的图像液滴分析技术可以应用于分析和鉴别液体。     

故障诊断中基于神经网络的特征提取方法研究

在电路状态检测与故障诊断过程中,恰当地选择特征参数是诊断成败的关键。本文研究了基于神经网络的特征评价和特征提取方法,利用神经网络的训练结果对特征参数进行合理的评价。由于神经网络满足高分辨率信息压缩所需的非线性映射条件,通过特征提取将电路故障模式识别中复杂的分类问题转移到特征处理阶段,利用神经网络有效地实现了特征参数的提取。诊断实例验证了该方法的有效性。     

石油馏分荧光光谱等高线特征谱分析研究

相对色谱或色质联用分析,荧光分析法具有灵敏度高、选择性好、取样量少、分析结果快速等优点。三维荧光光谱是有机物种类鉴别领域的新技术,可应用于石油馏分的分类,且具有准备过程简单、信息量丰富和费用低的优点。分析了柴油、汽油、混合油3类石油馏分的三维荧光光谱特征,应用图像信息统计原理,提出了基于三维荧光等高线特征谱分析技术的一种新方法,研究了同一馏分和不同馏分之间特征谱的相关特性,并给出了利用等高线特征谱相关系数鉴别油品的新方法,对3类馏分的分析结果表明,此方法数据客观,识别结果准确。     

基于形态谱的磨粒图像特征参数提取方法

为提高磨粒识别的精度,提出一种基于形态谱磨粒图像特征参数提取新方法,给出磨粒图像的归一化形态谱的计算方法,并将磨粒的形态谱作为其特征向量,采用径向基函数神经网络对磨粒进行自动识别。结果表明:利用磨粒的形态谱实现了对球形磨粒、切削磨粒、严重滑动磨粒、疲劳剥块4种典型磨粒的分类识别,磨粒的形态谱可以作为磨粒的有效特征参数。