基于PLS-LDA和拉曼光谱快速定性识别食用植物油

以6种食用油共计23个样本为分析对象,采用偏最小二乘线性判别分析法(PLS-LDA)和拉曼光谱进行单一种类(橄榄油、花生油和玉米油)食用油快速定性检测,通过自适应迭代惩罚最小二乘法(airPLS)对拉曼信号进行背景扣除,以及蒙特卡洛无信息变量消除法筛选波长变量,不但有效减少了波长点数,降低了建模运算量,而且提高了单一种类食用油的识别率,使得总体识别率均高于90%,并在此基础上进一步提出了采用PLS-LDA进行多种类食用油识别的检测流程。实验结果表明PLS-LDA在食用油定性识别检测中具有较好的应用前景和可行性,该方法也可为定性检测食品及农产品品质提供借鉴。     

拉曼光谱结合距离匹配法快速鉴别掺伪食用油

以农贸市场购买的散装问题油为掺伪物,采用大豆油和玉米油为简单背景制备掺伪样本65份,采用4类食用调和油为复杂背景制备掺伪样本40份,收集市售合格食用植物油样本27份。按样本数3∶1划分建模集和校验集,采用拉曼光谱和距离匹配法分别建立简单背景和复杂背景的食用油掺伪快速定性识别模型:在简单背景掺伪下采用全谱建模预测可得真样本识别率为85.7%,伪样本识别率为94.1%,总识别率为91.7%;在复杂背景掺伪下经谱区挑选优化建模预测可得真样本识别率为87.5%,伪样本识别率为100%,总识别率为94.4%。试验结果表明拉曼光谱结合距离匹配法能简单、有效、快速地检测食用植物油是否掺伪。     

食用油油酸的近红外特征谱区挑选

为提高食用油油酸的近红外定量分析模型的预测性能,采用4种波长变量优选方法:移动窗口偏最小二乘算法(MWPLS)、间隔偏最小二乘法(i PLS)、向后间隔偏最小二乘法(Bi PLS)、组合间隔偏最小二乘算法(Si PLS),优选食用油油酸近红外光谱特征区间,建立57份食用油样本的油酸定量分析模型。试验结果表明,相较于全谱建模,4种变量优选方法都能在有效地减少建模所用的变量数的同时提高模型性能,其中采用Si PLS优选变量所建的油酸定量模型的预测性能最优,决定系数R2为0.995 0,交叉校验均方根误差(RMSECV)为1.037 2,预测均方根误差(RMSEP)为0.924 6。     

神经网络预测-PID串级控制在同步发电机励磁控制中的应用

为提高发电机励磁控制系统的稳定性,分析了同步发电机的自并励励磁系统的结构和数学模型,介绍了神经网络预测控制的结构和算法,分别基于PID控制、神经网络预测控制和神经网络预测-PID串级控制算法对自并励励磁系统进行了仿真分析.通过仿真结果的对比分析,说明神经网络预测-PID串级控制在励磁控制中的应用提高了励磁系统的动态性、稳定性和抗干扰能力.     

基于国网商旅大数据融合背景的用户画像构建

基于大数据分析的商旅计划决策是掌控差旅动态、制定差旅规范的重要组成部分。基于国网商旅信息数据，针对出差过程中出行方式的优化选取、酒店住宿的个人喜好，构建一种用户画像框架技术，实现快速、准确识别敏感客户群体。首先针对用户不同特性采用双通道建模方式预测用户敏感程度；其次围绕业务审批、差旅控制、酒店评价、时间特征、数值特征等类型刻画用户，构建用户多源特征体系；最后充分利用商旅数据多源性，创建基于双层XGBoost的多视角融合模型，提升分类精确率，并通过对比实验验证方法的有效性。     

基于ZigBee无线传感网络在变电站监测系统中的应用

为实现变电站监测系统无人化及无线化的目的,论证了ZigBee技术在变电站自动化通信中应用的可行性,介绍了ZigBee技术及其特点,分析了ZigBee无线通信协议,并根据变电站自动化系统的分层结构,提出了基于ZigBee无线自组网技术的变电站监测系统,设计了适用于变电站数据通信的ZigBee模块.该设计提高了变电站监测系统的安全性和可靠性,具有较好应用前景.     

循环流化床旋风分离器颗粒分离特性的分析

应用两相流动理论对循环流化床分离器特性进行了理论分析，并通过实例研究了分离器入口流速不均匀性对分离效果的影响。