饲料蛋白固态发酵过程参数的FT-NIR快速检测

为实现对整个固态发酵过程状态信息变量的在线监测,研究提出基于近红外光谱分析技术的饲料蛋白固态发酵过程参数快速检测新方法。利用近红外光谱采集装置获取固态发酵物样本的近红外光谱,引入不同的光谱预处理方法校正原始近红外光谱数据,采用PLS建立固态发酵过程参数pH和湿度的定量分析模型。在模型校正过程中,通过交互验证法优选光谱预处理方法和建模所需的主因子数。试验结果显示,pH和湿度的PLS模型在预测集中的相关系数R_p分别为0.9838和0.8707,RMSEP分别为0.0696和0.0152。研究结果表明,利用近红外光谱分析技术快速监测固态发酵过程参数是可行的。     

基于回归系数的变量筛选方法用于近红外光谱分析

提出了一种基于回归系数的变量逐步筛选方法。对光谱中各变量计算其回归系数后,按其绝对值由大到小将相应变量排列,采用PLS交互检验按前向选择法逐步选择最佳变量子集。用该方法对玉米和柴油近红外光谱数据进行分析,对玉米蛋白质、柴油十六烷值和粘度分别选择出了14、12以及30个最佳变量用于建模,所得预测结果均优于全谱变量建模的预测结果。可见本方法是一种有效实用的近红外光谱变量选择方法。     

库尔勒香梨含糖量的近红外光谱检测模型研究

以成熟期库尔勒香梨为研究对象,以香梨含糖量作为检测指标,使用近红外光谱仪采集香梨样本光谱数据,通过一阶差分、二阶差分、标准正态变量变换（SNV）、多元散射校正（MSC）等方法对原始光谱进行预处理分析,研究香梨糖分的近红外光谱响应,结果表明MSC方法更适合于香梨近红外光谱数据的预处理。使用SPXY算法将近红外光谱建模样本集按4∶1进行划分,并使用相关系数法提取12个特征波长变量。通过线性回归、偏最小二乘法（PLS）和支持向量机（SVM）等方法分别建立香梨含糖量的检测模型,并进行比较,PLS模型均方根误差（RMSE）为0.5457,预测精度（Precision）为0.9918,相关系数为0.5802,均优于其它两种预测模型。MSC+PLS预处理方法可用于库尔勒香梨含糖量快速、无损检测。     

连续小波变换-支持向量回归用于植物样品多组分分析

采用连续小波变换（CWT）技术对近红外光谱（NIR）数据进行预处理,扣除光谱中的背景与噪音成分,再用支持向量回归（SVR）进行建模,建立了用于复杂植物样品多组分分析的建模方法（CWT-SVR）,并应用于烟草样品中常规成分（总糖、总植物碱和总氮）含量的测定。结果表明,CWT—SVR方法优于基于全谱数据的SVR和偏最小二乘（PLS）法,为近红外光谱定量分析提供了一种新的建模方法。     

基于变量纯度的波长选择方法在近红外光谱分析中的应用

提出了一种基于光谱纯度值的变量选择方法。对光谱中各变量计算其纯度值后,按降序将相应变量排列,采用PLS交互检验按前向选择法选择最佳变量子集。用本方法对3组分混合物体系及烟草样品的近红外光谱进行变量选择,并与全谱变量建模的结果进行了比较。结果表明本实验给出的波长变量优选方法是一种比较有效和实用的变量筛选方法,通过变量筛选,可极大地减少光谱信息重叠,从而提高定量校正模型的预测精度和建模效率。     

基于正交信号校正的喷气燃料近红外光谱去噪研究

为了提高喷气燃料近红外光谱模型的预测精度和稳健性,结合近红外光谱的特点,将正交信号校正法(OSC)用于喷气燃料近红外光谱的预处理.在正交信号校正过程中,通过K矩阵法建模选择正交信号校正的最佳主成分数.将正交信号校正后的光谱分别与K矩阵法、主成分回归(PCR)和偏最小二乘法(PLS)结合建立校正模型,对喷气燃料的密度和2...     

一种煤炭近红外光谱数据预处理方法研究

针对煤炭原始近红外光谱数据中存在噪声的问题,提出了基于De-SNV与小波阈值去噪组合的煤炭近红外光谱数据预处理方法。采用缺省软阈值法进一步对经过Savitzky-Golay平滑和De-SNV处理的光谱数据去噪,并分别建立了水分、灰分和挥发分的PLS校正模型,通过分析模型的预测性能对该方法的有效性进行评估。实验结果表明,经过该方法预处理的光谱数据所对应的PLS校正模型性能明显优于使用原始光谱数据所建立的PLS校正模型,水分、灰分和挥发分的PLS校正模型的预测均方根误差分别降低至0.007 07,0.040 8,0.008 66,决定系数分别提高至0.858 7,0.743 8,0.778 5。     

近红外光谱法测定黄芩提取物中黄芩苷含量

应用近红外光谱技术探讨了黄芩提取物中黄芩苷含量的快速检测新方法.共收集12个不同厂家的100批黄芩提取物样品,利用Nicolet 6700型傅立叶变换近红外光谱仪采集样品近红外漫反射光谱,通过HPLC法测定黄芩苷含量值,结合偏最小二乘法(PLS)建立黄芩苷含量的近红外定量校正模型,并通过筛选合适的光谱预处理方法、建模区间和主成分数获得最优模型.所建最优校正模型的相关系数(R2)、校正均方差(RMSEC)和内部交叉验证均方差(RMSECV)分别为0.995、0.440和2.259;经外部验证,模型的预测相关系数(r2)、预测均方差(RMSEP)和平均回收率分别为0.988、0.486和100.190%.结果表明,该方法可用于不同厂家黄芩提取物中黄芩苷含量的直接测定,操作简便,无污染,结果准确可靠,可实现大批量样品的快速分析.     

基于小波变换的高光谱散射图像特征提取

高光谱散射图像的特征提取是影响模型精度的重要因素。本文对600个'Golden Delicious'苹果样本的高光谱散射图像进行分析,分别采用平均反射法和小波变换提取特征。小波变换以Danbechies小波系的Db1函数作为基函数进行1层和2层小波分解,然后选取小波低频系数的一范数作为特征值。利用Kennard-Stone算法划分样本,450个样本用于建模,150的样本用于预测。不同方法提取的特征值输入结合偏最小二乘(PLS)算法建立苹果内部品质的预测模型。结果表明1层小波变换特征提取方法与平均反射(mgan reflectance,Mean)特征提取方法相比能将硬度的预测集相关系数从0.797提高到0.821,预测集均方根误差保持不变;糖度的预测集相关系数从0.837略微提高到0.842并降低了预测集均方根误差。因此小波变换为高光谱散射图像提供了一种有效的特征提取方法。     

近红外光谱信号的优化处理

用实验室常规方法测定竹材样品的木质素含量,漫反射方式采集样品的近红外光谱信号,偏最小二乘法(PLS)和完全交互验证方式以建立毛竹木质素含量的定量分析模型。研究主成分数、建模谱区、求导和平滑预处理技术对定量分析模型的影响。结果表明,预处理技术压缩和恢复的近红外光谱信号效果良好,提高了模型的预测能力,优化近红外定量分析模型有重要参考价值。     

基于改进的PCA-LS-SVM的软测量技术及应用

针对工业过程中某些重要过程变量难以实现实时在线检测和高维数据处理的问题,提出了将主元分析与改进的最小二乘支持向量机相结合的软测量建模方法,建立了催化裂化主分馏塔柴油凝固点的软测量模型。最小二乘支持向量机与标准支持向量机相比,失去了"稀疏性",最小二乘支持向量机的稀疏化方法解决了这一难题;主元分析方法的引入,有效地提高了最小二乘支持向量机软测量模型的精度和泛化能力。应用结果表明,该改进的PCA- LS-SVM方法具有学习速度快、跟踪性能好以及泛化能力强等优点。     

基于闭环辨识的柴油机模型研究

论文首先分析了柴油机闭环辨识的条件和柴油机的理论数学模型,然后采用ARX模型辨识出柴油机控制系统模型.辨识的输入输出数据分别采用柴油机闭环控制系统的齿条位移和输出转速,模型参数估计采用最小二乘法,最后通过残差分析对模型的正确性进行验证.辨识结果表明该模型能够很好地反映柴油机的动态输出特性,并具有较高的精度,证明了ARX模型辨识算法对于柴油机系统的辨识是可行的.     

基于模式识别的柴油机故障诊断

提出一种基于模式识别的故障诊断方法，利用传感器检测柴油机燃油压力波形，并对波形进行数学建模和特征提取，讨论分析了最小距离判别法，选用Euclidean距离，将其应用到柴油机燃油压力波形的故障诊断中，得到相当理想的诊断结果，最后给出两个实验例子，此方法具有运算简单，运算速度快，判别精度高等特点，具有广阔的发展空间。     

一种用于模型检验的符号检验法

模型检验是保证模型可信度的重要手段,根据模型输出的不同,应选用不同的检验方法.模型检验中,通常很难事先预知模型输出的分布情况,而符号检验法适用于总体分布情况未知时的假设检验问题,因此适用于模型检验问题.典型的符号检验法虽然简便、直观,但精度较差,忽略了原始数据中的许多信息.修正的符号检验法将模型检验问题分成了若干子假设问题,并通过对样本数据大小比较、以幅值作为统计量的修正,使之可以处理动态参数的检验问题,较充分地利用了原始数据中的信息,提高了检验精度.算例也表明该方法是适用的.     

船舶电站柴油机双脉冲H∞调速器的研究

船舶电力系统频率的稳定性主要取决于船舶电站柴油机调速系统的转速响应特性．为了抑制负荷的扰动,提高柴油机双脉冲调速器的动态精度,本文将H_∞控制理论应用于柴油机调速系统的设计,将系统的性能要求转化为标准H_∞控制问题．建立了采用双脉冲H_∞调速器的柴油机调速系统的数学模型,针对外部干扰和模型的不确定性,双脉冲H_∞调速器的设计可以归结为混合灵敏度问题．计算机仿真实验结果表明,本文设计的双脉冲H_∞调速器能在充分考虑系统模型不确定性的情况下,有效提高系统的动态精度和抑制扰动的能力,改善船舶电力系统频率的稳定性．     

基于非线性卡尔曼平滑的GPS定位估计方法

在GPS单机定位中,通常采用卡尔曼滤波作为位置状态解算的方法.文中提出一种将非线性平滑技术用于GPS定位估计的方法,该方法可用于单机GPS接收机的定位解算,在非线性滤波的基础上进一步提高定位精度.提出一种随接收卫星数量而实时改变测量参数的动态测量模型,根据GPS的伪距、多普勒频移和导航信息等原始数据进行定位模型的解析,运用新型的平淡卡尔曼平滑算法求解该动态模型.GPS定位实验结果表明,与通用的最小二乘迭代法和非线性滤波等方法获得的结果相比,所提出的方法能获得更高的定位精度.     

A Novel Cluster Analysis-Based Crop Dataset Recommendation Method in Precision Farming

Data mining and analytics involve inspecting and modeling large pre-existing datasets to discover decision-making information. Precision agriculture uses data mining to advance agricultural developments. Many farmers aren’t getting the most out of their land because they don’t use precision agriculture. They harvest crops without a well-planned recommendation system. Future crop production is calculated by combining environmental conditions and management behavior, yielding numerical and categorical data. Most existing research still needs to address data preprocessing and crop categorization/classification. Furthermore, statistical analysis receives less attention, despite producing more accurate and valid results. The study was conducted on a dataset about Karnataka state, India, with crops of eight parameters taken into account, namely the minimum amount of fertilizers required, such as nitrogen, phosphorus, potassium, and pH values. The research considers rainfall, season, soil type, and temperature parameters to provide precise cultivation recommendations for high productivity. The presented algorithm converts discrete numerals to factors first, then reduces levels. Second, the algorithm generates six datasets, two from Case-1 (dataset with many numeric variables), two from Case-2 (dataset with many categorical variables), and one from Case-3 (dataset with reduced factor variables). Finally, the algorithm outputs a class membership allocation based on an extended version of the K-means partitioning method with lambda estimation. The presented work produces mixed-type datasets with precisely categorized crops by organizing data based on environmental conditions, soil nutrients, and geo-location. Finally, the prepared dataset solves the classification problem, leading to a model evaluation that selects the best dataset for precise crop prediction.     

多层前向神经网络在柴油机故障诊断系统中的应用研究

故障诊断是计算机模式识别领域的一个活跃课题。文中提出了基于ANN的柴油机故障诊断方法,设计了适合该诊断系统的BP网络结构,并给出了一种改进的BP算法(IBP),该算法基于黄金分割法自适应调整网络学习速率。仿真结果表明:该算法比标准BP算法具有更快的学习速度和更高的学习精度,完全适用于柴油机故障诊断系统。     

船舶电站柴油机双脉冲H∞调速器的研究

船舶电力系统频率的稳定性主要取决于船舶电站柴油机调速系统的转速响应特性.为了抑制负荷的扰动, 提高柴油机双脉冲调速器的动态精度, 本文将H_∞控制理论应用于柴油机调速系统的设计,将系统的性能要求转化为标准H_∞控制问题.建立了采用双脉冲${\rm H}_\infty$调速器的柴油机调速系统的数学模型,针对外部干扰和模型的不确定性, 双脉冲H_∞调速器的设计可以归结为混合 灵敏度问题.计算机仿真实验结果表明, 本文设计的双脉冲H_∞调速器能在充分考虑系统模型不确定性的情况下,有效提高系统的动态 精度和抑制扰动的能力,改善船舶电力系统频率的稳定性.     

焦炉加热智能控制系统的研究与应用

焦炉是具有大时滞、强非线性、多变量耦合、变参数的复杂对象，直行温度受多种因 素的影响，采用常规的控制方法难以将直行温度控制到要求的精度范围内．焦炉生产过程既 受连续时间信号驱动，又受离散事件信号驱动，本文将焦炉及其操作过程作为一类混杂系统 ，研究并开发了焦炉加热智能控制系统．系统采用神经网络建模、多变量模糊控制、专家控 制和预测控制等多种算法，构造了切换系统模型，在北京炼焦化学厂投入生产运行后，取得 良好控制效果．该系统对提高焦炭质量，降低能耗和延长炉体使用寿命都有重要的意义．