小波包变换潜变量回归同时测定锰、锌、钴

研究了一种小波包变换潜变量回归(WPLVR)法,同时定量分析Mn ,Zn 和Co 。结合小波包变换和潜变量回归,改进除噪质量。通过最佳化,选择了小波函数和小波包分解水平(L)。设计了两个程序(PWPLVR和PFTLVR)并用WPLVR法和付立叶变换潜变量回归(FTLVR)法计算了合成样品中锰、锌、钴的实际浓度和回收率。实验结果表明WPLVR法是成功的且优于FTLVR法。     

小波遗传神经网络-阳极溶出伏安法同时测定钢中铜和铅

研究了二硫代二安替吡啉甲烷作修饰剂的修饰玻碳电极,并以此为工作电极,建立了测定铜和铅的阳极溶出伏安法。应用小波变换去噪、数据压缩和背景扣除功能对峰电流信号进行处理,用遗传算法自适应概率搜索神经网络的最优网络结构和参数,解决神经网络过拟合问题,将小波神经网络(WT-BP-ANN)、小波遗传神经网络(WT-GA-BP-ANN)的分析结果进行比较,Cu2+,Pb2+测定结果的RSD分别为3.49%,2.33%;3.77%,1.89%,表明小波遗传神经网络优于小波神经网络。     

3,5-二溴水杨基荧光酮-溴化十六烷基三甲胺化学计量分光光度法测定Al(Ⅲ)-Fe(Ⅲ)-Cu(Ⅱ)混合物

研究了一种直接正交信号校正(DOSC)-小波包变换(WPT)-偏最小二乘法(PLS)(DOSC-WPT-PLS)的方法,用于测定不经分离时解析光谱严重重叠的Al(Ⅲ)、Fe(Ⅲ)和Cu(Ⅱ)混合物。该法将DOSC、WPT及PLS三种方法结合从而提高了获取特征信息的能力和回归质量。本文测定的3种金属离子可与3,5-二溴水杨基荧光酮和溴化十六烷基三甲胺(CTMAB)在pH5.50的NaAc-HAc缓冲溶液中发生高灵敏度和低选择性的显色反应,形成有色三元络合物。设计了PDOSC WPTPLS程序来执行相关计算,并将3种化学计量学方法(DOSC-WPT-PLS、WPT-PLS、PLS)进行比较。     

基于小波包分数幂阈值的声发射去噪研究

针对岩石声发射信号在传播和采集的过程中受到多种噪声干扰而具有复杂、瞬态等非平稳特性的特点,基于小波包硬阈值去噪法、小波包软阈值去噪法和小波包分数幂阈值去噪法,对岩石声发射信号进行去噪处理。研究表明,对于岩石声发射信号,小波包分数幂阈值去噪方法克服了传统的软阈值去噪使信号幅值失真和硬阈值去噪使去噪后信号振荡加剧的缺点。与软阈值去噪和硬阈值去噪相比,信号的信噪比和均方根误差都较小。小波包分数幂阈值去噪在保证原始信号特征的情况下,可以有效地滤除信号中的噪声,信号失真小,是一种较好的岩石声发射信号去噪方法。     

Mallat小波快速变换与IDRNN在卫星实时故障检测与识别中的应用

系统研究了面向复杂系统监测时变信号的实时故障检测与识别问题.采用滑窗Mallat小波快速变换克服传统小波变换的时域全局依耐性并提高计算效率,使之适应于实时故障检测;针对时变信号的故障模式识别难题,在故障检测基础上采用改进动态循环神经网络(improved dynamic recurrent neural network,IDRNN)进行智能故障识别.最后将滑动时窗小波检测模块及最优IDRNN网络模块嵌入某型完整卫星姿态控制系统仿真平台进行在线故障诊断.试验结果表明:实时条件下的滑动窗口小波变换与传统小波变换具有一致性,IDRNN对于时变信号识别具有较好的时域泛化能力,将滑窗移动时不变小波方法与IDRNN结合可以实现面向复杂系统监测实时信号的故障检测及复合模式分类.      

基于小波变换的TEM信号处理中小波基函数的选择

瞬变电磁法(TEM)作为一种时间域电磁勘探方法,具有探测深度大,受地形影响小等优点。随着对数据处理精度要求越来越高,近些年出现了使用小波变换来对TEM信号去噪的方法。由于小波基的选择对于小波变换是一个重要问题,小波基函数对去噪的效果好坏影响也很大。通过试验MATLAB小波工具箱中Coif及Bior小波函数的去噪效果,从去噪结果上分析,Coif小波函数去噪效果更好。     

小波模糊神经网络在高炉铁水硅质量分数预测中的应用

在运用模糊神经网络进行预测的基础上,建立了一种应用小波理论对时间信号进行去噪,根据去噪处理对模糊神经网络作相应处理的预测模型,并将所建模型应用于预测高炉铁水中硅的质量分数.仿真结果表明小波模糊神经网络比模糊神经网络更具优越性,预测准确率明显提高.     

基于经验模态分解方法的拉曼光谱信号处理研究

经验模态分解(EMD)方法是一个以信号内在物理频率成分为对象的自适应时频分析方法,而常见的非平稳信号分析方法,比如小波分析,它需要选择小波基,不同小波基的分析结果不同;拉曼光谱信号是典型的非线性和非平稳信号,EMD方法充分地保留了信号本身的非线性和非平稳的特征,适应于拉曼光谱信号的分析。实验在自行研制的拉曼光谱测试平台上获得了原始的拉曼光谱信号,并通过经验模态分解将信号分解成不同频率的10个本征模式分量,信号能量集中在750cm^-1和1500cm^-1左右,最后进行了频率成分分析和去噪处理,并和小波分析方法进行了对比,验证了EMD方法的有效性和实用性,该方法在拉曼光谱信号分析中有较好的应用前景。     

改进ICA去噪方法在瞬变电磁信号处理中的应用

提出一种改进ICA去噪方法,可确定去噪后的信号幅值.用于消除瞬变电磁信号中的工频干扰,并与传统陷波滤波方法进行比较.实验结果表明,采用改进ICA去噪方法,在消除工频干扰的同时,能很好地保留信号的波形和特征,去噪效果明显优于陷波滤波方法.在较低信噪比下仍可有效地提取信号,具有实用价值.     

钯(Ⅱ)与铬(Ⅵ)、锌(Ⅱ)、镉(Ⅱ)的钙黄绿素液固萃取分离及钯的荧光猝灭法测定

用钙黄绿素(Cal)为萃取剂,借助Tween80-磷酸盐-水的液-固萃取体系,能使Pd(Ⅱ)与Cr(Ⅵ),Zn(Ⅱ),Cd(Ⅱ)定量分离。优化的萃取分离条件:分离酸度为pH9.0,分相盐的总量为2.0 g(K2HPO4与KH2PO4摩尔比,18:1),Tween80体积分数为9.0%,Cal浓度为1.5×10-5mol/L。在上述条件下20~150μg Pd(Ⅱ)可与5~800μg Cr(Ⅵ),5~1 000μg Zn(Ⅱ),2~600μg Cd(Ⅱ)分离。该萃取法与荧光猝灭法相结合成功地测定了催化剂废液     

DBC从酸性溶液中萃取分离Pd(Ⅱ),Pt(Ⅱ)的研究

研究了采用DBC作为萃取剂,从酸性溶液中萃取分离Pd(Ⅱ),Pt(Ⅱ)的性能。分别考察了DBC体积分数、混合液的酸度、萃取时间、相比(O/A)对萃取分离Pd(Ⅱ),Pt(Ⅱ)性能的影响。通过正交实验得出Pd(Ⅱ)与Pt(Ⅱ)萃取分离的适宜条件,即DBC体积分数为10%、萃取时间t=10m in、相比O/A=1、盐酸浓度为2mol/L,Pd(Ⅱ)与Pt(Ⅱ)的分离萃取系数为320。实验分别研究了采用氨水进行反萃Pd(Ⅱ)和采用NaC l进行反萃Pt(Ⅱ)的性能,得出了Pd(Ⅱ)和Pt(Ⅱ)的反萃取条件。     

碘化钾的测定方法研究

本文研究了KI与Fe(Ⅲ)的反应过程及其产物I2与Fe(Ⅱ)的共存关系和分离方法等问题,推荐了测定碘化钾中I-的新方法.已经证明,用煮沸法可以使I2定量挥发而与Fe(Ⅱ)分离,且在挥I2过程中,Fe(Ⅱ)仍然保持稳定.因此,可根据反应2Fe3++2I-=2Fe2++I2,用常法测定反应生成的Fe(Ⅱ)量以计算出I-或KI的质量分数.共存的大量I2以及Cl-,Br-等成份,对测定无干扰.本法具有简便、快速、准确(其RSD＜0.2%),成本低廉等特点.用于各种碘化钾(KI)产品的检测与质量监控,获得了满意的结果.同时并对I-与Fe3+的反应机理进行了探讨.     

基于神经网络与LabVIEW平台建立焊锡真空炉粗锡含铅量的软测量模型与在线监测研究

焊锡真空炉粗锡含Pb量的高低直接关系到焊锡真空炉的生产效率,为了改变目前粗锡含Pb量只能通过人工化验才能得到的现状,实验基于反向传播神经网络(Back-Propagation Neural Network,BPNN)与广义回归神经网络(Generalized Regression Neural Network,GRNN)算法原理,构建了BPNN与GRNN软测量模型并对这两种模型的预测效果进行了对比分析,结果表明基于GRNN的粗锡含Pb量软测量模型具有较高的预测精度。同时,采用虚拟仪器(LabVIEW)中的Matlab Script节点技术,成功开发了基于LabVIEW的粗锡含Pb量监测系统,实现了基于BPNN与GRNN软测量模型的粗锡含Pb量实时在线软预测,运行结果表明所开发的监测系统运行稳定可靠。     

基于小波包分解和支持向量机的石油套管缺陷智能识别

 针对石油套管缺陷超声无损检测(NDT)中缺陷回波的特点,提出了一种基于小波包分解和支持向量机(SVM)的缺陷智能识别新方法。分析了Gabor、小波和小波包3种信号时频变换分解方法的特点,并进行了基于3种方法生成的特征数据可分性比较,确定了小波包分解方法效果最好。根据SVM解决分类问题的原理,采用SVM法对3种时频分解提取的缺陷信号特征数据进行识别。试验表明,基于小波包分解局部熵的特征提取结合SVM模式智能识别的组合方法,可应用于石油套管上的4种典型缺陷的识别。     

改性鸡蛋壳对废水中Ni(Ⅱ)的吸附性能试验研究

研究了用KMnO_4为改性剂制备改性鸡蛋壳吸附剂,通过单因素和正交试验考察其对冶金废水中Ni(Ⅱ)的吸附性能。采用X射线衍射仪(XRD)、傅立叶变换红外光谱仪(FTIR)、扫描电镜(SEM)对吸附材料进行表征。结果表明:KMnO_4改性鸡蛋壳吸附剂对Ni(Ⅱ)有较好的吸附效果;在初始Ni(Ⅱ)质量浓度20 mg/L、废水pH为5、吸附剂用量4.0 g、吸附时间350 min条件下,对50 mL模拟废水进行吸附,Ni(Ⅱ)吸附去除率达99.0%,且吸附效果相对稳定;吸附过程符合Langmuir等温吸附模型和准二级动力学方程。表征结果表明:鸡蛋壳吸附剂结晶度较好,表面主要官能团为—OH(醇类、酚类和羧酸)和C—H;改性后鸡蛋壳表面的—OH基团极性增强,孔隙发达,孔径变大,更有利于对Ni(Ⅱ)的吸附。     

小波RBF神经网络在高炉铁水硅含量预测中的应用

在运用RBF神经网络进行预测的基础上,建立了一种应用小波理论对时间信号进行去噪,根据去噪处理对RBF神经网络作相应处理的预测模型,并将所建模型应用于预测高炉铁水硅含量。仿真结果表明小波RBF神经网络比RBF神经网络更具优越性,预测准确率明显提高。     

小波模糊神经网络在高炉炉温预测中的应用

在运用模糊神经网络进行预测的基础上,建立了一种应用小波理论对时间信号进行去噪。根据去噪处理对模糊神经网络作相应处理的预测模型,并将所建模型应用于高炉炉温预测。仿真结果证明小波模糊神经网络比模糊神经网络更具优越性,预测准确率明显提高。     

小波模糊神经网络在高炉炉温预测中的应用

在运用模糊神经网络进行预测的基础上,建立了一种应用小波理论对时间信号进行去噪,根据去噪处理对模糊神经网络作相应处理的预测模型,并将所建模型应用于高炉炉温预测。仿真结果证明小波模糊神经网络比模糊神经网络更具优越性,预测准确率明显提高。     

基于主成分分析与遗传算法-支持向量机的喷溅预测方法

针对冶炼过程喷溅特征提取及喷溅预测困难的问题,提出基于小波包变换与主成分分析的优化参数模型的支持向量机喷溅预测方法。该方法经小波包变换将冶炼喷溅的噪声和氧枪振动信号分解为不同频带的信号。由于不同频带的信号出现相互干扰和堆叠,因此通过主成分分析将频带能量降维分离成不同频带,进而将这些处理后的信号作为喷溅特征向量。对支持向量机模型参数(C、g)进行遗传算法优化,通过支持向量机对喷溅的分类及预测,验证了该方法的有效性。实验结果表明：经小波包变换和主成分分析获得的特征信号能够准确地反应喷溅特征,提出的支持向量机方法具有较好的分类性能,喷溅预测准确率较高。     

基于小波阈值去噪的光谱模型评价方法研究

采用小波变换对小麦近红外漫反射光谱进行阈值去噪研究,在软阈值函数下,分别采用固定阈值、启发式阈值、自适应阈值、最大最小阈值对光谱信号进行去噪,并用偏最小二乘建模的方法对去噪效果进行评价.结果表明,小波阈值降噪方法可以有效地降低原始光谱噪声,并很好地保留了信号中的尖锐和突变部分,而在阈值降噪过程中,最大最小阈值去噪效果最好,其建模后的绝对系数(R2)是0.8935,均方根误差(RMSE)是0.2886.