基于小波神经网络的农药荧光光谱识别

有些农药结构相似,它们的荧光光谱在很大波长范围内相互重叠.多组分混合时,传统的荧光光谱分析法很难对其进行分类识别.介绍了一种基于小波分析构造的新型神经网络--小波神经网络,利用它并适当选取网络结构和小波基,实现了对卡死克、盖虫散和吡虫啉三种农药荧光光谱的分类识别.在小波神经网络中,采用Morlet母小波和一维搜索变步长共轭梯度优化方法.实验表明,小波神经网络对光谱间的细微结构差别具有良好的识别能力.通过比较发现,在分类识别方面,小波神经网络比BP网络具有更高的分辨率及较少的训练次数.     

基于ICS-LSSVM的包装机械动力机轴承的故障识别

目的针对包装机械设备中动力机轴承的故障诊断识别率低的问题,提出一种基于参数寻优的故障识别方法。方法首先通过主元分析算法对包装设备动力机的振动数据进行主成分特征提取,减少各数据间的相关性,然后采用LSSVM对各类数据样本进行故障识别。为了克服LSSVM惩罚因子和核函数参数易出现局部最优、收敛精度差等问题,提出一种ICS算法优化LSSVM的状态参数,提高包装机械动力机轴承故障诊断的识别率,以实测糖果厂包装机械振动数据为例验证所提方法的有效性。结果实验结果表明,在包装机械动力机轴承故障类别确定的情况下,算法能够高精度地识别各类动力机故障。结论该算法实现了分类器参数的自适应选择,为提高包装机械动力机轴承故障诊断的识别率提供了可靠的方法。     

基于自由搜索算法和支持向量机的燃煤锅炉NOx 建模与优化

利用支持向量机（ SVM）建立锅炉NOx 排放模型,采用自由搜索（ FS）算法对支持向量机模型参数进行优化并对模型输入参数进行寻优。结果表明,FS-SVM模型能够较好地预测NOx 排放,且模型精度较高。通过优化输入参数,NOx 排放量有明显地降低,优化后的参数变化情况与有关文献中实验所得的结果一致。     

基于LLE-RF的中药三维荧光光谱分类识别

针对中药三维荧光光谱信号非线性问题,应用局部线性嵌入算法(LLE)对补虚类中药三维荧光光谱信号进行特征提取。使用荧光光谱仪测得不同浓度的24味补虚类中药的三维荧光光谱和等高线光谱图,并利用总体平均经验模态分解(EEMD)算法进行降噪处理,在此基础上,采用LLE算法对经过降噪处理后的三维荧光光谱数据进行特征提取; 然后,应用随机森林(RF)算法对提取的特征向量进行分类识别。为了验证LLE算法的有效性,将其与主成分分析(PCA)算法进行比较。实验结果表明: LLE-RF组合算法分类准确率达95%,比PCA-RF算法分类准确率高,从而验证了该算法的有效性。     

基于APSO-LSSVM模型的光谱反射率重建算法研究

目的 研究光谱反射率重建算法,提高光谱反射率重建精度.方法 首先通过多光谱相机和分光光度计分别获取Munsell色卡和SG140色卡的通道信息和光谱反射率值,经归一化后将Munsell色卡的通道信息和光谱反射率值作为训练样本的输入和输出.然后,采用APSO算法对LSSVM的最优正则化参数γ和核参数σ进行寻优,构建基于APSO-LSSVM的光谱反射率重构模型.在对模型参数进行寻优过程中,为保持粒子的活性,在粒子群算法中引入自适应惯性权重,并根据遗传算法中的变异思想,加入了变异操作,在普通粒子中引入变异因子.在每次迭代更新中,粒子以一定概率初始化,使粒子群算法可以跳出局部最优解,在较大的空间内进行优化.结果 基于APSO-LSSVM模型对SG140色卡进行光谱反射率重建实验,文中方法的平均色差为0.4677 abΔE?,平均均方根误差为0.0006.相较于最小二乘支持向量模型和反向传播神经网络模型的重构精度均有很大的提高.从显色效果来看,文中方法的显色结果更接近真实颜色,人眼基本上难以察觉到两者间的差异.结论 基于APSO-LSSVM的光谱反射率重建算法可以有效地提高光谱反射率重建精度,实现了利用多光谱相机拍摄的多通道信息重构获得精确的多光谱图像.     

基于SVM的高通量dPCR基因芯片荧光图像分类研究

目的 为了实现高通量dPCR基因芯片荧光图像的亮点分类与计数,提出一种基于支持向量机（SVM）的荧光图像分类与计数方法。方法 首先对荧光图像进行去噪、对比度增强等图像预处理,对预处理后荧光图像进行亮点区域提取标注,去除背景与暗点的冗余信息,利用方向梯度直方图（Histogram of Oriented Gradient, HOG）提取鉴别特征,计算合并所有样本的亮点特征得到HOG特征向量,根据已得到的HOG特征向量创建一个线性SVM分类器,利用训练好的SVM分类器对荧光图像亮点进行分类与计数。结果 对比传统算法,文中算法具有较高的分类识别精度,平均准确率高达98%以上,可以很好地实现荧光图像亮点分类与计数。结论 在有限的小样本标注数据下,文中算法具有良好的分类性能,能够有效识别荧光图像中的亮点,对其他荧光图像分类研究也具有一定参考价值。     

一种基于GA-NSVM的自适应洛伦兹分峰拟合识别红外光谱吸收重叠峰的方法

提出一种基于遗传算法-非线性支持向量机的自适应洛伦兹分峰拟合识别红外光谱吸收重叠峰的方法。利用单质特征吸收线型的根本性差异,将混合物光谱分解为满足特征吸收线型的多个洛伦兹单峰,采用非线性支持向量机对多个拟合单峰进行多分类筛选确定特定目标组分的谱峰。采集了400个混合烷烃气体样本的红外光谱数据,论证了该方法在高相似分子结构的光谱识别分类的可行性。实验结果表明该方法能有效分离烷烃中甲烷、乙烷、丙烷的红外吸收单峰,具有良好的准确性和鲁棒性,模型参数的解释能力更强。该方法能够加速光谱检测技术在生物制药、食品化工、油气勘探等领域的应用,尤其是在含同系有机物混合物的分析及应用场合。     

蓝色荧光喷墨油墨的荧光光谱与荧光量子产率

测试了荧光喷墨油墨的激发光谱与荧光光谱,用相对测量法测定了荧光喷墨油墨在不同激发波长下的荧光量子产率,探讨了溶剂种类以及树脂含量对荧光喷墨油墨量子产率的影响。结果表明,溶剂极性和树脂含量对荧光喷墨油墨的荧光量子产率均有较大影响,在二丙二醇甲醚中,荧光量子产率最大为O．96;与树脂质量分数为8％时相比,树脂质量分数为10％时的荧光量子产率较大。     

基于ISSA⁃SVM的露点测量系统电路故障诊断方法研究

针对高精度谐振式露点测量系统中电路故障诊断问题,提出了一种基于改进的麻雀搜索算法（Improved Sparrow Search Algorithm, ISSA）优化智能分类器参数的电路故障诊断模型,采用测前仿真故障诊断方法中的智能诊断方法,选择适用于小样本、非线性问题的支持向量机（Support Vector Machine, SVM）作为智能分类器,针对麻雀搜索算法中收敛速度慢、易陷入局部最优等问题进行改进,并将改进后的优化算法用于SVM参数寻优,构建ISSA?SVM故障诊断模型用于谐振电路故障诊断。实验结果显示,ISSA?SVM模型在建立的电路上能够达到88.9%的故障诊断率,可靠性较强,能够作为高精度谐振式露点传感器电路的故障诊断方法。     

基于GSA-SVM的循环流化床锅炉NOx排放特性模型

为了准确地预测循环流化床锅炉NOx排放量,以某热电厂循环流化床锅炉燃烧数据为样本,提出了基于支持向量机（SVM）的循环流化床锅炉NOx排放特性GSA-SVM模型。由于SVM精度及泛化能力依赖于参数选择,故将万有引力搜索算法（GSA）运用到模型参数寻优过程中,利用不同工况下的样本数据检验了模型的预测性能,并将该模型分别与BP神经网络、粒子群(PSO)和遗传算法(GA)优化的SVM模型进行比较,仿真实验证明GSA-SVM模型具有很好的辨识能力及良好的泛化能力。     

山梨酸钾包装对猕猴桃贮藏品质的影响

目的研究山梨酸钾包装对猕猴桃常温条件下贮藏品质的改善作用。方法以猕猴桃为研究对象,采用山梨酸钾薄膜包装、普通薄膜包装、山梨酸钾浸泡的处理方式进行常温贮藏,以未作任何处理的猕猴桃作为空白对照。在贮藏期间,每隔3 d测定猕猴桃中纤维素含量、果胶含量、总酚含量、纤维素酶活性和果胶酶活性等细胞壁代谢指标,以及可滴定酸含量、可溶性固形物含量、淀粉酶活性等品质指标。结果在贮藏12 d后,山梨酸钾包装的猕猴桃总酚含量分别比普通薄膜包装、山梨酸钾浸泡处理和空白组高10.8%,16.4%,30.1%;在贮藏期间,山梨酸钾包装的猕猴桃其纤维素酶、果胶酶和淀粉酶的最高活性(以蛋白质计)分别为6125 U/g,3634 U/mg,1756 U/mg,显著低于山梨酸钾浸泡组、普通包装组和空白组;3种处理方式的猕猴桃中可滴定酸含量无显著性差异。结论山梨酸钾包装对贮藏期猕猴桃品质劣变的抑制作用优于山梨酸钾浸泡和普通薄膜包装,能够抑制贮藏期间细胞壁代谢相关酶活性的上升,减缓了猕猴桃果实的腐烂进程。     

聚乙烯醇/蒙脱土/山梨酸钾活性包装膜制备及释放

目的 通过制备聚乙烯醇（PVA）/蒙脱土（MMT）/山梨酸钾活性包装膜,考察其包装性能及山梨酸钾在膜材内的释放效果。方法 通过流延法制备含有不同浓度MMT的聚乙烯醇/山梨酸钾活性包装膜,分析活性包装膜的色度、透明度、拉伸性能和含水量,同时研究山酸钾在活性膜内向脂肪性食品模拟物中的释放行为。结果 通过添加MMT改善膜材的包装性能,MMT的添加在显著提高PVA膜拉伸强度的同时还降低了PVA膜的断裂伸长率,加深了膜材的色度,降低了膜的透明度;PVA膜的含水率随着MMT浓度的提高而降低。MMT的添加可明显改变山梨酸钾向脂肪类模拟物的释放行为,当MMT的质量分数为2%时明显地降低了山梨酸钾的释放量。结论 通过调整膜内MMT的浓度可以改变活性膜的色度、拉伸强度、含水量及膜内山梨酸钾的释放行为;使用Fickian第二定律模拟山梨酸钾释放是可靠的,可为山梨酸钾抗菌包装材料的进一步开发利用提供参考。     

Prediction of Deposition Rate in Meniscus-Confined Electrodeposition Based on Parameter Optimization Algorithm

Meniscus-confined electrodeposition (MCED) is a potential approach to fabricate 3D metallic microstructures and can be used in microelectromechanical systems, optoelectronics, and flexible electrical interconnections. However, deposition efficiency and the quality of the microstructures obtained by this method on optimal parameters are identified by a large number of comparative experiments, resulting in high cost and inefficient practices. For this reason, herein, the fabrication process of metal microstructures by MCED simulation and optimizes parameters affecting deposition quality and rate is investigated. First, the finite-element method is used to simulate the voltage and copper ion concentration identifies the target range. Then, the electrodeposition rate 1 × 10⁻⁷ m s⁻¹ is set as the target value. The best applicable values of 0.29 V and 0.46 m are obtained after optimizing the voltage and copper ion concentration that affects the quality of deposited microstructures and rate of MCED based on the genetic algorithm (GA), cuckoo search (CS) algorithm, and support vector regression (SVR) algorithm. Finally, simulations and experiments are carried out according to the optimized parameters values. The results show that the maximum error of deposition rate is 7.9%. This study pioneers a new approach to achieving efficient and high-quality deposition by MCED.     

基于视觉感知的鱼群运动行为特征参数提取

针对如何利用生物监测技术提高异常水质识别率的问题,对生物水质评价因子进行了研究,提出了改进的鱼群重心算法。在此算法的基础上引入新的鱼群运动行为特征参数即鱼群离散度、曲率、邻近特征,并对这些特征参数进行预处理,建立水质异常评价因子数据集,最后将评价因子输入支持向量机(SVM)进行水质异常识别。实验结果表明,引入的特征参数用于水质异常评价中,识别效果明显优于其它方法,识别率达到92%以上。     

基于相关向量机的电站锅炉NOx燃烧优化

为了降低电站锅炉NOx排放量,采用一种新的机器学习方法--相关向量机对某330 MW煤粉汽包锅炉的一、二次风速以及含氧量等26个输入参数和NOx输出结果进行建模,并用万有引力算法对模型的参数进行优化,获得最优模型。与粒子群算法、遗传算法优化相关向量机以及万有引力算法优化支持向量机等进行了比较,选择锅炉输入参数中的可调变量为优化变量,以NOx低排放量为目标进行优化,获得低NOx排放的输入参数。结果证明:万有引力优化相关向量机算法建立的模型精确度比其它几种算法高,对模型进行低NOx优化后,NOx输出值由最初的的906.65 mg/m³变为550.600 mg/m³,下降幅度约为38.9%,实现了NOx排放量大幅度降低。     

基于遗传算法优化支持向量机的超声图像缺陷分类

超声图像缺陷在分类时由于存在样本数量少、样本类别多、不易区分等问题,分类的准确率较低。针对这些问题,提出了基于遗传算法优化支持向量机的超声图像缺陷分类方法。该方法首先通过图像处理提取超声图像缺陷的特征数据,然后训练支持向量机作为超声图像缺陷分类器,最后采用遗传算法优化参数求得最优的分类器。实验结果表明,提出的超声图像缺陷分类器在识别率方面优于其他方法的分类器,综合识别率达到了90%,可以有效地辅助工作人员对超声图像缺陷进行分类识别。     

基于改进果蝇算法与最小二乘支持向量机的轧制力预测算法研究

铝合金板材精轧过程中,轧制力是影响板材质量的重要因素。为了满足轧制现场的轧制力预报精度要求,采用改进果蝇算法(FOA)与最小二乘支持向量机(LSSVM)相结合进行轧制力预测。改进了果蝇算法的味道浓度判定函数和步长设定方法,采用了分组并行搜索的策略,进而提出一种基于改进FOA-LSSVM的轧制力智能预报方法。将该方法用于铝热连轧现场数据的仿真实验,结果表明样本预测误差在10%以内,其中84%的样本误差在5%以内,精度优于传统模型。     

基于万有引力算法的铝热连轧规程优化设计

提出了以预防打滑和平衡4个机架功率为目的的多目标函数,建立了一种基于支持向量回归机的轧制力模型来取代传统数学模型,有效地提高了轧制力预报的精度。同时采用万有引力算法对轧制规程进行优化,该算法不仅能够防止陷入局部极值点而且避免了盲目搜索,大大提高了进化速度。该规程应用在河南某厂“1+4”铝热连轧改造现场的精轧部分,轧制规程效果理想。     

基于单类支持向量机的冷水机组温度传感器故障检测

冷水机组系统中,温度传感器出现故障会严重影响机组工作效率及使用寿命。针对冷水机组温度传感器偏差故障,本文提出一种基于单类支持向量机(one-class support vector machine,OC-SVM)的故障检测方法,采用冷水机组正常数据建立OCSVM模型,通过十折交叉验证法获得模型优化参数。分别采用工程实测数据和实验数据(共4组)对该方法进行了验证,结果表明:基于OC-SVM的方法能有效检测出4组冷水机组的温度传感器偏差故障。其中对于螺杆式冷水机组(数据集Ⅰ)的故障检测效果明显,当冷冻水侧温度传感器偏差故障幅值绝对值大于1℃时,检测效率达到100%。