譜圖數(shù)據(jù)分析方法及平臺(tái)實(shí)現(xiàn).pdf

1、隨著社會(huì)的進(jìn)步、工業(yè)檢測(cè)與自動(dòng)化水平的提高，工業(yè)生產(chǎn)過程對(duì)產(chǎn)品質(zhì)量的控制越來越嚴(yán)格，要保證生產(chǎn)過程的質(zhì)量就必須獲得生產(chǎn)過程的相關(guān)參數(shù)信息?；诠庾V分析的相關(guān)技術(shù)能夠在工業(yè)過程的眾多分支領(lǐng)域得到良好的應(yīng)用，能夠利用光譜分析實(shí)現(xiàn)生產(chǎn)過程的參數(shù)定量檢測(cè)，也能實(shí)現(xiàn)生產(chǎn)過程品控的定性判別。光譜分析測(cè)量技術(shù)擁有無損、快速、可在線等諸多突出優(yōu)點(diǎn)，與此同時(shí)譜圖分析也存在信號(hào)強(qiáng)度弱、信號(hào)重疊等問題，導(dǎo)致相關(guān)分析技術(shù)的精度下降和應(yīng)用受到限制。作為一種間接測(cè)

2、量技術(shù)，能否應(yīng)用的核心就是建立有效的分析模型。所以譜圖分析技術(shù)的好壞就和建模方法密不可分了，建模當(dāng)中的數(shù)據(jù)預(yù)處理方法、樣本集選取方法、波長(zhǎng)優(yōu)選方法、建模方法、模型傳遞方法等都是譜圖分析技術(shù)領(lǐng)域的核心內(nèi)容。為了在實(shí)際工業(yè)生產(chǎn)過程當(dāng)中能夠取得良好的應(yīng)用，還需要不斷的豐富和完善譜圖分析檢測(cè)技術(shù)的方法理論體系。基于此背景下，本文的主要研究工作如下:
　　(1)介紹光譜分析技術(shù)研究的背景和意義，闡述了以近紅外光譜為主要的譜圖分析技術(shù)原理，闡

3、明依托譜圖實(shí)現(xiàn)在線檢測(cè)的技術(shù)路線，以及概括當(dāng)前國(guó)內(nèi)外針對(duì)光譜分析的研究現(xiàn)狀及發(fā)展趨勢(shì)。
　　(2)針對(duì)譜圖分析過程涉及到的數(shù)據(jù)預(yù)處理、波長(zhǎng)優(yōu)選、定量分析、定性判別的對(duì)應(yīng)算法進(jìn)行設(shè)計(jì)及改進(jìn)。在上述算法的基礎(chǔ)上設(shè)計(jì)并實(shí)現(xiàn)了基于C＃語言的譜圖數(shù)據(jù)分析平臺(tái)，實(shí)現(xiàn)了譜圖數(shù)據(jù)的編輯管理、數(shù)據(jù)預(yù)處理、數(shù)據(jù)建模、預(yù)測(cè)應(yīng)用全流程功能。
　　(3)針對(duì)造紙工藝過程中纖維性質(zhì)的參數(shù)測(cè)量，利用譜圖數(shù)據(jù)分析平臺(tái)實(shí)現(xiàn)對(duì)纖維中的水、甲纖、木質(zhì)素、多戊糖各

4、組分含量進(jìn)行定量分析，在對(duì)比了多種預(yù)處理方法的基礎(chǔ)上，建立了偏最小二乘回歸分析和神經(jīng)網(wǎng)絡(luò)算法定量分析模型。結(jié)果表明，以多元散射校準(zhǔn)結(jié)合一階微分做數(shù)據(jù)預(yù)處理，偏最小二乘回歸建立分析模型的精度和可靠性更高。
　　(4)針對(duì)山羊絨和綿羊毛鑒別難題為研究對(duì)象，利用譜圖數(shù)據(jù)分析平臺(tái)實(shí)現(xiàn)快速精準(zhǔn)判別。面對(duì)山羊絨和綿羊毛化學(xué)組成相似難題，提出基于波長(zhǎng)優(yōu)選的羊絨羊毛譜圖判別分析方法，建立了競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)采樣結(jié)合偏最小二乘判別分析方法實(shí)現(xiàn)對(duì)羊絨