-
公开(公告)号：CN113295674B
公开(公告)日：2022-10-14
申请号：CN202110472572.X
申请日：2021-04-29
申请人： 中国科学院沈阳自动化研究所
IPC分类号： G01N21/71
摘要： 本发明涉及一种基于S变换的激光诱导击穿光谱特征非线性处理方法。具体步骤为：(1)对每张原始光谱经过特征提取后的新特征进行S变换，为数据分析模型引入非线性；(2)将S变换后新特征输入多元线性回归模型，以交叉验证的均方根误差寻找最优S变换展开频率数；(3)利用确定的最优变量建立回归模型。本发明通过使用S变换将光谱强度信号在不同频率处进行展开，依据S变换的原理，低频处波段窗口大，光谱强度分量对基体效应导致的谱线漂移敏感性降低，高频处波段窗口小，因此保留了样本中主要元素特征谱线的强度信息，提高矿浆品位分析精度，可实际应用于选矿厂现场监控矿浆品位。
-
公开(公告)号：CN118603965A
公开(公告)日：2024-09-06
申请号：CN202410371878.X
申请日：2024-03-29
申请人： 中国科学院沈阳自动化研究所
IPC分类号： G01N21/71 , G16C20/30 , G16C20/70 , G06F18/214
摘要： 本发明涉及光谱分析领域，具体是一种结合内标与强度比漂移值提高LIBS测量长期稳定性的方法。具体步骤为：(1)光谱采集。基于激光诱导击穿光谱LIBS技术长时间采集光谱数据；(2)数据集划分。将数据划分为训练集和测试集；(3)基于训练集数据采用平均光谱估计期望光谱，采用期望光谱建立元素浓度或浓度比与元素特征谱线强度比的内标模型；(4)由步骤(3)内标模型得到基准强度比，根据基准强度比计算强度比漂移值；(5)对光谱及光谱对应的强度比漂移值进行建模；(6)优化模型参数，得到强度比漂移值的模型。最终用于预测未知元素浓度预测，本发明方法结合内标与强度比漂移值提高LIBS测量长期稳定性，可实际应用于提高LIBS测量长期稳定性。
-
公开(公告)号：CN118193981A
公开(公告)日：2024-06-14
申请号：CN202410357772.4
申请日：2024-03-27
申请人： 中国科学院沈阳自动化研究所
IPC分类号： G06F18/20 , G06F18/27 , G06F18/2135 , G06N3/048 , G06N3/084
摘要： 本发明涉及结合偏最小二乘统计约束的工业传感神经网络检测方法及系统。包括：建立配对数据集{测量数据，标签}，并进行数据集划分。构建偏最小二乘回归(PLS)模型，优化其潜变量数，初步拟合测量数据与关键指标之间的线性关系。确定全连接神经网络的隐藏层节点数量和网络的初始化权重。进一步结合训练集数据基于误差反向传播算法对初始化后的网络进行训练，精细调整全连接神经网络模型的参数，获得最优的PLS辅助优化网络(PLSaoNET)模型。本发明从神经网络的机理出发，指导网络超参数的确定和求解路径的指定，满足了工业应用对精度、鲁棒性和易用性的三重要求，为工业传感领域提供了一种全新的解决方案，具有广泛的应用前景。
-
公开(公告)号：CN117030682A
公开(公告)日：2023-11-10
申请号：CN202310935603.X
申请日：2023-07-28
申请人： 中国科学院沈阳自动化研究所
IPC分类号： G01N21/71 , G06F18/2111 , G06F18/27 , G06N3/0455 , G06N3/048 , G06N3/084
摘要： 本发明针对待测矿浆中矿石粒度对激光诱导击穿光谱定量分析结果准确性与稳定性的影响，提出了一种基于自编码器网络的激光诱导击穿光谱标准化方法。具体步骤为：(1)采集原始光谱数据；(2)特征谱线归一化；(3)使用遗传算法进行特征提取；(4)根据浓度划分区间并获得区间内标准光谱；(5)使用建模样本训练自编码器神经网络；(6)使用训练集训练偏最小二乘回归模型，通过验证集优化参数；(7)获得待测物质的目标元素浓度。本发明能够对待测物质准确测定元素浓度，相比其他方法更不易受到矿浆粒度影响。
-
公开(公告)号：CN117010528A
公开(公告)日：2023-11-07
申请号：CN202310922805.0
申请日：2023-07-26
申请人： 中国科学院沈阳自动化研究所
摘要： 本发明公开一种基于光谱标准化和迁移学习的模型传递方法，包括：(1)依据主从设备光谱矩阵列向量之间的相关系数，求解主从列向量间的关联向量；按照主从关联索引对齐两组向量，获取校正后的主从光谱矩阵；(2)依据典型相关分析原理对主从训练集光谱进行降维，结合直接标准化算法间接构建主、从原始光谱矩阵之间的变化矩阵F，对主从光谱强度进行校正；(3)以波长和强度校正后的从机传递集以及主机训练集原始光谱作为输入，元素浓度预测结果作为输出，多次迭代训练，求解最优的模型权重更新向量，最终得到迁移学习模型。本发明解决了同类型多台设备对同一样本采集时产生的光谱差异，导致一台设备建立的定量分析模型无法在其他设备上进行准确的浓度预测的问题。
-
公开(公告)号：CN115839942A
公开(公告)日：2023-03-24
申请号：CN202211549413.6
申请日：2022-12-05
申请人： 中国科学院沈阳自动化研究所
IPC分类号： G01N21/71 , G06N3/0464 , G06N3/08 , G06F17/14
摘要： 本发明涉及光谱分析领域，具体是一种结合小波变换和轻量卷积神经网络的LIBS定量分析方法。具体步骤为：(1)光谱采集。基于激光诱导击穿光谱(LIBS)技术采集光谱数据；(2)数据集划分。将数据划分为训练集、验证集和测试集；(3)用小波变换把一维LIBS光谱转化为二维图像表示形式；(4)对图像进行下采样；(5)利用轻量卷积神经网络(L‑CNN)对步骤(4)获得的图像数据进行建模，基于验证集的评价指标确定模型参数；(6)在优化的模型参数下利用训练集重新建立回归模型；(7)利用测试集数据验证模型的泛化性能；(8)使用建立的回归模型估计未知样本的元素浓度。最终提出的一种结合小波变换和轻量卷积神经网络的LIBS定量分析方法，可实际应用于选矿厂现场监控矿浆品位。
-
公开(公告)号：CN113295673B
公开(公告)日：2022-10-11
申请号：CN202110472559.4
申请日：2021-04-29
申请人： 中国科学院沈阳自动化研究所
IPC分类号： G01N21/71
摘要： 本发明涉及一种激光诱导击穿光谱弱监督特征提取方法。本发明的目的是解决光谱数据维度过高时光谱强度‑浓度回归模型建立过程存在的的数据冗余和过拟合问题，所提出的特征选择方法结合线性判别分析LDA，利用类内类间散度值来对光谱各维特征进行评估和选择，以提高实际矿浆的品位分析准确度。具体步骤为：(1)使用类内类间散度评估每一维光谱的重要性；(2)以验证集的均方根误差确定输入回归模型的特征变量数，并最终获得优化的矿浆品位分析的光谱强度‑浓度回归模型。本发明所提特征选择方法降低了数据冗余带来建模复杂度，又因为变量选择过程不直接使用浓度参考值，对训练数据依赖小，鲁棒性高，可实际应用于选矿厂现场监控矿浆品位。
-
公开(公告)号：CN113295673A
公开(公告)日：2021-08-24
申请号：CN202110472559.4
申请日：2021-04-29
申请人： 中国科学院沈阳自动化研究所
IPC分类号： G01N21/71
摘要： 本发明涉及一种激光诱导击穿光谱弱监督特征提取方法。本发明的目的是解决光谱数据维度过高时光谱强度‑浓度回归模型建立过程存在的的数据冗余和过拟合问题，所提出的特征选择方法结合线性判别分析LDA，利用类内类间散度值来对光谱各维特征进行评估和选择，以提高实际矿浆的品位分析准确度。具体步骤为：(1)使用类内类间散度评估每一维光谱的重要性；(2)以验证集的均方根误差确定输入回归模型的特征变量数，并最终获得优化的矿浆品位分析的光谱强度‑浓度回归模型。本发明所提特征选择方法降低了数据冗余带来建模复杂度，又因为变量选择过程不直接使用浓度参考值，对训练数据依赖小，鲁棒性高，可实际应用于选矿厂现场监控矿浆品位。
-
公开(公告)号：CN113092447B
公开(公告)日：2022-03-08
申请号：CN202110284321.9
申请日：2021-03-17
申请人： 中国科学院沈阳自动化研究所
摘要： 本发明涉及光谱分析领域，具体是一种基于循环变量筛选非线性偏最小二乘的激光诱导击穿光谱定量分析方法。针对光谱数据维度过高带来的数据冗余以及自吸收和基体效应造成的非线性问题，提出一种基于循环变量筛选非线性PLS的LIBS分析方法以提高定量分析精度。具体步骤为：(1)对训练样本选取分析线强度的p次多项式形式以及全谱数据进行PLS建模；(3)根据回归系数绝对值大小循环筛选特征谱线数据，以校验集的均方根误差寻找最优谱线数据；(4)利用确定的最优变量，建立循环筛选变量后的非线性PLS模型。本发明提供了一种降低数据维度同时降低自吸收和基体效应带来的非线性问题的解决方法，提高了分析精度。
-
公开(公告)号：CN113406058A
公开(公告)日：2021-09-17
申请号：CN202110589867.5
申请日：2021-05-28
申请人： 中国科学院沈阳自动化研究所
IPC分类号： G01N21/71
摘要： 本发明涉及光谱分析领域，具体是基于互信息特征筛选PLS的LIBS铁矿浆定量分析方法。针对数据存在噪声和光谱数据维度过高带来的问题，提出一种基于互信息特征筛选偏最小二乘的LIBS的定量分析方法以提高矿浆品位分析精度。具体步骤为：(1)计算训练样本每列特征与标签的互信息量；(2)训练集中去除互信量为0的a个特征；(3)测试集保留与训练集剩余特征相同的特征列；(4)利用确定的特征个数，建立PLS模型，通过训练集的解释方差和均方误差来确定主成分个数。本发明提供了一种降低数据维度并有效选出光谱数据特征的方法，提高了分析精度。可实际应用于选矿厂现场监控矿浆品位分析监测。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.04 秒)
