基于二维荧光相关谱的多环芳烃重叠峰解析

以激发波长为外扰,基于二维荧光相关谱技术对蒽芘混合溶液中重叠的荧光峰进行有效解析。采集了蒽、芘单组份无水乙醇溶液的激发谱,选择了蒽和芘荧光强度单调变化的5个激发波长:270nm、320nm、325nm、330nm和340nm。在此基础上,采集浓度为5×10-5g/L蒽芘无水乙醇混合溶液在5个激波长下的荧光谱,并以选择的激发波长为外扰,构建同步和异步二维荧光相关谱。结果表明:在同步谱上出现5个较强的自相关峰,位置分别在369nm、379nm、391nm、400nm和424nm处;依据未被覆盖的蒽在424nm的处荧光与各波长处荧光交叉峰的正负,指出379nm和400nm处的荧光峰来自混合溶液中的蒽,而369nm和391nm处的荧光峰来自混合溶液中的芘。同时,又根据异步二维荧光相关谱交叉峰的有无,进一步确认和验证了混合溶液中各荧光峰的来源。     

人工神经网络-近红外光谱法测定桉树中综纤维素的含量

采用近红外光谱技术结合广义回归神经网络(GRNN)建立测定桉树中综纤维素的定量分析模型。以72个桉树样品作为实验材料,对光谱数据进行平滑、求导、压缩以及归一化,用桉树的近红外光谱数据建立广义回归神经网络模型.预测模型的预测均方根误差为0.0198。结果表明,该方法测量比较准确,可以用于桉树中综纤维素含量的预测。     

近红外光谱结合偏最小二乘法对甲氧苄啶粉末药品的定量分析

利用漫反射法获得甲氧苄啶粉末药品的近红外光谱（波长范围1100-2500nm）,采用化学计量学中的偏最小二乘法（PLS）及不同的光谱预处理方法（标准归一化（SNV）、一阶导数和二阶导数）对光谱进行信息提取和分析,对甲氧苄啶粉末药品进行了无损定量分析,以样品中甲氧苄啶为活性成分建立了最佳的数学校正模型。同时讨论了主成分数对PLS模型定量预测能力的影响,并对所得结果做出了比较。     

基于径向基函数网络的茶多酚 总儿茶素近红外光谱检测模型的研究

基于径向基函数神经网络(RBFN)建立了茶多酚总儿茶素含量的近红外光谱分析模型。茶多酚光谱采用小波压缩、标准化处理后,进行主成分分解,以主成分光谱作为RBFN的隐层输入函数,并通过改变主成分数对模型进行优化。当主成分数为7时得到了RBFN优化模型,该模型对定标样品集、全样品集和预测样品集的预测值与实际值回归系数R分别为0.999,0.999和0.992,预测均方误RMSEP分别为1.08%,2.06%和3.68%。     

基于近红外光谱技术的马铃薯叶片含水率高效预测

提出了运用近红外光谱技术检测新鲜马铃薯叶片中含水量的方法，并通过预测结果和运算量的对比得出一种高效率的预测方法。采集了900～2100 nm波段范围内110个新鲜马铃薯叶片的光谱反射率信息，经SG（Savitzky-Golay）平滑、多元散射校正（MSC）和标准正态变量变换（SNV）3种预处理后，分别建立偏最小二乘回归（PLSR）模型和BP神经网络模型，再运用回归系数（regression coefficients, RC）法在全波段光谱中提取特征波长，同样经3种预处理后分别建立预测模型。结果表明：在运用光谱全波段信息构建的模型中，经多元散射校正（MSC）预处理建立的BP神经网络模型预测效果最好，预测集决定系数R²为0.9791，均方根误差RMSE为0.3723；在基于特征波长构建的模型中，经SG平滑预处理建立的神经网络模型预测效果最优，预测集决定系数R²为0.9658，均方根误差RMSE为0.4759；验证了特征波段结合BP神经网络建立的模型与全波段建立的模型预测结果相差不大，因而能够极大地减少运算量，提高预测效率。     

反射积分球建模及分析

从反射积分球模型入手,建立待测样品反射率同积分球及光源相关参数的关系,分析非中性对反射积分球模型的影响。将反射率验证转换为光谱辐射出射度验证,通过实际测量对比,验证了积分球出口处的光谱辐射出射度。结果表明:400～700nm波段,反射积分球模型与实验测量值基本一致,非中性的影响较小;700～1 000nm波段,非中性模型较普通模型相对误差较小。另外,500～850nm波段非中性模型相对误差优于5%。     

短波近红外光谱的盐酸环丙沙星粉末药品的定量分析

利用漫反射法获得环丙沙星短波近红外光谱(700-1100nm),采用化学计量学中的偏最小二乘法(PLS),选取不同的波长范围及不同的光谱预处理方法(一阶导数和和二阶导数)对光谱进行信息提取和分析,对盐酸环丙沙星粉末药品进行了无损非破坏定量分析,以样品中盐酸环丙沙星为活性成分建立了最佳的数学校正模型.讨论了主成分数对PLS模型定量预测能力的影响,并做了比较.     

基于激光诱导荧光技术的蒽检测系统

介绍了一种用Nd：YAG的三倍频（波长355nm）作为激发光,CCD作为探测单元,加上其他光学元件构成的激光诱导荧光检测系统,并测量了蒽的乙醇溶液的荧光光谱。分析了荧光强度与蒽溶液浓度的关系。实验结果表明,蒽溶液浓度在0．003～0．700mg／L范围内与荧光强度有良好的线性关系,相关系数为0．9987,检出限为1．3ng／mL,蒽的回收率在98％～106％范围内。系统适合用于蒽的激光诱导荧光检测。     

应用近红外漫反射光谱快速测定土壤锌含量

采用近红外漫反射光谱和偏最小二乘法(PLS)建立了土壤锌快速分析的定量模型,并进行了波段优选。首先,基于单波长模型预测效果将全体样品划分为定标集和预测集;然后,采用多元散射校正(MSC)和Savitzky-Golay(SG)平滑方法对光谱进行预处理。选取全谱400~2500nm,400~1100nm,1100~1900nm,1900~2500nm,580~900nm等5个波段,每个波段分别采用原谱、一阶导数谱、二阶导数谱,共建立了15个定标模型。同时调整SG平滑点数和PLS因子数,每个模型分别进行PLS数值实验,按照预测效果进行优选。结果显示,采用1900~2500nm波段一阶导数谱的模型效果最好,预测相关系数(RP)、RMSEP、RRMSEP分别为0.806,31.0mg/kg和19.96%。这些结果表明,1900~2500nm波段可以代替全谱波段得到更好的预测效果,可为设计专用土壤近红外光谱仪提供依据。     

游泳池水中氰尿酸快速检测仪性能评价

对游泳池水中氰尿酸快速检测仪的反应时间、线性、试剂批次、不同操作人员对检测结果的影响,以及仪器波长示值误差和重复性、仪器示值误差和重复性以及样品加标回收率等性能指标进行了系统的考察。实验结果表明:氰尿酸在20.0～100.0 mg/L检测范围内时,检测仪标准曲线的线性相关系数r大于0.9998;不同批次试剂检测相对误差小于±5%;不同操作人员检测同一样品的相对误差小于±10%;3台检测仪波长示值误差范围为-0.05 nm～0.53 nm,波长重复性范围为0.02 nm～0.05 nm; 3台仪器设备对20.00 mg/L和50.00 mg/L两浓度标准溶液测定的示值误差均小于±5%,重复性均小于5%;水样的低、中、高浓度加标回收率范围为86.3.0%～111.6%。     

Optimal Neural Network Model for Characterization of Process‐Induced Damage in Drilling Carbon Fiber Reinforced Epoxy Composites

In this paper, a method for robust design of a neural network (NN) model for prediction of delamination (Da), damage width (Dw), and hole surface roughness (Ra) during drilling in carbon fiber reinforced epoxy (BMS 8‐256) is presented. This method is based on a parametric analysis of neural network models using a design of experiments approach. The effects of number of neurons (N), hidden layers (L), activation function (AF), and learning algorithm (LA) on the mean square error (MSE) of model prediction are quantified. Using the aforementioned method, a robust NN model was developed that predicted process‐induced damage with high accuracy.     

Optimal Neural Network Model for Characterization of Process-Induced Damage in Drilling Carbon Fiber Reinforced Epoxy Composites

In this paper, a method for robust design of a neural network (NN) model for prediction of delamination (Da), damage width (Dw), and hole surface roughness (Ra) during drilling in carbon fiber reinforced epoxy (BMS 8-256) is presented. This method is based on a parametric analysis of neural network models using a design of experiments approach. The effects of number of neurons (N), hidden layers (L), activation function (AF), and learning algorithm (LA) on the mean square error (MSE) of model prediction are quantified. Using the aforementioned method, a robust NN model was developed that predicted process-induced damage with high accuracy.     

三维模型特征识别中的神经网络方法

将神经网络方法运用到三维模型的特征识别问题是一种新的尝试，对于用神经网络解决拓扑性的、不易被形式化的这类问题具有积极意义。本文综述了近10年来各种基于神经网络的三维模型特征识别技术，介绍并分析了三维模型拓扑数据的矢量化方法、不同神经网络模型的识别算法，以及基于层分解技术的特征自组织识别等，可帮助相关领域的研究人员较为完整地了解该领域的研究成果和发展方向。     

基于神经网络的气缸压力识别研究

对传统的内燃机气缸压力识别方法存在的问题 ,提出了应用人工神经网络方法进行气缸压力识别的新方法。以 BP网络构造气缸压力识别模型。通过对网络的训练 ,用实测的缸盖振动信号识别气缸压力。结果表明 ,利用神经网络进行内燃机气缸压力识别 ,识别结果的重复性好 ,精度较高     

基于神经网络的热轧带钢卷取温度预测

热轧带钢卷取温度是影响成品带钢性能指标的重要工艺参数之一,其层流控制系统具有高度的非线性。采用附加动量BP算法,建立了基于神经网络前馈与数学模型反馈的联合层流控制系统,仿真结果表明,采用神经网络预测的卷取温度与实测温度相近,结果可信,为层流数学模型参数的在线辨识打下了坚实的基础。     

基于遗传算法和神经网络的塔机结构动态优化设计

利用遗传算法和BP神经网络建立复杂结构系统动态优化的计算模型,该模型可代替系统原来的有限元模型,用于振动系统的快速重分析。首先对塔式起重机结构系统进行模态分析及谐响应动力学分析,找出对结构动态特性影响最大的模态频率,再利用灵敏度分析,确定对动态特性较敏感的设计变量作为神经网络的输入变量,并利用正交试验法确定神经网络训练样本,用有限元模型计算出样本点数据,建立反映结构振动特性的人工神经网络模型,最后利用遗传算法对所建立的神经网络模型寻优,得到使结构动态性能最优的设计参数。     

神经网络遗传算法在粉体流量测量的应用

利用浓度和速度电容式传感器分别测量粉体的浓度和速度,结合阀门开度、喷吹罐压力、温度等参数构造神经网络粉体流量测量模型,考虑BP算法训练神经网络测量模型时收敛速度慢、动态特性不够理想等不足,用遗传算法来优化神经网络测量模型的参数,以提高测量系统的精度。在现场与电子秤比对,最大满量程误差小于4.2%,具有工程应用价值。     

改进的BP算法及其在镗孔加工中应用

对一般BP算法的激励函数、误差函数等进行了改进,将梯度下降法与遗传算法相结合来训练BP网络,并在此基础上,建立了镗孔加工的人工神经网络预报模型,实验结果表明,该模型能较好地对镗孔加工过程中的尺寸进行预测。     

Books Received for Review

Smartphone image sensor response is compared for broadband and narrowband (340 nm and 380 nm) UVA wavelengths (320–400 nm) based on previous studies that have demonstrated quantitative response to solar radiation at 380 nm and 340 nm to reconstruct broadband irradiance. This article compares broadband and narrowband sensing using a common readily accessible smartphone equipped with a broadband UVA filter that displayed strong sensitivity to long wavelength UVA irradiances from 370 nm with a maximum at 380 nm. However, the use of narrow passband and neutral density filters allowed quantitative observations at the biologically significant wavelength of 340 nm. Narrow passband filter observations also had less variation at 340 nm than observed for broadband measurements. The results indicate that the smartphone image sensor, with the addition of narrow passband and neutral density filters, is a viable tool for UVA observations, but is unsuitable for broadband filter measurements.     

水下机器人运动系统的神经网络辨识

建立了水下机器人的动力模型，分析了辨识该模型的神经网络结构，采用带自反馈的Elman网络来获得更精确的结果。针对BP算法即误差反传算法的缺陷，提出了用混合优化算法——误差反传算法和遗传算法的混合算法（又称：GA＆BP算法）修正网络权值。最后，将改进的Elman网络应用于水下机器人的非线性辨识。通过仿真证明了该方法用于高阶非线性系统的实用性。