【摘 要】
：
近红外光谱（Near Infrared Spectroscopy,NIRS）分析技术作为一种高效、快速、无损和低成本的在线检测技术,能够实现产品质量的定量分析,被广泛用于现代流程工业的生产过程中。但近红外光谱存在多重共线性、检测敏感度高、基线漂移等问题,无法直接从光谱信号中获取有关样品的定量信息,因而近红外光谱分析技术只能通过间接分析实现检测,这种间接分析的方式又依赖于高性能的校正模型,因此近红外
论文部分内容阅读
近红外光谱（Near Infrared Spectroscopy,NIRS）分析技术作为一种高效、快速、无损和低成本的在线检测技术,能够实现产品质量的定量分析,被广泛用于现代流程工业的生产过程中。但近红外光谱存在多重共线性、检测敏感度高、基线漂移等问题,无法直接从光谱信号中获取有关样品的定量信息,因而近红外光谱分析技术只能通过间接分析实现检测,这种间接分析的方式又依赖于高性能的校正模型,因此近红外光谱分析技术的关键核心点在于如何建立高精度的校正模型。本文针对近红外建模中出现的高维和非线性等问题,在光谱数据的流形假设基础上,利用流形提取的手段,捕捉数据的全局和局部结构信息,从而提升建模的精度。然而流程工业中经常出现多工况和光谱数据标签不足的问题,对实际建模工作造成了影响。因此本文对不同历史工况下的光谱数据进行多流形假设,分别从多工况识别和多工况信息迁移的角度来进行研究。具体的研究内容如下:（1）基于全局-局部保持嵌入的近红外建模。针对光谱数据高维和非线性的问题,综合利用全局和局部结构信息帮助建立高精度的校正模型。其中局部信息的获取可以捕捉数据流形的局部不变结构,用于处理数据间的非线性关系;而全局信息的提取可以捕捉数据的整体结构信息（即方差信息）,并且缓解数据采样的质量问题。基于上述优势,该方法可以在处理高维和非线性问题的同时,保留更多的有效信息,从而建立更高精度的校正模型。通过原油脱盐脱水过程的近红外光谱分析实验,表明了所提方法的优越性和可行性。（2）基于堆栈式收缩自编码器的多流形近红外建模。考虑多工况生产过程,利用光谱数据的多流形假设,提出一种基于深度自编码器的多流形建模方法。该方法采用收缩自编码器,可以捕捉数据流形的切平面方向,从而解决数据间的非线性问题;为提升模型的鲁棒性,该方法还利用深度网络结构来强化收缩自编码器,缓解光谱检测对环境变化的高敏感性问题。此外,针对不同工况,该方法分别提取相应的子流形结构信息,然后基于这些信息进行离线的建模。建模完成后,该方法可在线识别工况,并对待测的属性值做出高性能的预测。对比于其他传统方法,原油脱盐脱水过程的实验验证了该方法的优越性。（3）基于多流形迁移的近红外建模。利用各工况之间的相似性,针对数据标签不足的问题,利用其他工况的数据信息,帮助当前待建模的工况建立满足一定精度要求的校正模型。本文先提出一种偏最小二乘流形迁移建模方法,在迁移其他工况数据信息的同时,保留数据流形的局部结构性质以及光谱数据和样品属性值之间的回归关系,从而保证迁移后的校正模型具有较好的预测性能。此外,本文还提出一种多流形迁移方法,借助于通用特征提取器去除所有光谱数据的多余信息,然后针对不同工况分别进行迁移建模,最后根据最大均值差异（Maximum Mean Discrepancy,MMD）对不同的模型结果进行加权集成。原油脱盐脱水过程的实验表明该方法具有较好的预测性能。
其他文献
人体姿态估计是计算机视觉领域的重要研究方向之一,目标是定位出图像中关键点的位置并连接成对应的人体姿态,是行为识别、行人重识别和行人检测等高级视觉任务的基础与前提。近年来深度学习和卷积神经网络的快速发展推动着人体姿态估计的研究,使之在智能监控、人机交互、运动分析等领域有着广泛应用。但是在实际应用中人体姿态估计仍然存在一定的问题和挑战,一方面,复杂场景下人体交互带来的遮挡和姿态扭曲等问题影响模型性能,
近年来,随着钢铁工业的持续发展,我国的粗钢产量已经位居全球首位。然而,我国钢铁企业的节能水平与世界顶尖企业还有一定差距,企业吨钢综合能耗大于发达国家,节能提升空间大。为了更好地应对能源短缺的问题,需要从各个方面挖掘节能技术,提高能源利用效率。多介质能源优化调配技术作为钢铁企业系统性节能的重要手段,能够实现能源的产生、输送、转换和储存的统一管控,对钢铁企业能源系统节能降耗具有重要意义。本课题以多目标
通过实地调研和对内部控制主要岗位负责人的半结构式访谈，文章深入探讨了案例单位层面和业务层面内部控制的现状以及内部控制信息化系统的构建和实施路径。在总结经验的基础上，从进一步实现内部控制信息化系统的全业务过程控制、加快推动内部控制信息化向纵深发展、借鉴其他单位的先进经验并引入专家论证等方面提出优化建议。
随着科学技术的不断发展,人们在日常生活中产生的数据呈指数式增长,如何对这些数据进行有效分析、挖掘出其中隐藏的信息,就十分重要。聚类分析是一种在数据挖掘中常用的工具,属于无监督机器学习。聚类分析的目的是将数据分成多个由相似对象组成的簇,同一个簇内样本点之间具有较大的相似性,不同簇之间具有较大的差异性。国内外专家学者已经针对不同的情况提出多种聚类算法,是一个热门的研究领域。由于基于密度的聚类方法具有可
温室作为现代农业中重要的生产设施,为作物生长提供了合适的环境温度,提高了单位土地面积的作物产量。但在大多数的农业生产中,对温室环境的控制往往依赖种植经验,难以全面考虑温室温度分布的异质性,无法达到最佳的气候状况。温室微气候受到温室结构材料、外界气象条件和内部作物状况等多种因素的影响,其复杂的形成机理使得气候参数空间分布产生较大的差异。确定温室微环境的空间异质性对现代农业的精准调控具有重要意义。在温
柔性结构系统由于其轻量化、高速度、低能耗、操作灵活等特性在航天航空、海洋油气开发、工业生产等领域内广泛应用.然而,由于柔性材料本身刚度较小,易在环境扰动的影响下产生振动,不仅影响工作精度及效率,甚至可能存在安全隐患.因此,分析柔性结构系统的动力学模型,研究振动抑制的控制方法,具有重要意义.本文旨在研究柔性结构系统的典型模型Euler-Bernoulli梁系统的振动控制问题.针对外界干扰、输入约束、
Akkermansia muciniphila是一种肠道黏液降解菌,中文名为嗜黏蛋白阿克曼菌（也称“AKK菌”）,被认为是潜在的“下一代益生菌”。大量研究表明AKK菌与宿主的健康、代谢和免疫等方面有着密切的联系,其丰度的变化与肥胖、糖尿病、高血压等诸多疾病显著相关。因此,通过调控人体内AKK菌的丰度来预防或治疗肥胖及其相关代谢紊乱成为一种有潜力的治疗手段。目前针对人体内AKK菌的调节方法主要是口服
离散制造系统中积累了丰富的工艺知识,其具有多源、异构、高冗余等特点,使得离散制造系统中的工艺知识发现和推理过程变得困难重重。现有的研究多是注重在知识发现和推理目标函数的优化上面,没有充分考虑推理优化过程中的特征复用,海量工艺数据利用不完善。本文从工艺知识表示出发,提出基于工序编码的典型加工路线聚类方法,挖掘工艺路线之间的内在隐式关系,并在聚类结果的基础上提出基于知识图谱的知识推理模型,对文本输入信
在工业生产过程中为了保证产品质量需要对某些主导变量进行实时监测与控制,然而受技术或环境条件的限制,使得主导变量难以通过硬件传感器检测获得。软测量技术凭借低成本、响应迅速和抗干扰能力强的优点成为了控制领域的研究热点,并在复杂工业过程中得到了广泛的应用。但在实际生产过程中经常出现有标签样本数量稀少,专家对无标签样本化验标记代价昂贵的情况,这使得建立的模型难以达到理想的预测精度。针对上述问题,本文对主动
机器人产业近年来发展迅速,其在工业生产以及社会生活中都扮演着越来越重要的角色。作为机器人的关键部位,机械臂是一种多输入多输出、强非线性、强耦合的复杂被控对象,且具有很强的模型不确定性,因此机械臂的控制问题成为一个热点。传统的周期采样控制会浪费大量系统资源,如网络带宽、节点能量和计算资源。但是事件触发机制能在保证系统性能的前提下,根据被控对象状态实时调整触发间隔进行按需控制,有效降低系统的资源消耗。