[發明專利]一種基于神經網絡的煤質特性在線測量方法

有效

• 申請號: 201010537027.6
• 申請日: 2010-11-09
• 公開（公告）號: CN102004088A
• 公開（公告）日: 2011-04-06
• 發明（設計）人: 李政;王哲;侯宗余
• 申請（專利權）人: 清華大學
• 主分類號: G01N21/63
• 分類號: G01N21/63;G01J3/28;G06N3/00
• 代理公司: 北京鴻元知識產權代理有限公司 11327
• 代理人: 邸更巖

1.一種基于神經網絡的煤質特性在線測量方法，其特征在于該方法包括如下步驟：

1)首先使用各元素質量濃度已知的一組煤炭樣品作為定標樣品，利用安裝在輸煤皮帶上方的激光誘導等離子光譜系統對定標樣品進行檢測，得到該組定標樣品的光譜譜線，即得到了每種定標樣品中各種元素的激光誘導等離子特征光譜譜線強度，形成譜線強度矩陣E₀，E₀矩陣的結構如下，

E0=Iλ11Iλ21Iλ31LIλm1Iλ12Iλ22Iλ32LIλm2Iλ13Iλ23Iλ33LIλm3MMMOMIλ1nIλ2nIλ3nLIλmn---(1)]]>

其中，表示第i種樣品在波長λ_j處對應的譜線強度，i＝1，2，L，n；j＝1，2，L，m；

2)利用主成分分析或者偏最小二乘判別分析方法對定標樣品進行分類，兩種方法都需要先提取主成分；

a.主成分分析是從矩陣E₀中提取主成分，首先得到矩陣E₀的協方差矩陣，求取協方差矩陣的特征值，特征值從大到小依次為A₁，A₂，L，A_h；最大特征值λ₁對應的特征向量為第一主軸a₁，第二特征值λ₂對應的特征向量為第二主軸a₂，由此求得第一、第二主成分t₁、t₂，

t₁＝E₀a₁????????????????????????????????????(2)

t₂＝E₀a₂????????????????????????????????????(3)

依次類推可以求得第h個主成分t_h；

b.偏最小二乘判別分析法則以矩陣E₀為自變量矩陣，各定標樣品的揮發份含量組成因變量矩陣F₀，矩陣F₀的結構如下，

F₀＝(V¹??V²??V³??L??Vⁿ)^T????????????????????(4)

其中，Vⁱ表示第i種定標樣品的揮發份含量，i＝1，2，L，n；

從矩陣E₀中提取主成分，使得主成分既能代表E₀的變異信息，又能使E₀與F₀的相關程度達到最大；w₁是對應于矩陣E₀^TF₀F₀^TE₀最大特征值的特征向量，得到E₀的第一主成分為，

t₁＝Xw₁

(5)

實施E₀在t₁上的回歸以及F₀在t₁上的回歸，即

E₀＝t₁p′₁+E₁?????????????(6)

F₀＝t₁r₁+F₁???????????????(7)

p′₁、r₁為相應的回歸系數；E₁、F₁為殘差矩陣，w₂是對應于矩陣最大特征值的特征向量，第二主成分為，

t₂＝E₁w₂??????????????????(8)

依次類推可以求得第h個成分t_h，最后可用交叉有效性確定偏最小二乘回歸中成分t_h的提取個數，停止迭代；

利用方法a或方法b分別提取第一、第二主成分，兩種方法分別做主成分得分圖，在圖上以每個定標樣品對應的主成分的值作為該樣本的坐標點，繪出所有坐標點的位置，觀察坐標點在二維空間的分布特征和相似性結構；如果二維圖的分類效果不明顯，則加入第三主成分，觀察坐標點在三維空間的分布特征和相似性結構；通過主成分得分圖，定標樣品被明顯分類；

3)經過主成分分析或偏最小二乘判別分析法對定標樣品分類后，對各類定標樣品分別建立神經網絡模型，神經網絡的輸入層為特征譜線強度，輸入層節點數目為特征譜線的數目；輸出層為各元素濃度，輸出層節點數目為需要測定的元素種類數；

4)由于定標樣品的各元素濃度已知，故用定標樣品的特征譜線強度和元素濃度對神經網絡模型進行訓練，訓練結束后則調整隱含層的層數或各層的節點數目，然后重新訓練；

5)重復步驟4)，直至神經網絡模型的訓練誤差達到最小，即得到最優的神經網絡模型；

6)對于各元素濃度未知的待測樣品，首先通過安裝在輸送皮帶上方的激光誘導等離子光譜系統得到該待測樣品的特征譜線強度矩陣；然后按照步驟2)作出該待測樣品在主成分得分圖上的坐標點，根據該坐標點在得分圖上的位置確定該待測樣品所屬的類別，最后將特征譜線強度數據輸入到所屬類別的已訓練好的最優的神經網絡模型中，即求得待測樣品中各元素的濃度。