[發明專利]基于近紅外光譜的自適應軟儀表裝置及其構造方法

無效

• 申請號: 201210534479.8
• 申請日: 2012-12-12
• 公開（公告）號: CN103048275A
• 公開（公告）日: 2013-04-17
• 發明（設計）人: 梅從立;廖志凌;江輝;周少青;黃文濤
• 申請（專利權）人: 江蘇大學
• 主分類號: G01N21/25
• 分類號: G01N21/25
• 代理公司: 南京知識律師事務所 32207
• 代理人: 汪旭東

技術領域

本發明涉及一種基于近紅外光譜的固態發酵過程軟儀表裝置及其構造方法，屬于固態發酵過程檢測與控制領域。

背景技術

目前我國年產各類秸稈約9億噸，用于做飼料的不足10%，秸稈利用率還很低，大量秸稈被焚燒，對自然環境造成了極大地破壞。隨著農業生物技術的發展，用生物技術特別是微生物發酵手段來處理秸稈，使其成為家畜飼料來源，不僅能促進我國畜牧業的發展，而且也會改善農業生態環境，實現資源的充分利用，變廢為寶。

固態發酵過程關鍵參數指標的檢測一般都采用離線化學實驗方法，且固態發酵過程中的環境溫度、物料含水量和pH值等關鍵參數均是在經過多次試驗嘗試后而確定出最佳發酵條件，然后靠人工經驗控制反應器各個主要參數指標。雖然化學檢測方法的結果客觀可信，但由于它的步驟煩瑣、檢測時間長、檢測費用高等缺點，且離線測量給發酵工程的控制和優化帶來了很多不便。因此，不利于實現對整個發酵過程狀態信息變量的優化控制。為了實現對整個發酵進程的自動控制和優化以及解決理化指標檢測時間長、費用高等缺點，國內外研究人員始終進行著不懈地努力，他們采用新的技術和手段來對發酵進程及產物進行定性或定量分析，并結合化學計量學方法來建立發酵過程關鍵參數的軟儀表模型，以監控發酵進程、保證發酵品質。但是，已有軟儀表構造方法無法實現對軟儀表自身進行監控與自適應更新。

近紅外光譜分析技術具有快速、無損、準確，多組分同時檢測等優點，是最適于實現在線分析和實時控制的成熟技術之一，已經在石油、化工、食品、制藥和煙草等領域得到了廣泛應用。本發明是將近紅外光譜技術應用于固態發酵過程關鍵參數的在線軟儀表模型，并提出軟儀表自適應機制，有助于實現對固態發酵過程以及軟儀表進行實時診斷與更新，以保證最終發酵產品的品質。

發明內容

本發明的目的是：針對現有技術中軟儀表技術的上述不足，提供一種基于近紅外光譜的秸稈固態發酵過程自適應軟儀表及其構造方法。

?本發明的技術方案是：

基于近紅外光譜的自適應軟儀表裝置，包括近紅外光譜采集裝置、線檢測儀表和計算機。近紅外光譜采集裝置用于對采樣的秸稈固態發酵過程產物樣本進行光譜掃描，采集其近紅外光譜信號并進行分析轉換，然后傳入計算機。在線檢測儀表直接連接計算機。計算機用于對接收的近紅外光譜信號和在線檢測儀表進行預處理并提取特征信息，進行秸稈固態發酵過程關鍵參數指標軟儀表模型的建立，并利用已建立的模型以實現對未知待測樣本關鍵參數值的實時預測和通過在線儀表實現對軟儀表的監控和自適應更新。

作為本發明的進一步改進，所述在線檢測儀表為pH值在線檢測儀表，包括在線傳感器和測量變送器。

作為本發明的進一步改進，所述近紅外光譜采集裝置包括鹵素燈光源、Y型光纖探頭和光譜儀；所述鹵素燈光源的光是由Y型光纖引出，并將其照射到定時采樣的秸稈固態發酵過程產物待測樣本的表面上；所述Y型光纖探頭用于采集定時采用的固態發酵過程產物樣本內漫反射出來的光，并傳至光譜儀；所述光譜儀用于對接收的光譜信號進行分析，并將其轉變為電信號，然后通過A/D轉換為數字信號后再由連接在光譜儀和計算機之間的數據線傳入計算機。

基于近紅外光譜的自適應軟儀表構造方法，通過計算機基于樣本和實驗過程同時采集近紅外光譜裝置和在線儀表數據，通過分析上述數據特征，建立發酵過程可在線檢測數據特征與過程不可在線檢測數據特征間的統計學模型，實現其軟儀表的構造；并對過對比軟儀表預測可在線測量數據和實際可在線測量數據間對比，實現對軟儀表監控與自適應更新。具體步驟為：

1）理化分析，對秸稈固態發酵過程樣本進行定周期采樣，利用離線理化分析方法獲取發酵過程關鍵參數指標的參考測量值，并建立數據庫；

2）利用漫反射式近紅外光譜系統裝置來對這些樣本進行近紅外光譜數據的采集，計算機對獲得的原始數據進行預處理，并進行相應的光譜信息特征變量的提取；

3）將提取的特征變量與步驟1）中建立的數據庫中測定的關鍵參數值通過統計學模型建立方法進行關聯，建立固態發酵過程關鍵參數軟儀表模型；

4）對于待測發酵過程產物樣本，通過采集光譜數據和特征信息提取，利用該軟儀表模型來完成待測樣本關鍵參數的實時檢測；

5）基于第4）步，利用該軟儀表模型預測可以在線獲得的過程變量數據，并通過對比，實現對軟儀表的監控和自適應學習。

作為本發明的進一步改進，步驟3）中所述的統計學模型為支持向量機回歸模型。