[發明專利]基于SVM級聯模型的混合種類飛灰未燃碳含量LIBS測量方法有效
| 申請號: | 201911403910.3 | 申請日: | 2019-12-31 |
| 公開(公告)號: | CN111060497B | 公開(公告)日: | 2020-11-17 |
| 發明(設計)人: | 王珍珍;榮凱;劉人瑋;周王崢;陳鵬 | 申請(專利權)人: | 西安交通大學 |
| 主分類號: | G01N21/71 | 分類號: | G01N21/71;G06K9/62 |
| 代理公司: | 西安智大知識產權代理事務所 61215 | 代理人: | 何會俠 |
| 地址: | 710049 陜*** | 國省代碼: | 陜西;61 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 svm 級聯 模型 混合 種類 飛灰未燃碳 含量 libs 測量方法 | ||
1.基于SVM級聯模型的混合種類飛灰未燃碳含量LIBS測量方法,其特征在于,具體步驟如下:
(1)飛灰樣品光譜數據的采集:選取來源于不同電廠不同含碳量的多個飛灰樣品作為定標樣品,將定標樣品分為訓練集樣品和測試集樣品,并假設測試集樣品中的飛灰為未知種類和含碳量,用于測試所構建SVM級聯模型的精度,利用LIBS設備檢測所有飛灰樣品,獲得每個飛灰樣品的激光誘導等離子體發射光譜;
(2)確定相關的特征譜線:從每個飛灰樣品的光譜數據中選取P條相關種類和含碳量的特征譜線,P1,構成P維向量,訓練集所有飛灰樣品多次重復測量得到的P維向量,共同構成訓練集信號集合I0;
建立C-SVM分類模型:
(3)C-SVM分類模型輸出量:根據訓練集樣品飛灰基體成份的不同或飛灰來源的不同,將訓練集樣品飛灰分成X個種類,分別定義其標簽為:"m(1)","m(2)","…","m(X)",作為C-SVM分類模型訓練的輸出量;
(4)訓練C-SVM分類模型:以步驟(2)中訓練集信號集合I0為模型訓練的輸入量,步驟(3)中確定的飛灰種類標簽為模型訓練的輸出量,對C-SVM分類模型進行訓練;C-SVM分類模型引入的目標函數為:其中ξ是松弛因子,允許錯分樣本的存在,C是約束錯誤范圍的正常數,稱為懲罰因子,||ω||是分類間距倒數的2倍,N是訓練集樣品數;目標函數通過拉格朗日乘子法變化得到如下形式:
xi是訓練集中樣品i的P維向量,xj是訓練集中樣品j的P維向量,yi訓練集樣品i對應的種類標簽,yj是訓練集樣品j對應的種類標簽,αi,αj是對應訓練集樣品i,j訓練確定的參數,K是核函數,由于LIBS測量結果多是非線性的,需要在非線性函數空間中轉換,考慮到信號強度與元素含量成正相關,使用核函數的形式為q次多項式函數:K(xi,xj)=(γ(xiT,xj)+r)q,q是多項式函數的次數,γ是輸入向量線性內積的系數,r是多項式函數的非齊次常數;通過訓練確定最佳參數α后,最終得到訓練后的C-SVM分類模型;
建立各種類飛灰的ε-SVM定量模型:
(5)各種類飛灰的ε-SVM定量模型訓練的輸入和輸出量:將訓練集信號集合I0按步驟(3)中飛灰種類的不同分為:"I0(1)","I0(2)","…","I0(X)",分別作為對應飛灰種類模型訓練的輸入量,同種類飛灰獨立訓練ε-SVM定量模型;訓練集中同種類飛灰樣品的未燃碳含量作為訓練該種類飛灰ε-SVM定量模型的輸出量;
(6)訓練各種類飛灰的ε-SVM定量模型:以訓練集樣品中同種類飛灰樣品的P條特征譜線強度信號集合I0(x)為模型訓練的輸入量,同種類飛灰樣品的未燃碳含量作為模型訓練的輸出量,訓練對應種類的ε-SVM定量模型;ε-SVM定量模型的核函數為q次多項式函數:K(xi,xj)=(γ(xiT,xj)+r)q與C-SVM分類模型一致,并且ε-SVM定量模型的具體訓練過程與C-SVM分類模型相同;由于ε-SVM定量模型中需要一個允許的損失參數,其目標函數與C-SVM分類模型目標函數的區別在于懲罰因子C的邊界條件s.t.改為損失因子的形式:nx是訓練集中飛灰種類x的樣品數,是訓練過程中ε-SVM定量模型計算的訓練集樣品i的未燃碳含量,yi是訓練集樣品i對應的未燃碳含量,ε是松弛變量;同樣通過拉格朗日乘子法轉變目標函數形式后,通過訓練確定最佳參數α,得到ε-SVM定量模型;根據步驟(3)確定飛灰樣品的種類,最終會訓練X個ε-SVM定量模型;
C-SVM分類模型與ε-SVM定量模型的級聯:
(7)C-SVM分類模型與ε-SVM定量模型的級聯:首先使用步驟(4)訓練后的C-SVM分類模型進行飛灰種類識別,然后使用步驟(6)訓練后的對應種類的ε-SVM定量模型進行未燃碳含量預測,這樣結合兩種模型得到SVM級聯模型;待測樣品測量的P維的光譜信號向量首先作為C-SVM分類模型的輸入量,C-SVM分類模型的輸出是飛灰種類判斷標簽,根據C-SVM分類模型輸出樣品種類標簽;P維的光譜信號向量再作為對應的ε-SVM定量模型的輸入量,得到碳含量預測值;從模型整體來看,由于已經實現了數據的內部傳遞,兩種模型被封裝起來,只需要單次輸入待測樣品測量的P維的光譜信號向量,便能得到該飛灰的種類和未燃碳含量。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于西安交通大學,未經西安交通大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201911403910.3/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種用于無人機機臂設置的防水防塵折疊結構
- 下一篇:一種液壓站高效節能裝置





