基于多普勒信号校正和短步长波束形成的列车轴承故障检测

针对受多普勒调制的移动声源信号时域幅值畸变、频域频带展宽,且在强背景噪声下信噪比(SNR)低,难以提取其故障特征等问题,提出了一种基于多普勒信号校正和短步长波束形成的列车轴承故障检测方法。首先,由声源和麦克风的相对运动关系和莫尔斯声学理论,得到了插值时间序列和幅值还原公式,对受多普勒调制的畸变信号进行了恢复;然后,提出了基于麦克风阵列的短步长波束形成方法,分段截断了信号,并对每段信号在其期望方向上进行了增强;最后,通过仿真研究了不同信噪比情况下该方法的有效性,设计了轨边故障检测实验,对产生内圈裂纹缺陷的滚动轴承进行了实验分析,并结合仿真与实验,对该方法的有效性进行了验证。研究结果表明:相较于8个麦克风收集的原始信号,信号时域、频域均被校正,且信噪比增加了11.5 dB,在强噪声背景下,采用该方法能够恢复多普勒畸变信号,并有效提取移动声源的故障特征。

基于主成分正交信号校正算法和加强正交信号校正算法对柑桔酸度的检测

应用便携式近红外光谱分析仪对112个柑桔进行无损检测,运用主成分正交信号校正、加强正交信号校正结合广义回归神经网络的方法分别建立柑桔酸度定量分析模型。结果表明:采用EOSC方法能够使模型具有良好的预测能力并能够防止对数据造成过度校正。EOSC柑桔酸度模型校正集相关系数Rc=0.888 0,预测集相关系数Rp=0.885 6,RMSEP=0.081 65。研究结果表明EOSC预处理方法结合广义回归神经网络可以用于柑桔样本的酸度测定。

正交信号校正在正常成人血清^1H NMR谱的代谢组分析中的滤噪作用评价

观察、比较正交信号校正(OSC)滤噪前后,用不同的模式识别方法对正常成人血清代谢组1HNMR谱进行分析的效果,以探讨NMR代谢组学技术应用于临床研究和疾病早期诊断的可行性.78例正常成人在采血前按常规要求禁食8h,记录血清一维600MHz氢谱后,分别采用主成分分析(PCA)、偏最小二乘法-判别分析(PLS-DA)以及簇类的独立软模式法(SIMCA)对氢谱进行模式识别分析.结果表明:虽然采血前并无其它诸如饮食、生活方式、生理周期等方面的严格限制,采用OSC滤噪后,PLS-DA能够完全区分不同性别的血清氢谱,其判别能力优于PCA和SIMCA.而且采用OSC滤噪与文献报道的未经OSC处理的PLS-DA法获得的与性别分类有关的主要NMR积分区段基本相同.从OSC去除不同数目的隐变量后所致的PLS-DA模型的性能改变可见:OSC去除两个隐变量时,前两个隐变量的特征值明显比后面的大;剩余残差为20.82%,即去除了79.18%的X变量中与反应变量Y不相关的系统变异.此时PLS-DA计算所得的隐变量个数为1;而不使用OSC或用OSC去除一个隐变量时,PLS-DA所得的隐变量个数分别为3和2.作为PLS-DA模型质量的评价指标,R2X表示PLS-DA模型计算所获得的隐变量反映自变量X的变异的百分比,R2Y则表示隐变量反映因变量Y的变异的百分比,Q2(cum)为交叉验证后PLS-DA模型所获隐变量能够预测X和Y变异的累计百分比.R2X在OSC去除两个隐变量时达到最低值,表明此时PLS-DA计算模型包含的系统变异最少;R2Y与Q2(cum)都达到80%以上并趋于稳定,说明OSC去除两个隐变量时PLS-DA模型的质量优良.显然,OSC可去除饮食、环境等因素的影响,降低临床样本的不均一性,这对于NMR代谢组学技术应用于临床研究至关重要.OSC滤噪去除的隐变量个数应根据剩余残差、去除隐变量的特征值大小、PLS-DA模型计算所得的隐变量个数和反映模型质量的相关指标加以判断.

正交信号校正用于傅里叶变换红外光谱的模型传递

利用正交信号校正(OSC)实现了4组分气体混合物的PLS模型,在两台傅里叶变换红外光谱(FT-IR)仪上的传递,并与直接标准化(DS)、分段直接标准化(PDS)、多元分散校正(MSC)和有限脉冲响应(FIR)的传递效果进行了比较,确立了以源机的校正模型直接对目标机数据进行预测的传递方式。经过OSC校正,预测均方根误差(RMSEP)为10-3左右。OSC可以有效地减小测量仪器间的差异,同时使PLS模型的潜变量个数降为4,使模型简单化。与DS和PDS相比,OSC不需要同一样品在两台仪器上测量,在支集大小为3时,得到一致的预测准确度,表现出稳健性。MSC和FIR处理的RMSEP为10-1左右,效果远差于OSC。

基于正交信号校正的秸秆青贮饲料粗蛋白近红外分析模型传递方法

探讨了基于不同数据预处理方法的正交信号校正在秸杆饲料近红外光谱模型传递中的应用。以141个秸杆青贮饲料样品为研究对象,以其粗蛋白含量为目标参数,研究了基于无处理、局部中心化、全局中心化和Z-score标准化预处理方法的正交信号校正,在源仪器(SPECTRUM ONE NTS)和目标仪器1(AN-TARIS)与目标仪器2(FOSS 6500)之间的模型传递效果。实验表明:对于两台傅里叶变换型近红外光谱仪,采用局部中心化、全局中心化和Z-score标准化预处理方法的正交信号校正均可成功实现模型传递,其中局部中心化和全局中心化法的作用效果基本一致,且优于Z-score标准化法。对于傅立叶变换和光栅型近红外光谱仪,全局中心化的作用效果明显优于其它3组处理效果,且只有全局中心化预处理的正交信号校正传递后的模型可用于实际预测。

正交信号校正应用于多元线性回归建模的研究

通过近红外光谱技术建立二元、三元调和食用油中花生油含量模型以及二甲亚砜水溶液浓度模型,比较了分别采用原始光谱和正交信号校正(OSC)处理后光谱进行MLR建模的结果,并对所建的正交信号校正后光谱MLR模型与原始光谱PLS模型进行预测结果比较。比较过程中使用交互验证参数(包括决定系数RC,标准偏差SEC,预测值和实际值线性拟合方程的斜率a和截距b)以及外部预测统计参数(包括RV,标准偏差SEP,预测值和实际值线性拟合方程的斜率a和截距b)来评价模型能力。研究结果表明:与原始光谱相比,使用OSC处理后的光谱进行MLR建模(采用相同波长),得到的模型交互验证结果以及外部预测结果均有变好的趋势。通过优选建模波长组合(无共线性影响),OSC与MLR联用建模可得到优于PLS模型的结果。

正交信号校正用于偏最小二乘建模过拟合现象的研究

通过用近红外光谱和PLS建立测定二元、三元调合食用油中花生油含量模型以及二甲亚砜水溶液浓度模型,使用交互验证统计参数,包括决定系数RC,标准偏差SEC,预测值和实际值线性拟合方程的斜率a和截距b,和外部验证统计参数,包括决定系数RV,标准偏差SEP,预测值和实际值线性拟合方程的斜率a和截距b,评价建模效果,比较了分别使用原始光谱和正交信号校正(OSC)处理光谱的PLS建模结果。研究结果表明:OSC校正可明显改善近红外光谱与被测物质浓度的线性相关性。虽然OSC预处理可以改善PLS模型的交互验证结果,但是外部验证结果变差,即正交信号校正用于PLS建模将导致过拟合现象。通过分析算法原理,认为OSC与PLS1对光谱中与性质无关的信息作了重复剔除,误删除了部分有效信息,导致过拟合效应。

小型低成本压电陀螺组合信号校正模块的研制

设计了高性能低运算量的椭圆低通数字滤波器,采用新型单片机,合理设计信号调理电路,研制成功了小型低成本三轴压电陀螺组合的信号校正模块,提高了敏感器件的利用率,拓宽了压电陀螺的应用。

基于正交信号校正的Vis-NIR光谱土壤质地预测

为提高基于VIS-NIR光谱的土壤质地预测精度,引入了正交信号校正(OSC)光谱预处理算法。分别用原始光谱、微分处理、OSC处理光谱,建立偏最小二乘回归(PLSR)模型。结果表明,OSC-PLSR模型验证精度高于其他两种方法所建模型,砂粒含量OSC-PLSR模型的RMSEp为5.94,粘粒含量OSC-PLSR模型RMSEp为1.25,相比PLSR模型,分别降低22.22%和9.42%。OSC算法在土壤质地的VIS-NIR反演中能有效消除不相关因素的影响,提高模型预测精度。

基于正交信号校正和iPLS的烃源岩红外漫反射光谱定量分析

红外漫反射光谱技术越来越普遍地被应用到粉末样品的快速测量分析中,在应用红外漫反射光谱技术对粉末状的烃源岩样品的生烃潜量进行定量分析时,由于样品的颗粒度、密度、表面粗糙程度等几何参数的变化对散射光的影响非常大,使得漫反射光谱数据的信噪比很低、背景干扰很大,这样很难对样品进行定量分析。因此需要一种有效的方法对漫反射数据进行预处理来消除散射的影响,提高信噪比。文章利用正交信号校正算法(OSC)作为一种光谱过滤手段,并与间隔偏最小二乘(iPLS)相结合,有效地消除了粉末状样品散射光的影响,可以显著提高烃源岩红外光谱预测模型的准确性,使得红外漫反射光谱技术在石油录井中有了广阔的应用前景。

段式正交信号校正方法及在小麦近红外光谱数据分析中的应用

针对光谱数据峰宽、局部效应显著、含有噪音、变量个数多及彼此间常存在严重的复共线性等问题,改进和设计一种光谱数据局部校正方法:基于窗口平滑的段式正交信号校正方法,并将之结合偏最小二乘回归,以实现光谱数据的预处理及定量分析。通过NIPALS算法初始化将滤去的正交成分,以近邻分段方式进行逐个波长点的正交信号校正。而后将去噪后的光谱矩阵作为新的自变量阵,通过偏最小二乘回归构建其与性质参变量间的校正模型。通过小麦近红外漫反射光谱数据的应用实验结果表明,本方法正交成分估计稳定,去噪明显,模型的预报性能优于其它方法,PLS成分数减少,模型更加简洁。

直接正交信号校正算法在烷烃类多组分气体定量分析中的应用

针对烷烃类多组分混合气体中红外光谱存在的基线漂移问题,提出一种直接正交信号校正算法用于光谱数据预处理。实验中采用傅里叶变换红外光谱仪采集了936组混合气体样本的光谱数据,混合气体主要由不同浓度范围的七种组分气体组成。将直接正交信号校正算法与导数算法进行了对比分析,采用偏最小二乘回归方法建立了各组分气体定量分析模型,并对模型参数(主元个数、导数步长及正交分量的个数)进行了遍历优化选取最优分析模型。结果表明直接正交信号校正算法对于中红外光谱基线校正效果最好,直接正交信号校正算法用于烷烃类混合气体中红外光谱基线校正可行,效果良好,具有一定的实用和研究价值。

正交信号校正方法在啤酒酒精度近红外光谱分析中的应用

以啤酒酒精度的快速测定为研究对象,对原始光谱分别进行一阶导数、二阶导数、正交信号校正(OSC)等预处理方法后,用偏最小二乘法(PLS)建立了啤酒酒精度校正模型,然后用所建模型对预测集进行预测。结果表明,使用OSC预处理方法后,PLS主成分数为2,验证集预测均方差和平均相对误差分别为0.095%和1.002%,效果最佳。在建立定量校正模型前,对光谱进行OSC预处理方法滤除了与浓度阵无关的光谱信号,减少了建立模型所用的主因子数,进一步提高了校正模型的预测能力和稳健性。

正交信号校正-插值-RBF法同时测定原料油中的铁、镍、钒

提出了一种解析分光光度同时测定数据的正交信号校正-插值-RBF(OSC-Interp-RBF)网络方法。该法将光谱阵用浓度阵正交,滤除光谱与浓度阵无关的信号,再用一维线性插值处理使训练集样本对待辩识空间形成较好的覆盖,使RBF网络能够更有效地提取信息,从而提高预测的准确性。将该算法用于模拟原料油中铁、镍、钒的测定数据解析及实际样的组分浓度预测的结果表明,对于合成样预测结果与组分实际浓度的相对误差,及对于实际样预测结果与按常规测定方法获得的结果的相对误差,绝对值均小于10%,结果令人满意。

用近红外光谱技术快速测定聚氯乙稀K值的新方法——正交信号校正法

本文基于正交投影的正交校正算法(OSC),建立了聚氯乙稀近红外光谱与其K值之间关系的数学模型,提出了用近红外漫反射光谱技术快速检测聚氯乙稀K值的新方法。研究结果表明,原始光谱经正交信号校正处理后,聚氯乙稀K值化学测定值与近红外预测值的相关系数和标准差为R=0.9825、RMSEP=0.5933,预测结果的相对误差在0.5%以内,且正交信号校正算法能取得比单纯使用偏最小二乘回归更好的预测效果,模型更为简单。为用近红外光谱快速测定聚氯乙稀的K值提供了一条新途径。

正交信号校正算法及其在光谱处理中的应用

基于正交投影的正交信号校正(OSC)算法是近年来在光谱处理上很活跃的一种方法。本文介绍了OSC算法的基本原理,并对S.Wold、Fearn等人的比较成熟的5种正交信号校正算法作了比较详细的介绍。利用谷物的近红外数据,采用5种不同的OSC算法对谷物中的湿度、油含量、蛋白质和淀粉含量的预报情况进行了比较,并讨论了OSC组分数对预处理结果的影响。结果表明,各种正交信号校正算法基本上都能取得比单纯使用PLS更好的结果。

基于正交信号校正的连续退火机组带钢质量预测方法

连续退火是改善带钢的力学性能的关键过程。但在实际生产过程中,连续退火过程机理复杂,并且对带钢质量的检测有很大的时间滞后,这给提高带钢质量带来了很大的障碍。文章利用正交信号校正提取与带钢质量密切相关的过程信息,选用偏最小二乘方法构建更为精准的带钢质量预测模型,具有良好的预测性能,可以及时准确地在线估计带钢质量。通过对现场实际数据的仿真分析证明了所提出方法的可行性和有效性。

基于智能手机自适应信号校正的室内定位算法

随着智能手机和无线通信技术的迅速发展,人们对基于室内定位的应用需求日益增多。由于在室内环境下智能手机接收到的信号强度波动性较大,导致基于信号强度值的三角形加权质心定位算法定位精度低。三角形加权质心算法是基于无线测距的定位算法,其定位误差是无线测距不精确导致的。无线测距是根据无线信号传播的衰减模型利用接收信号强度来估计距离。无线信号在室内环境下的传播过程中,由于障碍物的遮蔽效应、信号的反射、多径效应等因素的影响,使得定位节点与参考节点的真实距离越大则估计距离的误差越大。针对以上问题,本文提出一种自适应信号校正定位算法,该算法采用节点间距离公式的导数作为权值参数对距离进行修正,从而进一步提高定位精度。实验结果验证了该算法的有效性,与现有定位算法比较,精度提高35.9%。

适用于高维数据的正交信号校正预处理方法

建立了一种高维正交信号校正方法 ,基于二维 PLS到高维 PLS的发展思想 ,把适用于二维数据预处理的正交信号校正方法发展成适用于高维数据预处理的方法 .不仅在理论上扩展了正交信号校正方法 ,而且在实际应用中也能通过与高维 PLS的联用产生更有效的高维数据校正方法 .

随机森林结合直接正交信号校正的模型传递方法

为增强近红外光谱模型通用性,解决直接正交信号校正算法在光谱处理过程中可能出现过拟合、模型不稳定的现象,提出一种将随机森林与直接正交信号校正算法相结合的模型传递方法(Random Forest-Direct Orthogonal Signal Correction,RF-DOSC)。该方法首先利用随机森林算法进行近红外光谱波长点筛选,然后采用直接正交信号校正方法进行光谱处理并建立回归方程,由PLS计算回归系数求得模型传递矩阵。实验使用三台光谱仪(S,S1,S2)测得的玉米近红外光谱数据集建立传递模型,数据集1(D1)水分、油分、蛋白质、淀粉成分预测标准偏差(SEP)分别为0.1267、0.0982、0.1569和0.4051,数据集2(D2)四种成分的SEP分别为0.1548、0.0819、0.1366和0.3836,均小于传统方法。实验结果表明本文所提模型传递方法能有效消除光谱噪声,减小主仪器和从仪器光谱之间的差异,提高模型的稳定性和准确性,实现不同仪器之间模型的共享。