基于迁移学习的2,6-二甲酚纯度近红外光谱在线检测

使用近红外光谱分析技术,对2,6-二甲酚(2,6-DMP)单体分离工段精馏提纯过程的产品纯度进行在线检测。由于2,6-DMP产品塔的产品纯度较高(通常为99.10%~99.95%),样本的纯度值集中分布在一个较小的范围,样本数据之间的变异系数小,样本之间的区分度低,导致所采集光谱与产品纯度之间缺乏相关性,因而无法建立可靠的近红外模型。为了准确检测2,6-DMP产品塔的产品纯度,从而对产品质量进行实时调控,引入迁移学习算法,充分利用2,6-DMP精馏提纯过程中不同塔之间近红外光谱数据的相似性,借助于其他塔中较低2,6-DMP纯度的近红外光谱数据,改善产品塔中较高2,6-DMP纯度的近红外模型性能。通过对某合成材料公司2,6-DMP精馏提纯过程的产品纯度建立近红外在线检测模型,验证了所提方法的有效性。分析结果表明,借助于不同样本数量以及纯度范围的近红外光谱数据,所建模型精度有所不同,说明迁移学习算法不仅可以有效解决样本区分度低情形下的建模问题,且建模精度与所借助光谱的样本数量以及纯度范围密切相关。

CAXA制造工程师在数控铣削加工中的应用

通过对一个零件的加工过程进行详细的阐述,分析了加工步骤,探讨了加工工艺,并且论述了仿真加工与实际加工的每个环节。

基于PLS子空间对齐的2,6-二甲酚纯度迁移学习建模

采用近红外光谱对物质浓度进行准确的在线检测对于生产优化具有重要意义。建立检测模型需要从近红外光谱中提取相关信息,代表性样本越多,提取的信息越有效,所建模型的精度越高。随着产品纯度的提高,样本的区分度下降,样本的变异系数小,多样性不足,并且存在测量噪声以及化验室人工检测样品浓度值时的测量误差,会导致物质浓度与光谱之间缺乏相关性,传统的建模方法无法建立可靠的近红外检测模型。为了解决这个问题,提出了一种基于PLS子空间对齐的迁移学习建模方法,应用于2,6-二甲酚精馏提纯过程中产品塔高纯度产品的在线检测。在制备化工单体2,6-二甲酚过程中,存在副反应和未反应完全的杂质,生产反应后的物料要顺序经过不同的精馏塔,最后在产品塔获得纯度高于99%的产品,产品塔的质量检测尤为重要。由于产品塔检测点近红外光谱数据缺乏多样性,检测模型的泛化能力较弱。该研究采用偏最小二乘为2,6-二甲酚精馏提纯过程中不同检测点的数据集创建子空间,然后通过最小化其他检测点数据子空间与产品塔检测点数据子空间的布雷格曼(Bregman)散度,将其他检测点数据的子空间对齐到产品塔数据子空间,减小其他检测点数据子空间与产品塔检测点数据子空间的特征分布差异,既避免了投影到公共子空间产品塔检测点数据特征信息的损失,又能充分利用其他检测点数据的特征信息,然后在迁移后的子空间完成偏最小二乘回归建模,通过竞争学习加权策略确定最终的模型系数,从而提升产品塔检测模型的性能。在2,6-二甲酚纯度近红外检测数据集上进行了仿真验证,并探讨了迁移其他检测点不同数量的数据对产品塔检测模型性能的影响,产品塔检测模型的最大性能提升达到了52.19%, RMSEP值由0.059 4下降到0.028 4,与传统建模方法支持向量机回归和BP神经网络相比具有明显的优势。

基于NB-IoT的防丢追踪平台研究与实现

文章研究了一种新型智能防丢贴的设计,提出了一种基于NB-IoT的防丢追踪平台系统。利用NB-IoT与GPS相结合的ME3613中兴NB模块进行位置信息的采集与传输,设计了防丢追踪平台系统,从而实现近、远距离寻找失物的功能。同时,利用光敏电阻与手机APP实现对防丢贴的远程控制。本平台实时性好,操作方便,工作稳定,具有较大的市场应用前景。