傅里叶变换红外光谱技术对北柴胡中有效成分定量模型建立及含量测定

目的基于傅里叶变换红外光谱技术,建立北柴胡有效成分快检定量模型,实现对未知北柴胡有效成分的含量预测,为实现中药材有效成分的快速、无损检测提供方法依据。方法使用傅里叶变换红外光谱技术采集不同采收期的54份北柴胡样品红外光谱图,使用高效液相色谱技术测定54份北柴胡中柴胡皂苷A(Ss-a)、柴胡皂苷D(Ss-d)、柴胡皂苷C(Ss-c)、柴胡皂苷F(Ss-f)的含量,并以Ss-a、Ss-d、Ss-c、Ss-f计柴胡总皂苷(Ss-s)的含量,运用TQ分析软件,通过化学计量学方法偏最小二乘法(PLS)、逐步多元线性回归(SMLR)、多元散射校正(MSC)、标准正态变换(SNT)、一阶导数(1stDer)、二阶导数(2ndDer)及SG卷曲平滑(SG)和诺里斯导数滤波(ND)进行光谱处理并建立模型。结果SMLR+SNT+2ndDer+SG对Ss-c、Ss-f含量测定效果最好,相关系数分别为0.8365、0.8325,平均绝对偏差分别为-0.01%、-0.01%;SMLR+MSC+2ndDer+SG对Ss-a、Ss-d、Ss-s含量测定效果最好,相关系数分别为0.8206、0.8356、0.8405,平均绝对偏差分别为-0.08%、-0.19%、-0.20%。结论以傅里叶变换红外光谱技术与高效液相色谱技术相结合,可以实现北柴胡有效成分快速含量测定,该研究为中药材含量检测提供了新方法,在一定程度上能够推动中药材质量稳定、可控。

基于傅里叶变换红外光谱与机器学习的防火涂料酸腐蚀周期预测研究

[目的]准确预测在役防火涂料的耐火性能是消防安全评估工作中的重点和难点之一。[方法]借助傅里叶变换红外光谱仪,对不同酸腐蚀周期的膨胀型钢结构防火涂料试样进行测试,发现涂料中的主要成分会与盐酸溶液发生双向迁移并产生反应,酸腐蚀24 h时该反应达到峰值。利用主成分分析法对红外光谱数据进行降维处理的结果表明不同酸腐蚀周期试样存在可分性。联合使用S-G卷积平滑和标准正态变化(SNV)法对数据进行预处理,并对常用的析、LW-PLSC(局部加权偏最小二乘分类)、K-ELM(核极限学习机)、SVM(支持向量机)等4种分类方法进行评估。[结果]测试集平均分类准确度高达94.25%,最优模型分类准确率可达100%。[结论]将红外光谱技术与机器学习结合起来能快速、准确、定量地评估钢结构防火涂料的实验室酸腐蚀周期,为实现防火涂料实际耐火性能的预测提供可行的新方法。

基于短时傅里叶变换及其谱峭度的电能质量混合扰动分类

考虑到电能质量混合扰动分类的复杂性,提出一种基于短时傅里叶变换(short-time Fourier transform,STFT)及其谱峭度(spectral kurtosis,SK)的电能质量混合扰动分类方法。采用短时傅里叶变换作为时频分析工具分析各种类型的电能质量扰动,同时引入基于短时傅里叶变换的谱峭度作为辅助分析,从基频幅值曲线、频率幅值标准差曲线和频率谱峭度曲线中提取适宜的特征量,然后采用基于Binary-SVM的多标签分类法对电能质量混合扰动进行分类。该方法充分考虑到单一扰动之间的相互影响,并通过所提取的特征量进行有效抑制。仿真结果表明,该方法对单一扰动和混合扰动的分类均具有较高的分类准确度,具有较强的鲁棒性和较好的抗噪性。

结合短时傅里叶变换和谱峭度的电力系统谐波检测方法

针对电能质量分析中的谐波检测问题,提出一种结合短时傅里叶变换和谱峭度的电力系统谐波检测方法。采用短时傅里叶变换作为时频分析工具对采样信号进行时频分解,同时引入频谱标准差和基于短时傅里叶变换的谱峭度作为辅助分析。通过频谱标准差和谱峭度对谐波模态进行识别,并根据识别结果从频谱矩阵中提取出相应的谐波分量,然后采用基于奇异值分解的扰动定位方法对暂态谐波的起止时刻进行准确定位。仿真实验结果验证了算法的有效性,在低信噪比的情况下仍具有较高的检测精度,具有较好的抗噪性和鲁棒性。

基于短时傅里叶变换和深度网络的模块化多电平换流器子模块IGBT开路故障诊断

针对现有模块化多电平换流器(MMC)子模块故障诊断过程中所需传感器较多、测量干扰较大等问题,提出一种基于深度学习的MMC子模块IGBT开路故障诊断方法。在对MMC子模块开路故障特征进行分析的基础上,利用短时傅里叶变换(STFT)提取桥臂电压信号的谐波分量信息作为故障诊断所需的特征参数。将所得到的特征参数进行处理后构建故障诊断样本,在通过深度置信网络实现故障类型快速检测的基础上,依据不同故障类型,构建多个基于卷积神经网络的故障定位网络,进而实现开路故障的检测与定位。通过129电平的MMC系统仿真模型和降功率的MMC实验系统搭建,对该文所提方法进行了验证。仿真和实验结果表明,所提故障诊断方法可以在减少传感器数量的基础上实现子模块开路故障的诊断,提高系统的可靠性。

基于自适应短时傅里叶变换的品质因子Q值估算方法

品质因子Q是描述地下介质对地震波吸收衰减强弱程度的参数,同时也是地层含油气性的重要标志。在地震资料Q估算中,常用的方法是短时傅里叶变换方法,当窗函数被选定以后,其时频分辨率就固定了。针对该问题,提出一种自适应窗短时傅里叶变换的方法,以获得更准确的瞬时中心频率,并利用峰值频移法来估算品质因子Q。首先,利用固定窗长的短时傅里叶变换来提取信号的瞬时中心频率作为初始频率;然后,根据初始频率自适应计算不同频率的窗长,并利用自适应窗长短时傅里叶变换来求取瞬时中心频率;最后,结合峰值频移法得到高分辨率的品质因子Q值。利用合成数据和实际数据进行了测试,结果表明,相比于固定时窗短时傅里叶变换方法,自适应短时傅里叶变换方法具有更好的时间和频率分辨率,可以获得更高分辨率的品质因子Q值。该结果可以为地下介质的研究提供更准确、可靠的工具,有助于更好地了解地下结构和油气资源分布情况。

融合短时傅里叶变换和卷积神经网络的托辊故障诊断方法

托辊故障已成为带式输送机运行中的常见问题。若不能及时诊断托辊故障,则将严重制约带式输送机的安全运行。为了解决上述问题,基于某矿带式输送机中间段托辊的实际运行工况,提出了一种融合短时傅里叶变换(short-time Fourier transform,STFT)和卷积神经网络(convolutional neural network,CNN)的托辊故障诊断方法。首先,以分布式光纤为基础,对托辊在正常、轴承损坏及筒皮断裂工况下运行时的振动信号进行采集并作STFT处理,得到对应的时频图样本集,并将其分为训练集和测试集。然后,将训练集输入CNN模型以进行诊断模型训练,在训练过程中不断更新不同工况下托辊的运行状态特征。最后,将训练好的CNN模型应用于测试集,并输出托辊运行状态的识别结果。结果表明,所构建的CNN模型的识别准确率高达99.6%。基于所提出的故障诊断方法,在某矿上开展现场实验,以进一步验证CNN模型的识别准确率。实验结果表明,CNN模型对带式输送机中间段托辊的运行状态有较高的识别准确率,可达96.5%,与测试集上的识别准确率仅相差3.1个百分点,说明所提出的故障诊断方法具有一定的可靠性。后续可通过不断增加不同工况下托辊的运行数据来提高该故障诊断方法的鲁棒性,这可为煤矿企业有效诊断托辊故障提供有力的理论基础。

自适应窗口旋转优化短时傅里叶变换的变转速滚动轴承故障诊断

针对短时傅里叶变换(STFT)中固定窗效应所导致的能量集中度不高的问题,提出了一种自适应窗口旋转优化短时傅里叶变换(AWROSTFT)的变转速滚动轴承故障诊断方法。通过变分模态分解(VMD)对原始振动信号进行降噪,并利用粒子群优化算法(PSO)解决了VMD参数选择困难的问题;利用切线思想对STFT中水平窗口自适应匹配一系列的旋转算子,使得窗口旋转方向接近甚至等于瞬时调频率,提高了时频表示的能量集中度;计算出谱峰检测法提取到的瞬时频率与转频的平均比值,将得到的结果与轴承的故障特征系数进行匹配,以此实现变转速工况下滚动轴承的故障诊断。仿真和实验的结果都表明,本文所提方法能够兼顾PSO-VMD和AWROST-FT的优势,通过切线思想自适应的旋转窗口使得信号与窗函数在全局上的夹角都为零,从而达到提高能量集中度和锐化时频脊线的目的,实现了变转速工况下滚动轴承的故障诊断。

短时傅里叶变换域最优非因果滤波器和滤波矩阵降噪算法

在现有短时傅里叶变换域单通道降噪算法考虑帧间相关性的基础上,为提高算法的灵活度以及滤波器的性能,提出了一系列最优非因果滤波器和滤波矩阵.具体地,通过引入非因果概念,设计出一组单通道非因果降噪滤波器,以实现同时利用过去帧和未来帧信息进行噪声抑制的目的.并在此基础上,推导出了一组最优单通道滤波矩阵,以降低算法的复杂度.将非因果滤波器以及滤波矩阵的思想相结合,进一步提出了一组单通道非因果滤波矩阵.随后,将所提算法扩展至多通道场景中,设计出了一组最优多通道非因果降噪滤波矩阵,以达到更好的降噪效果.最后,对所提算法进行了仿真实验.实验结果表明,与传统算法相比,本文提出的算法可有效改善带噪信号(输入信号)的信噪比,提升语音质量.

傅里叶变换红外光谱自适应数字滤波算法研究

针对傅里叶变换红外(FTIR)光谱仪在不同类型环境噪声下导致的仪器性能下降的问题,提出了一种根据不同环境噪声实时更新滤波参数的自适应滤波算法。对该算法的基本原理和实现过程进行了理论推导,分析了不同滤波参数设置下的滤波效果,进而利用设计的滤波算法对实测光谱数据进行了滤波处理,对比分析了不同滤波方法下的光谱信噪比(SNR)。研究结果表明:基于巴特沃斯滤波的自适应FTIR光谱滤波方法在2100~2200 cm^(-1)和2500~2600 cm^(-1)波段的SNR较传统硬件滤波分别提高了1.29倍和1.13倍,表明该算法可以有效提升FTIR光谱信噪比,改善FTIR仪器的性能指标。

基于傅里叶变换光谱验证维恩位移定律

在红外波段对黑体辐射规律中的维恩位移定律进行了验证.通过搭建的傅里叶变换红外光谱仪测得一系列温度下黑体的红外辐射谱,验证了辐射峰值波长与温度倒数之间的正比例关系,比例系数为2.812×10^(-3)m·K,与标准值的偏差为3%.实验还探索了包括动镜移动速度校准等装置优化的方法,并采用傅里叶变换算法处理实验数据.

变压器游离气体傅里叶变换红外光谱分析

针对目前变压器游离气体气相色谱法分析需要人工取气、耗时过长等问题,文中提出了一种采用傅里叶红外光谱法对游离气体进行在线监测的方法。该方法通过电磁阀控制与气体继电器相连的集气器的工作,从集气器中自动取气进行光谱分析。游离气光谱分析过程中,采用分段比基线校正法对游离气吸收光谱进行校正,采用Tikhonov正则化特征变量方法从混合气体吸收光谱图冗杂的谱线中挑选特征变量,最后利用最小二乘支持向量机法建立定量分析模型,分析计算红外吸收光谱图,得到变压器游离态气体中各组分的体积分数。实验室实验结果表明,变压器游离气体傅里叶红外光谱在线监测系统可以完成对游离气体的自动取气和气体检测功能,实现对游离气体的在线监测以及多组分游离气体的高精度检测,具有实际应用价值。

同步热分析-傅里叶变换红外光谱-气相色谱/质谱联用法分析艾叶

应用同步热分析-傅里叶变换红外光谱-气相色谱/质谱联用法对艾叶样品的热分解过程和热解产物进行了研究。分别在氮气、氧气气氛下监测艾叶样品在程序升温下的热失重和红外变化,并将274和312℃时的热解产物切入到气相色谱/质谱仪进行同步检测和分析,两种气氛下共检测到了41个主要化合物,不同气氛下下检测到的化合物的种类是有差别的,在氮气气氛下检测到29个主要化合物,其中γ-松油烯、α-松油醇、马鞭草烯醇、对伞花烃、萜品油烯等含量较高。在氧气气氛下,共检测到27个主要化合物,其中对聚伞花素、γ-松油烯等含量较高。本方法操作比较简单,不需要对样品进行前处理,并可以对热解产物进行实时检测,为艾叶的研究提供了一种新的方法。

基于傅里叶变换红外光谱的鸦胆子主要成分分析

基于傅里叶变换红外光谱原理方法,对不同产地鸦胆子石油醚提取物成分差异进行分析。对比分析不同产地鸦胆子红外光谱数据,其成分含量变化与9个特征峰强度的变化相关,分别是3 471、2 931、2 854、1 743、1 463、1 377、1 238、1 165、723 cm^(-1)。不同产地鸦胆子在特征峰上的含量具有明显的差异,广西玉林和广东湛江产地鸦胆子的油酸和亚油酸含量相对较高,其次为广西百色的靖西、右江,广西田林与广州,含量最低为广西柳州。

基于超宽带雷达回波短时傅里叶变换的土壤含水率检测

土壤体积含水率监测对提高农业生产效率和制定合理土壤管理措施具有重要意义。超宽带雷达由于其高距离分辨率、强穿透能力在农业土壤动态信息实时监测中得到广泛应用。但以往对超宽带雷达信号的处理主要关注时域特征,忽略了同样具有丰富信息的频域特征,使得回波信号在土壤体积含水率反演过程中无法得到充分利用,限制了土壤体积含水率的反演精度。本文基于超宽带雷达获取的土壤回波信号,对其进行预处理并提取与土壤体积含水率有关的回波信号,对该信号采用短时傅里叶变换(Short-time Fourier transform,STFT),分析与土壤体积含水率有关的回波信号随时序变化的时频谱特征,进而结合卷积神经网络(Convolutional neural network,CNN)建立土壤体积含水率分级以及回归预测模型。实验结果表明,基于添加高斯白噪声后的数据,对于土壤体积含水率的分级,将时频特征和CNN模型相结合时,分级总体精度和Kappa系数分别为98.69%和0.9849,相较于10个时域特征与植被指数NDVI(Normalized difference vegetation index)建立的支持向量机模型(Support vector machine,SVM),分级总体精度提升21.78个百分点,Kappa系数提高0.2515。对于土壤体积含水率的回归预测,将时频特征和CNNR(Convolutional neural network regression)模型相结合时,预测结果与真实值之间的决定系数(R^(2))为0.9872,均方根误差(RMSE)为0.0048 cm^(3)/cm^(3),相对分析误差(RPD)为6.2738,相较于10个时域特征结合植被指数NDVI建立的CNNR模型,R^(2)提升0.2316,RMSE降低1.3377 cm^(3)/cm^(3),RPD提高4.2714。综上,在土壤体积含水率分级和回归预测方面,本文所提方法较传统信号检测处理方法具有明显优势。

傅里叶变换红外光谱在微塑料检测中的应用

塑料制品的生产在为日常生活提供便利的同时也产生了大量塑料废物,其降解产生的微塑料(Microplastics,MPs)的健康效应和生态系统效应已成为全球关注的环境问题。伴随MPs污染问题的严重性和日益突出的环境影响,开发MPs的有效检测技术或方法尤为重要。傅里叶变换红外光谱(Fourier Transform Infrared Spectroscopy,FTIR)技术开发已较为成熟,因其高灵敏度、快速分析、非破坏性等优点,在MPs检测中得到广泛的应用。焦平面阵列-傅里叶变换红外光谱(Focal Plane Array Fourier Transform Infrared Spectroscopy,FPA-FTIR)技术作为FTIR的一项新技术,具有短时间内对大量样品进行高通量光谱扫描的优势,目前用于MPs的鉴定、分析与表面特性研究,为研究MPs与环境间的相互作用机制提供了新的研究方法。对FPA-PFTIR技术在MPs检测中的应用进行着重介绍,同时对其在未来的发展前景进行展望,以实现FTIR技术在识别MPs污染问题上的新突破。

短时傅里叶变换结合DRSN的滚动轴承故障诊断研究

针对滚动轴承在复杂噪声环境下故障分类困难等问题,文章提出一种短时傅里叶变换(STFT)和深度残差收缩网络(DRSN)相结合的轴承故障诊断方法。首先利用短时傅里叶变换对滚动轴承原始振动信号进行时域频域处理得到信息更丰富的故障时频图样本,分为训练集和测试集;将软阈值模块引入到深度残差网络残差块中,其中的残差连接和软阈值模块能够滤除噪声并提取样本特征中的有效信息,输出到分类器上完成端对端的高准确率轴承故障分类。为验证所提方法的可行性,将该方法与其他模型作对比,实验结果表明,该方法在强噪声干扰下能表现出较高的分类性能,稳定性优于其他模型。

非线性最小二乘法在傅里叶变换红外光谱定量分析中的误差估计

根据统计学的参数估计理论,提出在傅里叶变换红外光谱定量分析中使用非线性最小二乘法进行浓度反演的参数误差估计方法。实验中,通过光谱平均次数来控制噪声水平,以此来评估不同噪声水平下混合气体中各组分反演结果的估计误差。结果表明,对于自研抽取式傅里叶变换红外光谱仪,8次平均光谱即可满足反演误差小于3%的需求,64次平均光谱的反演结果配合估计误差可以实现对平均浓度的覆盖率达到100%。随着噪声水平的降低,仪器、环境等非噪声因素的扰动是估计误差的主要部分。该方法在优化光谱定量分析的参数配置和指导光谱仪器系统设计等诸多方面具有重要的应用前景。

傅里叶变换红外光谱指纹图谱鉴别艾绒等级

提出了傅里叶变换红外光谱指纹图谱鉴别艾绒等级的方法,通过8种光谱预处理方法(去噪处理、高斯滤波、多元散射校正、标准正态变换、一阶导数+Savitzky-Golay(SG)平滑、二阶导数+SG平滑、一阶导数+Norris Gap、二阶导数+Norris Gap)和5种模式识别方法[反向传播神经网络(BP-NN)算法、遗传优化支持向量机(SVM-ga)、粒子群优化支持向量机(SVM-pso)、随机森林(RF)算法、K-最近邻(KNN)算法]的结合对比,得到鉴别艾绒等级的最佳模型。结果表明,艾绒的指纹图谱中有11个共有峰,对其进行主成分分析,得到9个主成分,累计方差贡献率达到99.67%。标准正态变换结合SVM-pso算法的鉴别效果最好,其训练集的鉴别正确率为100%,测试集的鉴别正确率为93.3%。

近红外与傅里叶变换红外光谱技术对麦麸固体发酵饲料中不同成分的监测研究

为实现光谱技术对麦麸固体发酵过程中不同成分变化的在线监测,通过国家标准方法测定61份麦麸固体发酵饲料样本的蛋白质、水分、总酚和粗纤维含量,采集样本近红外光谱(NIR)和傅里叶变换红外光谱(FT-IR),经过标准正态变换(standard normal variate transformation,SNV)、多元散射校正(multiplicative scatter correction,MSC)、平滑(smoothing)等9种预处理方法对原始光谱进行校正,结合偏最小二乘法(partial least squares,PLS)建立4种成分的NIR和FT-IR定量分析模型并进行比较分析。结果表明:所建立的4种成分NIR和FT-IR模型的训练集决定系数(Rc^(2))和验证集决定系数(Rp^(2))均大于0.8,交叉验证均方根误差(root mean square error of cross validation,RMSECV)小于2.0,训练集均方根误差(root mean square error of calibration,RMSEC)和验证集均方根误差(root mean square error of prediction,RMSEP)小于1.0。因此,所建立的NIR和FT-IR定量分析模型具有较好的准确性和稳定性,能够对麦麸固体发酵过程中不同成分变化实行快速监测。