近红外光谱稀疏分量分析检测柴油品质参数

由于光谱盲源分离中的独立分量分析方法(ICA)在柴油品控参数近红外光谱定量分析时预测效果不理想,稳定性不高,本文提出了一种在稀疏特性下的盲源分离近红外光谱分析思路——近红外光谱稀疏分量分析法,并用该方法预测了柴油沸点、密度、芳烃总量等品控参数。首先利用柴油校正集光谱样本训练冗余字典并完成光谱在该字典下的稀疏变换,接着完成混合矩阵估计,最后用混合矩阵与柴油品控参数建立回归预测模型。针对混合矩阵估计中光谱稀疏度不为一时聚状特征模糊导致无法确定聚类数的问题,提出将AP聚类算法应用于聚类过程。实验表明,近红外光谱稀疏分量分析法对柴油沸点、密度、芳烃总量预测的相关系数(R)、预测均方根误差(RMSEP)分别达到了98.91%,99.68%,99.43%和2.84,0.88×10-3,0.59,性能优于ICA及全谱偏最小二乘(PLS)等传统方法。该方法可作为一种柴油品控参数检测的有效盲源分离定量分析方法,并可推广于其它光谱检测领域。

多元非线性用户交互影响下谐波责任量化方法

现代电力系统呈现出多元非线性用户交互影响的特性,使得背景谐波波动加剧。加之新型电力电子设备的广泛接入使各谐波源之间的谐波发射特性具有一定的关联性,谐波责任量化问题的求解迎来新的挑战。为此,提出一种基于稀疏分量法的谐波责任量化方法,通过小波包变换生成稀疏字典,将其同时作用于源信号与观测信号以使源信号稀疏化,并使测得谐波电压电流信号呈现线性聚类特性。利用聚类直线斜率可计算谐波阻抗,进而量化谐波责任。该方法在背景谐波波动剧烈且各谐波源不再独立的情况下,仍具有较高的计算准确度。系统侧谐波阻抗计算误差可被控制在±10%之内,满足工程应用需求。仿真分析与实际工程案例验证所提方法的可行性。