对混胺燃料的近红外光谱分析模型的传递方法进行研究。采用K/S(Kennard/Stone)算法选择转换集样品,采用直接校正(Direct Standardization,DS)算法对从仪器采集的光谱进行校正。通过光谱平均差异(ARMS)比较奇异值分解(Singular Value Dec...对混胺燃料的近红外光谱分析模型的传递方法进行研究。采用K/S(Kennard/Stone)算法选择转换集样品,采用直接校正(Direct Standardization,DS)算法对从仪器采集的光谱进行校正。通过光谱平均差异(ARMS)比较奇异值分解(Singular Value Decomposition,SVD)算法和偏最小二乘法(Partial Least Squares,PLS)对光谱校正的效果。当PLS算法的最佳主因子数为3时,DS-PLS算法的光谱校正率可达到97.5%,优于DS-SVD算法。混胺样品的分析模型经过DS-PLS算法传递后,对从仪器的混胺样品各项指标的预测标准偏差(SEP)明显好于传递前,与主仪器预测效果接近,说明采用K/S算法选择合适的转换集样品后,通过DS-PLS模型传递算法可有效降低仪器间的光谱差异,实现近红外光谱分析模型在各台光谱仪之间共享。展开更多
针对重力仪稳定平台非线性因素多,且实验条件限制,通过传统的模型辨识方法难以建立平台的精确模型的问题,提出了一种基于优化带外输入的非线性自回归模型(Nonlinear Auto Regressive Models with Exogenous Inputs,NARX)的神经网络模型...针对重力仪稳定平台非线性因素多,且实验条件限制,通过传统的模型辨识方法难以建立平台的精确模型的问题,提出了一种基于优化带外输入的非线性自回归模型(Nonlinear Auto Regressive Models with Exogenous Inputs,NARX)的神经网络模型辨识的方法对重力仪稳定平台进行精确建模,从而提高模型与实际系统的一致性,为PID参数整定方法应用于工程奠定基础。通过实验建模及验证的结果表明:该方法相比较于传统方法建模精度提高7倍~23倍左右,模型精度提高一个数量级,且方法简单,应用范围更广。展开更多
文摘对混胺燃料的近红外光谱分析模型的传递方法进行研究。采用K/S(Kennard/Stone)算法选择转换集样品,采用直接校正(Direct Standardization,DS)算法对从仪器采集的光谱进行校正。通过光谱平均差异(ARMS)比较奇异值分解(Singular Value Decomposition,SVD)算法和偏最小二乘法(Partial Least Squares,PLS)对光谱校正的效果。当PLS算法的最佳主因子数为3时,DS-PLS算法的光谱校正率可达到97.5%,优于DS-SVD算法。混胺样品的分析模型经过DS-PLS算法传递后,对从仪器的混胺样品各项指标的预测标准偏差(SEP)明显好于传递前,与主仪器预测效果接近,说明采用K/S算法选择合适的转换集样品后,通过DS-PLS模型传递算法可有效降低仪器间的光谱差异,实现近红外光谱分析模型在各台光谱仪之间共享。
文摘针对重力仪稳定平台非线性因素多,且实验条件限制,通过传统的模型辨识方法难以建立平台的精确模型的问题,提出了一种基于优化带外输入的非线性自回归模型(Nonlinear Auto Regressive Models with Exogenous Inputs,NARX)的神经网络模型辨识的方法对重力仪稳定平台进行精确建模,从而提高模型与实际系统的一致性,为PID参数整定方法应用于工程奠定基础。通过实验建模及验证的结果表明:该方法相比较于传统方法建模精度提高7倍~23倍左右,模型精度提高一个数量级,且方法简单,应用范围更广。