学位论文 > 优秀研究生学位论文题录展示
混纺面料成分的傅立叶近红外光谱检测研究
作 者: 颜丽
导 师: 刘莉
学 校: 武汉纺织大学
专 业: 物理电子学
关键词: 近红外光谱 纤维含量 小波变换 主成分分析(PCA) 多元线性回归模型(MLR) 主成分回归模型(PCR) BP神经网络模型(PCA-BP、WT-ca3-BP、WT-ca4-BP、WT-ca5-BP)
分类号: TS107
类 型: 硕士论文
年 份: 2010年
下 载: 91次
引 用: 0次
阅 读: 论文下载
内容摘要
近红外光谱技术以其分析速度快、效果好、成本低、无污染等优点,在许多领域被广泛应用。本工作利用近红外光谱结合化学计量学方法,对混纺面料成分的检测进行了深入研究,在棉涤和棉毛样品的制备、近红外光谱数据的采集、数据的整理、预处理及各种模型的建立、模型的升级等方面做了大量工作,最终达到了预期的目的,取得了比较满意的效果。(1)详细介绍了近红外光谱分析的基础理论,研究了近红外光谱检测方法、分析流程、光谱数据的预处理技术和定量分析方法;(2)设计了混纺面料傅立叶近红外光谱检测的实验方案,进行了从样品制备、光谱数据采集,到数据预处理和校正模型建立整个实验过程的研究,初步确定实验具体实施的各个环节;(3)根据设计的实验方案,制备棉涤和棉毛两种纤维样品,将每种样品分为校正集(41个)、验证集(10个)和预测集(5个)三类,并采集近红外光谱数据,为后面数据的预处理、模型的建立做好准备;(4)根据近红外光谱的数据预处理技术,将采集到的光谱数据根据其自身的特点进行数据整理,选择分析的光谱区域,采用小波变换的方法对分析谱区的光谱数据进行消噪和压缩处理,利用主成分分析方法降低数据维数,并优化所得数据,预处理的结果大大减少了数据量和改善了数据质量;(5)建立线性和非线性模型。依次建立的模型有:多元线性回归模型(MLR)、主成分回归模型(PCR)、主成分分析和BP神经网络相结合的模型(PCA-BP)、小波变换和神经网络相结合的模型(WT-ca3-BP、WT-ca4-BP、WT-ca5-BP),其中前2种归为线性模型,后4种归为非线性模型。同时建立模型的评价体系(绝对误差AE、绝对平均误差MAE、标准差RMSE)为分析和评价校正模型提供理论支持。(6)比较所建模型,分析得出:线性模型原理简单,有助于理解近红外分析的基本原理;非线性模型的预测精度明显优于线性模型,并且灵活度高,尤其是小波变换和神经网络相结合的模型WT-ca3-BP(41-17-2)预测精度最高,棉涤的MAE在1.8%以内、RMSE在2.4%以内,棉毛的MAE在2%以内、RMSE在2.5%以内,此模型最适合用来对未知样品进行预测。在不改变WT-ca3-BP模型结构的情况下,将41个校正集和10个验证集样品合并作为新模型的校正集,将模型进行升级,升级模型预测精度更高,效果更加理想。最后利用升级模型对5个未知样品进行预测;(7)分析误差产生的来源,确立混纺面料成分的傅立叶近红外检测体系。
|
全文目录
摘要 4-5 ABSTRACT 5-9 1 绪论 9-13 1.1 课题研究的背景 9-10 1.2 近红外光谱研究的相关领域 10-12 1.3 课题研究的内容 12-13 2 近红外光谱分析的理论基础 13-18 2.1 近红外光谱分析的基础理论 13-15 2.1.1 近红外定量分析原理 14 2.1.2 朗伯-比尔定律 14-15 2.1.3 光谱和浓度数据的数学描述 15 2.2 近红外光谱检测方法 15-16 2.3 近红外光谱分析流程 16-17 2.4 本章小结 17-18 3 近红外光谱分析技术 18-27 3.1 近红外光谱预处理方法 18-21 3.1.1 小波消噪和压缩技术 18-20 3.1.2 主成分分析法 20 3.1.3 光谱数据的优化 20-21 3.2 数学校正模型的建立 21-25 3.2.1 多元线性回归模型(MLR) 21 3.2.2 主成分回归模型(PCR) 21-22 3.2.3 BP 神经网络(BP) 22-25 3.3 模型的评价体系 25-26 3.4 本章小结 26-27 4 实验研究与光谱数据预处理 27-40 4.1 实验方案 27 4.2 样品的制备 27-30 4.3 近红外光谱数据的采集 30-33 4.3.1 近红外光谱仪工作原理 30-31 4.3.2 实验仪器 31 4.3.3 实验仪器参数设置和环境 31-32 4.3.4 实验方法与过程 32-33 4.4 近红外光谱原始数据的整理 33-35 4.5 光谱数据的预处理 35-38 4.5.1 光谱分析波段的优选 35 4.5.2 小波消噪和压缩 35-37 4.5.3 主成分分析 37-38 4.5.4 数据质量的改善 38 4.6 本章小结 38-40 5 样品成分的定量分析 40-64 5.1 棉涤样品分析结果 40-51 5.1.1 多元线性回归模型(MLR) 40-41 5.1.2 主成分回归模型(PCR) 41-42 5.1.3 主成分分析和BP 神经网络相结合的模型(PCA-BP) 42-43 5.1.4 小波变换和BP 神经网络相结合的模型(WT-BP) 43-51 5.2 棉毛样品分析结果 51-57 5.2.1 多元线性回归模型(MLR) 51-52 5.2.2 主成分回归模型(PCR) 52-53 5.2.3 主成分分析和BP 神经网络相结合的模型(PCA-BP) 53-54 5.2.4 小波变换和BP 神经网络相结合的模型(WT-BP) 54-57 5.3 预测集样品的预测 57-61 5.3.1 校正模型之间的比较 57-58 5.3.2 未知样品(预测集)的预测 58-61 5.4 讨论 61-62 5.4.1 误差来源分析 61-62 5.4.2 检测体系的确立 62 5.5 本章小结 62-64 6 结论与展望 64-66 6.1 主要工作与创新 64 6.2 建议 64-65 6.3 展望 65-66 致谢 66-67 参考文献 67-70 附录 70-85
|
相似论文
- 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
- 图像的稀疏表示及编码模型研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 葡萄籽原花青素制备工艺及真菌毒素检测,TQ461
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 基于近红外光谱的水稻叶片氮素营养监测研究,S511
- 近红外光谱分析技术在尖椒叶片生长信息获取中的应用,S641.3
- 黍稷近红外测定方法及其抗氧化品质性状分析,S516
- 感觉刺激诱发脑电特征研究,R318.0
- 网络传输中的ROI图像编码算法研究,TN919.81
- 基于多尺度分析的图像融合算法研究,TP391.41
- 基于小波变换的三维模型特征提取技术的研究与实现,TP391.41
- 轮廓波变换及其在图像处理中的应用,TP391.41
- 基于小波的雷达视频压缩方法研究,TN957.52
- 脊波变换在全色图像和多光谱图像融合中的应用研究,TP391.41
- 一种多数据流聚类异常检测算法,TP311.13
- 基于图像的信息隐藏技术研究,TP309.7
- 基于DM6446与小波的图像压缩系统设计与实现,TP391.41
- 结合DWT的动态数据校正研究及应用,TP274
- 基于小波变换和马尔可夫链的流量预测模型,TP393.06
- 基于三波段六光束的反射式近红外水分仪设计,TN214
中图分类: > 工业技术 > 轻工业、手工业 > 纺织工业、染整工业 > 一般性问题 > 纺织品的标准与检验
© 2012 www.xueweilunwen.com
|