一种基于小波函数的近红外光谱软测量方法及系统技术方案

本发明专利技术公开了一种基于小波函数的近红外光谱软测量方法及系统，其包括：获取建模所需的样本数据；创建每条光谱所对应的光滑连续函数，该光滑连续函数通过以小波函数作为基函数对光谱进行逼近获得；创建每条光谱所对应的回归函数，该回归函数通过以所述小波基函数进行逼近；创建光滑连续函数与水分含量数据的回归关系模型；获取待测样品所对应的光谱数据，获取所对应的预测质量数据。本发明专利技术有效解决了传统近红外光谱进行软测量时无法解决光谱数据的高维度和非线性问题。

A Soft Sensing Method and System for Near Infrared Spectrum Based on Wavelet Function

【技术实现步骤摘要】
一种基于小波函数的近红外光谱软测量方法及系统
本专利技术涉及基于近红外光谱的软测量
，尤其涉及一种基于小波函数的近红外光谱软测量方法及系统。
技术介绍
软测量技术作为数据驱动的预测方法，因为其对过程机理模型要求低，易于操作等优点被广泛用于精细化工，制药，冶金和造纸等领域。尤其是在化工领域，大量质量变量难以测量，或者需要耗费大量的人力和物力进行实验分析。而软测量技术通过对历史数据建模，利用容易测量的过程数据来预测难以测量的质量数据，大大减少了时间和费用成本。所以对软测量技术的研究变得越来越重要也受到越来越多学者和工程师的关注。近红外光谱是波长范围为750至2500nm的介于可见光与中红外光谱之间的光谱区。通过近红外光谱,可以得到样品中有机分子含氢基团的特征信息，因此近红外光谱可以用来检测样品中含有的水分含量。通常，近红外光谱技术需要与化学计量学结合使用，作为数据驱动的软测量技术,具有样品无需或仅需极少的预处理、操作简便、不消耗化学试剂等诸多优点。利用这一技术,我们可以依据易测得的近红外光谱变量与水分含量的数学关系,建立水分含量的软测量模型。但是，现有的绝大部分软测量方法只是将采集的光谱当作离散样本点，而每条光谱通常包含几千个采样点，因此直接利用离散光谱数据建模会有计算量大和计算冗余等问题，进而影响模型预测精度。并且，每条光谱曲线呈现明显的非线性变化特征，线性的建模方法很难取得良好的预测效果。也就是说，现有技术在进行软测量时无法解决光谱数据的高维度和非线性问题。
技术实现思路
基于此，为解决在近红外光谱进行软测量时无法解决光谱数据的高维度和非线性问题时存在的不足，特提出了一种基于小波函数的近红外光谱软测量方法，以从连续函数的角度出发，对近红外光谱数据和颗粒水分含量建立回归关系进行软测量。一种基于小波函数的近红外光谱软测量方法，包括如下步骤：S1、获取建模所需的样本数据，该样本数据为采样样品所对应的近红外光谱数据以及对应的水分含量数据；S2、创建每条光谱所对应的光滑连续函数，该光滑连续函数通过以小波函数作为基函数对光谱进行逼近获得；S3、创建每条光谱所对应的回归函数，该回归函数通过以所述小波函数为基函数对光谱进行逼近获得；S4、创建各所述光滑连续函数与水分含量数据的回归关系模型；S5、获取待测样品所对应的光谱数据，基于回归关系模型获取所对应的预测质量数据。可选的，在其中一个实施例中，所述S2中的光滑连续函数xi(s)对应的公式为：其中，表示DB4小波基函数向量，表示第k个小波基函数，ci＝[ci1,ci2,…,ciK]T表示第i条光谱函数的拟合系数向量，cik是其中的第k个系数，k＝1,2,…,K，K表示选用小波基函数的个数，s表示连续函数中的自变量，上标T表示转置，同时利用最小二乘法计算拟合系数向量ci，即得到拟合系数ci＝(ΦΦT)-1Φyi(14)其中，yi＝[yi1,yi2,…,yiM]T表示第i条光谱的所有采样点向量，M表示采样点个数，Φ表示所有的小波函数基对应的数值矩阵，即其中，s1,s2,…,sM表示每个采样点位置。可选的，在其中一个实施例中，所述S3中的回归函数β(s)对应的公式为：其中，表示DB4小波基函数，b＝[b1,b2,…,bK]T是对应的拟合系数向量，bk表示拟合系数向量b中的第k个分量，k＝1,2,…,K。可选的，在其中一个实施例中，所述S4中光滑连续函数xi(s)与水分含量zi的回归关系模型为：其中，a表示回归模型的截距，s1和sM分别是自变量s取值的下界和上界；又因为定义则定义N表示采集谱图的个数，1N表示维数为N数值都是1的列向量，C表示拟合系数向量ci所构成的矩阵，则z＝Hp，其中向量z＝[z1,z2,…,zN]T；利用最小二乘法得到p＝(HTH)-1HTz(17)。其中p为光谱函数与水分含量之间的回归系数。可选的，在其中一个实施例中，所述S5中基于步骤S2-S4获取所对应的预测质量数据的过程包括：若待测样品所对应的光谱数据记为ynew，创建该光谱ynew所对应的光滑连续函数以及回归函数并通过求解所对应的回归关系模型获取预测质量数据；即znew＝Hnewp(18)其中，cnew＝(ΦΦT)-1Φynew，此外，为解决传统近红外光谱技术在进行软测量时无法解决光谱数据的高维度和非线性问题存在的不足，还提出了一种基于小波函数的近红外光谱软测量系统。一种基于小波函数的近红外光谱软测量系统，包括：第一数据获取单元，其用于获取建模所需的样本数据，该样本数据为采样样品所对应的近红外光谱数据以及对应的水分含量数据；第二数据获取单元，其用于创建每条光谱所对应的光滑连续函数，该光滑连续函数通过以小波函数作为基函数对光谱进行逼近获得；第三数据获取单元，其用于创建每条光谱所对应的回归函数，该回归函数通过以所述小波函数的奇函数对光谱进行逼近获得；第四数据获取单元，其用于创建各所述光滑连续函数与水分含量数据的回归关系模型；第一数据输出单元，其用于获取待测样品所对应的光谱数据并输出所对应的预测质量数据。可选的，在其中一个实施例中，所述第二数据获取单元中的光滑连续函数xi(s)对应的公式为：其中，表示DB4小波基函数，向量，表示第k个小波基函数，ci＝[ci1,ci2,…,ciK]T表示第i条光谱函数的拟合系数向量，cik是其中的第k个系数，k＝1,2,…,K，K表示选用小波基函数的个数，s表示连续函数中的自变量，例如s代表过程运行时间，上标‘T’表示转置。同时利用最小二乘法计算拟合系数向量ci，即得到拟合系数ci＝(ΦΦT)-1Φyi(20)其中，yi＝[yi1,yi2,…,yiM]T表示第i条光谱的所有采样点向量，M表示采样点个数，Φ表示所有的小波函数基对应的数值矩阵，即其中，s1,s2,…,sM表示每个采样点位置。可选的，在其中一个实施例中，所述第三数据获取单元中的回归函数β(s)对应的公式为：其中，表示DB4小波基函数，b＝[b1,b2,…,bK]T是对应的拟合系数向量，bk表示拟合系数向量b中的第k个分量，k＝1,2,…,K。可选的，在其中一个实施例中，所述第四数据获取单元中光滑连续函数xi(s)与水分含量zi的回归关系模型为：其中，a表示回归模型的截距，s1和sM分别是自变量s取值的下界和上界；又因为定义则定义N表示采集谱图的个数，1N表示维数为N数值都是1的列向量，C表示拟合系数向量ci所构成的矩阵，则z＝Hp，其中水分含量向量z＝[z1,z2,…,zN]T；利用最小二乘法得到p＝(HTH)-1HTz(23)。其中p为光谱函数与水分含量之间的回归系数。可选的，在其中一个实施例中，所述数据输出单元中输出预测质量数据的过程包括：若待测样品所对应的光谱数据记为ynew，创建该光谱ynew所对应的光滑连续函数以及回归函数并通过求解所对应的回归关系模型获取预测质量数据；即znew＝Hnewp(24)其中，cnew＝(ΦΦT)-1Φynew，此外，为解决传统技术所存在的不足，还提出了一种计算机可读存储介质，包括计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行所述的方法。实施本专利技术实施例，将具有如下有益效果：采用了本专利技术的技术之后，解决了传统近红外光谱进行软测量时无法解决光谱数据本文档来自技高网...

【技术保护点】
1.一种基于小波函数的近红外光谱软测量方法，其特征在于，包括如下步骤：S1、获取建模所需的样本数据，该样本数据为采样样品所对应的近红外光谱数据以及对应的水分含量数据；S2、创建每条光谱所对应的光滑连续函数，该光滑连续函数通过以小波函数作为基函数对光谱进行逼近获得；S3、创建每条光谱所对应的回归函数，该回归函数通过以所述小波函数为基函数对光谱进行逼近获得；S4、创建各所述光滑连续函数与水分含量数据的回归关系模型；S5、获取待测样品所对应的光谱数据，基于回归关系模型获取所对应的预测质量数据。

【技术特征摘要】
1.一种基于小波函数的近红外光谱软测量方法，其特征在于，包括如下步骤：S1、获取建模所需的样本数据，该样本数据为采样样品所对应的近红外光谱数据以及对应的水分含量数据；S2、创建每条光谱所对应的光滑连续函数，该光滑连续函数通过以小波函数作为基函数对光谱进行逼近获得；S3、创建每条光谱所对应的回归函数，该回归函数通过以所述小波函数为基函数对光谱进行逼近获得；S4、创建各所述光滑连续函数与水分含量数据的回归关系模型；S5、获取待测样品所对应的光谱数据，基于回归关系模型获取所对应的预测质量数据。2.根据权利要求1所述的方法，其特征在于，所述S2中的光滑连续函数xi(s)对应的公式为：其中，表示DB4小波基函数向量，表示第k个小波基函数，ci＝[ci1,ci2,…,ciK]T表示第i条光谱函数的拟合系数向量，cik是其中的第k个系数，k＝1,2,…,K，K表示选用小波基函数的个数，s表示连续函数中的自变量，，上标‘T’表示转置；同时利用最小二乘法计算拟合系数向量ci，即得到拟合系数ci＝(ΦΦT)-1Φyi(2)其中，yi＝[yi1,yi2,…,yiM]T表示第i条光谱的所有采样点向量，M表示采样点个数，Φ表示所有的小波函数基对应的数值矩阵，即其中，s1,s2,…,sM表示每个采样点位置。3.根据权利要求2所述的方法，其特征在于，所述S3中的回归函数β(s)对应的公式为：其中，表示DB4小波的基函数，b＝[b1,b2,…,bK]T表示对应的拟合系数向量，bk表示拟合系数向量b中的第k个分量，k＝1,2,…,K。4.根据权利要求3所述的方法，其特征在于，所述S4中光滑连续函数xi(s)与水分含量zi的回归关系模型为：其中，a表示回归模型的截距，s1和sM分别是自变量s取值的下界和上界；又因为定义则定义N表示采集谱图的个数，1N表示维数为N数值都是1的列向量，C表示拟合系数向量ci所构成的矩阵，则z＝Hp，其中水分含量所对应的向量z＝[z1,z2,…,zN]T；利用最小二乘法得到p＝(HTH)-1HTz(5)其中p为光谱函数与水分含量之间的回归系数。5.根据权利要求4所述的方法，其特征在于，所述S5中基于步骤S2-S4获取所对应的预测质量数据的过程包括：若待测样品所对应的光谱数据记为ynew，创建该光谱ynew所对应的光滑连续函数以及回归函数并通过求解所对应的回归关系模型获取预测质量数据；即znew＝Hnewp(6)其中，cnew＝(ΦΦT)-1Φynew，6.一种基于小波函数的近红外光谱软测...

【专利技术属性】
技术研发人员：刘井响，王丹，彭周华，刘陆，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：辽宁,21