基于SVM级联模型的混合种类飞灰未燃碳含量LIBS测量方法技术

本发明专利技术公开基于SVM级联模型的混合种类飞灰未燃碳含量LIBS测量方法，用于提高LIBS在线测量不同种类飞灰的未燃碳含量的测量精度；具体的步骤包括：(1)飞灰样品光谱数据的采集；(2)确定相关的特征谱线；(3)C‑SVM分类模型建立；(4)各种类飞灰的ε‑SVM定量模型的建立；(5)C‑SVM分类模型与ε‑SVM定量模型的级联；SVM可以同时进行分类学习和拟合学习，具有操作方便和适应性好等优点，按流程可以构建并使用分类加定量分析的级联模型；本发明专利技术方法可以有效减少飞灰种类差异引起的基体效应对元素浓度测量的额外误差，提高LIBS在线测量飞灰未燃碳含量的适用范围。

LIBS measurement method of unburned carbon content of mixed fly ash based on SVM cascade model

【技术实现步骤摘要】
基于SVM级联模型的混合种类飞灰未燃碳含量LIBS测量方法
本专利技术属于工业在线测量
，具体涉及一种基于SVM级联模型的混合种类飞灰未燃碳含量LIBS测量方法。技术背景飞灰是燃煤电厂燃烧的产物，其主要成分有C、SiO2、Al2O3、Fe2O3、CaO及未燃碳等。飞灰中的未燃碳含量反映了燃煤机械未完全燃烧损失的大小，是评价锅炉燃烧效率的重要指标。常用的飞灰未燃碳含量的测量方法包括：灼烧失重法、微波法以及热重分析法等，但这些方法都无法满足实时在线测量的需求。激光诱导击穿光谱(Laser-inducedBreakdownSpectroscopy,LIBS)技术是原子发射光谱之一，将脉冲激光聚焦在待测样品上，产生高温、高电子密度的等离子体。等离子体在冷却的过程中发射特征谱线，通过分析谱线，可以实现物质成分及其浓度的测量。LIBS以其响应速度快，可以实现在线测量、能够实现全元素分析以及无需样品前处理等优点，已经广泛应用于工业很多领域。LIBS技术在热力系统中的应用主要集中在：煤、飞灰、烟气、废水等的定性与定量测量中。LIBS技术测量飞灰中未燃本文档来自技高网...

【技术保护点】
1.基于SVM级联模型的混合种类飞灰未燃碳含量LIBS测量方法，其特征在于，具体步骤如下：/n(1)飞灰样品光谱数据的采集：选取来源于不同电厂不同含碳量的多个飞灰样品作为定标样品，将定标样品分为训练集样品和测试集样品，并假设测试集样品中的飞灰为未知种类和含碳量，用于测试所构建SVM级联模型的精度，利用LIBS设备检测所有飞灰样品，获得每个飞灰样品的激光诱导等离子体发射光谱；/n(2)确定相关的特征谱线：从每个飞灰样品的光谱数据中选取P条相关种类和含碳量的特征谱线，P>1，构成P维向量，测试集所有飞灰样品多次重复测量得到的P维向量，共同构成训练集信号集合I

【技术特征摘要】
1.基于SVM级联模型的混合种类飞灰未燃碳含量LIBS测量方法，其特征在于，具体步骤如下：
(1)飞灰样品光谱数据的采集：选取来源于不同电厂不同含碳量的多个飞灰样品作为定标样品，将定标样品分为训练集样品和测试集样品，并假设测试集样品中的飞灰为未知种类和含碳量，用于测试所构建SVM级联模型的精度，利用LIBS设备检测所有飞灰样品，获得每个飞灰样品的激光诱导等离子体发射光谱；
(2)确定相关的特征谱线：从每个飞灰样品的光谱数据中选取P条相关种类和含碳量的特征谱线，P>1，构成P维向量，测试集所有飞灰样品多次重复测量得到的P维向量，共同构成训练集信号集合I0；
建立C-SVM分类模型：
(3)C-SVM分类模型输出量：根据训练集样品飞灰基体成份的不同或飞灰来源的不同，将训练集样品飞灰分成X个种类，分别定义其标签为：＂m(1)＂，＂m(2)＂，＂…＂，＂m(X)＂，作为C-SVM分类模型训练的输出量；
(4)训练C-SVM分类模型：以步骤(2)中训练集信号集合I0为模型训练的输入量，步骤(3)中确定的飞灰种类标签为模型训练的输出量，对C-SVM分类模型进行训练；C-SVM分类模型引入的目标函数为：其中ξ是松弛因子，允许错分样本的存在，C是约束错误范围的正常数，称为惩罚因子，||ω||是分类间距倒数的1/2，N是训练集样品数；目标函数通过拉格朗日乘子法变化得到如下形式：



xi是训练集中样品i的P维向量，xj是训练集中样品j的P维向量，yi训练集样品i对应的种类标签，yj是训练集样品j对应的种类标签，αi，αj是对应训练集样品i，j训练确定的参数，K是核函数，由于LIBS测量结果多是非线性的，需要在非线性函数空间中转换，考虑到信号强度与元素含量成正相关，使用核函数的形式为q次多项式函数：K(xi,xj)＝(γ(xiT,xj)+r)q，q是多项式函数的次数，γ是输入向量线性内积的系数，r是多项式函数的非齐次常数；通过训练确定最佳参数α后，最终得到训练后的C-SVM分类模型；
建立各种类飞灰的ε-SVM定量模型：
(5)各种类飞灰的ε-SVM定量模型训练的输入和输出量：将训练集信号集合I0按步骤(3)中飞灰种类的不同分为：＂I0(1)＂,＂I0(2)＂,＂…＂，＂I0(X)＂，分别作为对应飞灰种类模型训练的输入量，同种类飞灰独立训练ε-SVM定量模型；训练集中同种类飞灰样品的未燃碳含量作为训练该种类飞灰ε-SVM定量模型的输出量；
(6)训练各种类飞灰的ε-SVM定量模型：以训练集样品中同种类飞灰样品的P条特征谱线强度信...

【专利技术属性】
技术研发人员：王珍珍，荣凯，刘人玮，周王峥，陈鹏，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61