原位红外光谱检测结晶过程溶液浓度的小波函数标定建模方法技术

本发明专利技术属于工业过程检测领域，涉及一种原位红外光谱检测结晶过程溶液浓度的小波函数标定建模方法。本发明专利技术是利用配有原位检测探头的红外光谱仪，构建实时检测结晶过程溶液浓度的方案，根据建立的光谱标定模型进行实时预测结晶溶液浓度。首先针对参考结晶溶液浓度样本依照结晶过程操作条件采集光谱数据，其次对测量到的红外光谱数据进行均值中心化预处理操作，然后对光谱数据划分校正集和验证集，以此来构建小波函数回归标定模型，通过使用所选择的小波基函数矩阵来确定小波函数回归标定模型中的模型参数。最后，通过在线检测结晶过程溶液浓度的实验来验证建立标定模型的有效性和准确性。本发明专利技术能够达到自动快速检测冷却结晶体系中的溶液浓度，便于实际工业应用和推广。广。广。

【技术实现步骤摘要】
原位红外光谱检测结晶过程溶液浓度的小波函数标定建模方法


[0001]本专利技术属于工业过程检测领域，涉及一种原位红外光谱检测结晶过程溶液浓度的小波函数标定建模方法。

技术介绍

[0002]结晶技术广泛应用于医药、精细化工、食品行业等产品的分离和纯化。结晶过程中溶液浓度的测量精度影响对过饱和度和亚稳态宽度等动力学结晶参数的估计，进而影响晶体产品纯度和尺寸分布。传统的溶液浓度测量方法有折光率法、色谱法、量热法、电导法。为了克服传统离线测量溶液浓度方法所带来的时滞大和人为误差的突出问题，采用原位红外光谱分析技术将光谱的吸光度和结晶体系的溶液浓度对应起来，可实现对溶液浓度精确有效的原位在线检测。
[0003]近年来已发展有采用原位红外光谱检测溶液浓度的新技术，相对于离线检测技术具有较好的实时性。但是现有的光谱标定建模方法(例如：偏最小二乘法、主成分回归、多元线性回归和支持向量机回归)并没有考虑光谱非线性特征对建模结果造成的不良影响。由于光谱校正模型涉及非线性数据拟合问题，使得现有的线性化光谱标定建模方法得出的模型测量精度不高，尤其是大多数是基于采样做离线建模，当用于在线测量溶液浓度时，会产生较大的测量误差。

技术实现思路

[0004]本专利技术要解决的技术问题是：针对原位检测红外光谱受到结晶过程操作条件和晶体生长动态的影响，不同结晶溶液浓度对红外光谱吸光度呈现非线性问题，传统基于采样的光谱标定建模方法未考虑实时工况条件的不利影响和光谱数据非线性特性，导致光谱标定模型的在线检测精度不高。
[0005]本专利技术是利用配有原位检测探头的红外光谱分析仪，构建实时检测结晶过程溶液浓度的方案，把实时原位测量的红外光谱数据传输给监测计算机，根据建立的光谱标定模型进行实时预测结晶溶液浓度。首先需要针对参考结晶溶液浓度样本依照结晶过程操作条件采集光谱数据，其次对原位测量的红外光谱数据进行均值中心化预处理操作，然后对光谱数据划分校正集和验证集，以此来构建小波函数回归标定模型，最后通过对不同批次的结晶过程溶液浓度的在线检测来验证建立标定模型的有效性和准确性。本专利技术的红外光谱标定建模流程如图1所示。
[0006]本专利技术的技术方案如下：
[0007]一种原位红外光谱检测结晶过程溶液浓度的小波函数标定建模方法，步骤如下：
[0008]第一步：原位红外光谱数据的采集
[0009]在结晶过程中，利用原位红外光谱分析仪实时采集结晶溶液的红外光谱数据。收集到的光谱表示为其中是第i条光谱；结晶溶液浓度
数据表示为并且是第i个样本的浓度信息，N是总样本数，M是每条红外光谱中的波长变量个数；
[0010]第二步：红外光谱数据的预处理
[0011]为了消除环境条件变化对光谱测量带来的扰动，在标定建模之前，需要对红外光谱数据进行预处理来消除无关检测信息和测量背景噪声。
[0012]将第一步采集到的红外光谱数据写成光谱数据矩阵s
i,j
，矩阵中的每一行表示各测试溶液浓度样本分别对应的一条光谱测量曲线(由在一定波长(亦称波数，与波长互为倒数)范围内的波长变量对应的吸光度数据组成)，矩阵的每一列是各溶液浓度样本在同一波长下的吸收峰值(亦称吸光度)。
[0013]采用均值中心化的光谱预处理方法：
[0014][0015][0016]其中，s
′
i,j
是第i条样本光谱在波数w
j
处经过中心化预处理之后的吸光度值，s
i,j
是第i条样本光谱在波数w
j
处的吸光度值，表示在波数w
j
处所有样本的吸光度均值，N表示采集光谱条数。
[0017]第三步：建立小波函数标定模型
[0018]将第二步中预处理后的红外光谱数据作为建模集，并将建模集数据按照3:1的比例分为校正集和验证集。
[0019]采用连续函数f
i
(w)来表示第i条预处理后的样本光谱s
′
i
，即
[0020][0021]其中，λ是模型的常数项，ν(w)表示回归系数向量，w1和w
M
分别表示光谱测量波段范围的上下界。
[0022]为了确定式(3)中的f
i
(w)和ν(w)，使用小波基函数来构造f
i
(w)，基函数的线性组合如下，
[0023][0024]其中γ
K
(w)是第k个小波基函数，χ
i
表示相应的系数向量。为确定χ
i
，制定以下拟合目标，
[0025][0026]令Ψ＝{γ
k
(w
j
)}表示所选择的小波基函数，则式(5)的最小二乘解为
[0027]χ
i
＝(ΨΨ
T
)
‑1Ψs
′
i
ꢀꢀ
(6)
[0028]同样，可以通过另一组小波基函数来拟合表示ν(w)，即
[0029][0030]根据式(4)和(7)，式(3)中的第二部分可以表示为
[0031][0032]通过令
[0033][0034]式(8)可以简化为
[0035][0036]然后令表示式(3)中的模型参数。记其中1表示一个N维且元素全为1的列向量，则式(3)可以进一步简化为
[0037]c＝Lq
ꢀꢀ
(11)
[0038]对式(12)使用最小二乘方法，可以确定模型参数向量如下，
[0039]q＝(L
T
L)
‑1L
T
c
ꢀꢀ
(12)
[0040]当进行实时原位光谱检测时，令s
new
＝[s
new,1
,
…
,s
new,j
,
…
,s
new,M
]T
表示一条检测得到的结晶溶液光谱，将该测量光谱经过预处理之后，可以用上述模型中所确定的小波基函数表示为f
new
(w)，即
[0041][0042]其中，χ
new
＝(ΨΨ
T
)
‑1Ψs
′
new
表示由此更新的参数向量。
[0043]然后令L
new
＝[1,χ
new
P]，可得对结晶溶液浓度的预测值为
[0044][0045]上述基于小波函数标定建模的流程如图1所示。为了准确拟合实时测量的红外光谱，需要选择合适的小波基函数层数和个数。这里采用小波分析理论中的DB4作为母小波，根据其正交特性，上式(9)可简化为
[0046][0047]对母小波进行分解的层数由光谱标定模型输入变量的维数和小波分解所需的迭代采样点数目确定。对DB4母小波进行分解时，其迭代采样点的个数为：2
le本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种原位红外光谱检测结晶过程溶液浓度的小波函数标定建模方法，其特征在在于步骤如下，第一步：原位红外光谱数据的采集收集到的光谱表示为其中是第i条光谱；结晶溶液浓度数据表示为并且是第i个样本的浓度信息，N是总样本数，M是每条红外光谱中的波长变量个数；第二步：红外光谱数据的预处理将第一步采集到的红外光谱数据写成光谱数据矩阵s
i,j
，矩阵中的每一行表示各测试溶液浓度样本分别对应的一条光谱测量曲线(由在一定波长范围内的波长变量对应的吸光度数据组成，矩阵的每一列是各溶液浓度样本在同一波长下的吸光度；采用均值中心化的光谱预处理方法：采用均值中心化的光谱预处理方法：其中，s
′
i,j
是第i条样本光谱在波数w
j
处经过中心化预处理之后的吸光度值，s
i,j
是第i条样本光谱在波数w
j
处的吸光度值，表示在波数w
j
处所有样本的吸光度均值，N表示采集光谱条数；第三步：建立小波函数标定模型将第二步中预处理后的红外光谱数据作为建模集，并将建模集数据按照3:1的比例分为校正集和验证集；采用连续函数f
i
(w)来表示第i条预处理后的样本光谱s
′
i
，即其中，λ是模型的常数项，ν(w)表示回归系数向量，w1和w
M
分别表示光谱测量波段范围的上下界；为了确定式(3)中的f
i
(w)和ν(w)，使用小波基函数来构造f
i
(w)，基函数的线性组合如下，其中γ
K
(w)是第k个小波基函数，χ
i
表示相应的系数向量；为确定χ
i
，制定以下拟合目标，令Ψ＝{γ
k
(w
j
)}表示所选择的小波基函数，则式(5)的最小二乘解为χ
i
＝(ΨΨ
T
)
‑1Ψs
′
i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)同样，通过另一组小波基函数来拟合表示ν(w)，即
根据式(4)和(7)，式(3)中的第二部分表示为通过令式(8)可简化为然后令表示式(3)中的模型参数；记其中1表示一个N维且元素全为1的列向量，则式(3)进一步简化为：c＝Lq
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)对式(12)使用最小二乘方法，确定模型参数向量如下，q＝(L
T
L)
‑1L
T
c
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)当进行实时原位光谱检测时，令s
new
＝[s
new,1
,
…
,s
new,j
,
…
,s
new,M
]
T
表示一条检测得到的结晶溶液光谱，将该测量光谱经过预处理之后，用上述模型中所确定的小波基函数表示为f
new

【专利技术属性】
技术研发人员：刘涛，裴小静，仲崇权，赵珺，渠啸宇，吴洋，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：