[发明专利]一种基于CPLS的红外光谱测量仪器标定迁移方法有效
申请号: | 202010045812.3 | 申请日: | 2020-01-16 |
公开(公告)号: | CN111220565B | 公开(公告)日: | 2022-07-29 |
发明(设计)人: | 赵煜辉;刘晓东;李雪晶;芦鹏程 | 申请(专利权)人: | 东北大学秦皇岛分校 |
主分类号: | G01N21/359 | 分类号: | G01N21/359 |
代理公司: | 沈阳东大知识产权代理有限公司 21109 | 代理人: | 梁焱 |
地址: | 066004 河北省秦*** | 国省代码: | 河北;13 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 cpls 红外 光谱 测量 仪器 标定 迁移 方法 | ||
1.一种基于CPLS的红外光谱测量仪器标定迁移方法,其特征在于,包括下述步骤:
步骤1:将红外光谱测量主仪器对应到源域、将红外光谱测量从仪器对应到目标域,使用红外光谱测量主仪器、红外光谱测量从仪器采集每个样本的光谱,分别得到主光谱、从光谱,对主光谱、从光谱分别在波长范围内间隔anm提取光谱数据,并采集每个样本的物质浓度变量值,得到源域数据集{Xm,Y}和目标域数据集{Xs,Y};
其中,Xm=(Xm1,Xm2,...,Xmi,...,XmI)T,Xmi=(xmi1,xmi2,...,xmij,...,xmiJ),Xs=(Xs1,Xs2,...,Xsi,...,XsI)T,Xsi=(xsi1,xsi2,...,xsij,...,xsiJ),xmij、xsij分别为第i个样本的第j个主光谱数据、从光谱数据,i=1,2,...,I,j=1,2,...,J,I为样本总数,J为提取的光谱数据点总数;Y=(Y1,Y2,...,Yi,...,YI)T,Yi=(yi1,yi2,...,yik,...,yiK),yik为第i个样本的第k个物质浓度变量的值,k=1,2,...,K,K为物质浓度变量总数;
步骤2:对源域数据集和目标域数据集进行中心化处理,得到中心化处理后的源域数据集{Xm_center,Ycenter}和目标域数据集{Xs_center,Ycenter};
步骤3:基于CPLS算法对矩阵Xm_center、Ycenter进行主成分分析:
步骤3.1:基于PLS算法对数据集{Xm_center,Ycenter}建立标定模型Ycenter=Xm_centerB,计算得到系数矩阵B、Xm_center的得分矩阵T、Xm_center的载荷矩阵P、Ycenter的得分矩阵U、Ycenter的载荷矩阵Q,引入矩阵R使T=Xm_centerR,并确定潜在变量个数l;
步骤3.2:计算可预测的物质浓度变量为
对可预测的物质浓度变量进行奇异值分解,得到
其中,Uc为左奇异矩阵,Dc为奇异值对角矩阵,Vc为右奇异矩阵,Vc是正交矩阵;Qc=VcDcT,包括降序的lc个非零奇异值和相应的右奇异向量;
由式(2)得到
得到
Rc=RQTVcDc-1 (4)
步骤3.3:计算不可预测的物质浓度变量为
对不可预测的物质浓度变量进行主成分提取,得到ly个主成分数为
其中,为的输出残差矩阵;
通过式(6)求出矩阵
步骤3.4:通过在空间上Rc投影,得到与物质浓度变量无关的输入变量为
其中,Rc*=(RcTRc)-1RcT;
对与物质浓度变量无关的输入变量进行主成分提取,得到lx个主成分数为
其中,为的输入残差矩阵;
通过式(8)求出矩阵
步骤3.5:由步骤3.1至步骤3.4,得到Xm_center、Ycenter的经PLS算法提取的主成分分别为Xm_pre=TPT、Ypre=UQT,Xm_center、Ycenter的残差分别为Xm_res_c=Xm_center-Xm_pre、Yres_c=Ycenter-Ypre,也即得到
步骤4:采用与步骤3中相同的方法对矩阵Xs_center进行主成分分析,得到Xs_center的残差为Xs_res_c;
步骤5:计算主光谱经PLS算法提取主成分后源域数据集的得分Tm_pre=Xm_centerR,计算从光谱经PLS算法提取主成分后目标域数据集的得分Ts_pre=Xs_centerR,根据Tm_pre、Ts_pre基于最小二乘法计算转移矩阵Mtrans_pre;计算主光谱对残差提取主成分后源域数据集的得分Tm=Xm_res_cP,计算从光谱对残差提取主成分后目标域数据集的得分Ts=Xs_res_cP,根据Tm、Ts基于最小二乘法计算转移矩阵Mtrans;
步骤6:对被测对象的物质浓度变量进行预测:
步骤6.1:使用红外光谱测量从仪器采集被测对象的光谱,使用与步骤1中相同的方法提取光谱数据,得到被测对象的J个从光谱数据构成的矩阵Xs_test;
步骤6.2:基于CPLS算法对Xs_test进行主成分分析,得到Xs_test的残差为Xs_res_c_test;
步骤6.3:预测被测对象的物质浓度变量构成的矩阵为Ytest_predict=(Xs_test*R*Mtrans_pre*PT+Xs_res_c_test*R*Mtrans*PT)*B。
2.根据权利要求1所述的基于CPLS的红外光谱测量仪器标定迁移方法,其特征在于,所述步骤1中,所述样本为谷物,所述光谱数据为吸收度,所述物质浓度变量包括谷物的水分含量、油分含量、蛋白质含量、淀粉含量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东北大学秦皇岛分校,未经东北大学秦皇岛分校许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010045812.3/1.html,转载请声明来源钻瓜专利网。