[发明专利]一种基于小波神经网络算法的煤灰种类识别方法有效
| 申请号： | 201611100975.7 | 申请日： | 2016-12-05 |
| 公开（公告）号： | CN106841170B | 公开（公告）日： | 2020-10-02 |
| 发明（设计）人： | 张天龙;李华;汤宏胜 | 申请（专利权）人： | 西北大学 |
| 主分类号： | G01N21/71 | 分类号： | G01N21/71;G06N3/04;G06N3/08 |
| 代理公司： | 西安西达专利代理有限责任公司 61202 | 代理人： | 谢钢 |
| 地址： | 710069 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于小波神经网络算法结合激光诱导击穿光谱技术的煤灰种类识别方法。利用激光诱导击穿光谱仪对煤灰薄片样品分别在不同的测量位点进行光谱数据采集，利用独立成分分析对训练集数据进行特征变量筛选，采用梯度下降法对小波神经网络模型参数进行优化，并预测未知煤灰样品的所属类别。该方法通过有效提取类间差异信息，同时剔除了与分析变量无关的噪音信息，减少了实验过程中参数波动和基体效应造成的不良影响，提高了分类结果的准确率。 | ||
| 搜索关键词： | 一种 基于 神经网络 算法 煤灰 种类 识别 方法 | ||
【主权项】：
一种基于小波神经网络算法结合激光诱导击穿光谱技术的煤灰种类识别方法，其特征包括如下步骤： 1）首先煤灰样品压成薄片，然后利用激光诱导击穿光谱仪对不同种类的煤灰薄片样品分别在不同的测量位点进行光谱数据采集； 2）从所有煤灰样品对应的光谱数据中随机挑选占样品总量2/3的煤灰样品光谱数据作为训练集，其余样品对应的光谱数据作为测试集； 3）利用独立成分分析对训练集数据进行光谱特征变量筛选，并将优化的光谱特征变量作为输入变量构建分类模型；4）采用梯度下降法对小波神经网络模型参数进行优化；5) 利用优化后的模型参数构建小波神经网络分类模型，并预测未知煤灰样品的所属类别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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西北大学，未经西北大学许可，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/patent/201611100975.7/，转载请声明来源钻瓜专利网。
- 上一篇：智能骨关节康复机器人
- 下一篇：回旋式摇床
