拉曼光谱技术由于其快速、简单且无损等优势, 广泛地应用于组分的定量分析。目前常用的定量回归方法包括偏最小二乘、人工神经网络、支持向量机等, 为寻求新方法, 本文对41组葡萄糖样本的拉曼光谱数据研究, 以极限学习机为定量回归基础, 结合遗传算法、粒子群算法、人工蜂群算法等优化算法, 比较分析后提出一种新型自适应差分进化的人工蜂群算法应用于极限学习机, 该模型对差分进化的变异率和交叉率做了调整, 能够降低极限学习机容易陷入局部最优和差分进化对参数依赖性大的问题, 优化后模型的评价指标较传统极限学习机和基于其它优化算法都有显著提升。实验表明, 基于自适应差分进化人工蜂群算法的极限学习机提高了预测精确度和模型稳健性。

实时在线气体检测在石油化工、 现代工业、 环境、 医学诊断、 智能电网中变压器在线监测等领域具有非常重要的意义。 光声光谱气体检测技术是一种基于光声效应的气体检测技术, 由于其具有检测灵敏度高、 选择性强、 分辨率高、 检测范围宽、 可实时在线监测等优点, 已被广泛用于痕量气体检测。 在光声光谱系统中, 光声池是最重要的组成部分, 其性能的好坏对于系统检测灵敏度和分辨率有着直接的影响。 近些年来, 光声光谱气体检测系统主要采用标准圆柱形共振光声池, 系统的检测灵敏度和分辨率主要由微音器决定。 为了进一步提高光声光谱法对于痕量气体检测的灵敏度和分辨率, 对光声池进行深入研究分析, 提出一种高灵敏度的椭球形共振光声池。 结合气体热动力学和声学理论, 利用COMSOL软件中的热声学模块分别对椭球形光声池和传统的圆柱形光声池进行了有限元方法分析, 建立了其声学特征模型, 并且对光声池的共振频率, 光声池谐振腔内的声压分布情况以及声压级大小等声学特性进行了仿真研究。 模拟了椭球形光声池的共振频率和声压信号大小与光声池谐振腔长度和中心半径之间的关系, 从而优化了光声池的尺寸结构, 选取了长度为100 mm, 中心半径为5 mm的椭球形光声池最优结构, 与相同外部尺寸下的传统圆柱形光声池进行了对比分析。 结果表明, 椭球形光声池的共振频率为1 340 Hz, 处于共振状态时产生的声压信号达到了5.01×10-5 Pa, 声压级为11 dB, 品质因数为70; 圆柱形光声池共振频率为1 650 Hz, 共振状态下产生的声压信号大小为5.7×10-6 Pa, 声压级为-13.9 dB, 品质因数为66。 对比可知, 椭球形光声池的共振频率明显小于圆柱形光声池, 且最大声压信号是同尺寸圆柱形共振光声池的8.78倍, 声压级提高了24.9 dB。 由此可知, 设计的椭球形共振光声池体积小, 声压信号大, 检测灵敏度高, 光声池的性能有了明显提升, 对于光声光谱法用于微痕量气体检测的灵敏度提高有着重要意义。