利用傅里叶变换红外光谱 (FTIR) 技术能够对有机物的成分及含量进行快速无损测量。作为重要的有机化工原料, 乙烯在塑料、醇类和纤维等大宗化学品的制造中有着广泛的应用, 但同时由于其易挥发性, 乙烯对环境和人体有着潜在的危害。为提高FTIR技术检测乙烯浓度模型的精度, 综合迭代保留信息变量法 (IRIV) 和模拟退火算法 (SA) 的优点, 提出了改进的IRIV-SA红外光谱波数优选算法。该方法在IRIV算法稳定选取大量光谱特征波数的基础上, 利用SA进一步筛选少量有效特征波数, 从而降低模型复杂度, 提高有机物光谱检测精度。实验首先利用IRIV-SA对乙烯红外光谱的浓度进行波数选取, 最终获取的特征波数由全光谱的271个变量降低至 5 个变量, 再利用特征波数进行建模, 结果表明其验证集相关系数、均方根误差为0.9989和0.3943, 预测集相关系数、均方根误差为0.9978和0.6652, 较全光谱建模精度有大幅提高。为进一步验证该算法的有效性, 同时建立IRIV、SA、CARS (自适应重加权采样算法)、SPA (连续投影算法) 以及IRIV-CARS、IRIV-SPA波数选取模型对相同数据集进行对比实验, 比对结果表明IRIV-SA算法优于上述 6 种波数选取方法, 是一种更有效的特征波数优选方法。

润滑油是农业机械正常作业的必要物资, 农业机械发动机工作的动力性、 安全性、 经济性以及寿命与润滑油状况有着紧密联系。 污染浓度作为油液的综合评价指标, 常规的实验室检测耗时长、 成本高, 所以开发高效的润滑油污染浓度检测技术具有重要意义。 提出了一种基于近红外光谱技术的农机润滑油污染浓度的检测方法, 同时针对随机蛙跳(RF)特征波长选择算法中迭代次数大, 结果再现性低等缺点, 提出了一种迭代保留信息变量的随机蛙跳(IRIV-RF)特征波长选择算法。 该算法一方面利用迭代保留信息变量(IRIV)算法提取出强信息变量和弱信息变量, 将其作为RF算法中的初始变量集, 消除初始变量集的随机性对结果再现性的影响。 另一方面通过对变量按被选概率值由大到小正向排序后, 从首个波长开始依次增加一个波长建立偏最小二乘回归(PLSR)模型, 选择交叉验证均方根误差(RMSECV)值最小时的变量子集为特征波长, 消除RF算法所提取的特征波长数量的不确定性。 利用近红外光谱仪采集自行配制的101份不同污染浓度的农机润滑油原始光谱数据, 选用三种不同的预处理方法分别对原始光谱进行处理, 确定最佳的预处理方法为变量标准化(SNV)。 在此基础上通过RF, IRIV和IRIV-RF三种算法分别对全谱进行特征波长选择, 并建立PLSR模型。 通过对全谱-PLSR, RF-PLSR, IRIV-PLSR以及IRIV-RF-PLSR模型的预测精度进行比较, 结果表明, 经过IRIV-RF算法提取特征波长后所建立的PLSR模型预测精度最高, 预测相关系数(R_p)为0.965 7, 预测均方根误差(RMSEP)为9.0584, 显著提升了预测精度与运行效率, 降低模型复杂程度。 IRIV-RF是一种有效的特征波长选择算法, 研究证明了近红外光谱联合改进的IRIV-RF算法检测农机润滑油污染浓度的可行性, 为鉴定润滑油品质提供了一种新的思路。