1 新疆大学电气工程学院, 新疆 乌鲁木齐 830047
2 西安交通大学能源动力工程学院, 陕西 西安 710049
为提高全血血红蛋白浓度预测模型的预测精度, 基于近红外光谱分析, 首先对原始全血透射光谱数据分别进行均值中心化、 标准化、 标准正态变量变换(SNV)、 多元散射校正(MSC)以及Savitzky-Golay(SG)卷积平滑结合MSC的预处理操作, 最终选择预处理效果最好的SG-MSC方法作为数据预处理方法, 其最大相关系数达到0.944 1。 对SG平滑的平滑窗口宽度进行讨论, 找出平滑效果最好的窗口宽度为27。 数据预处理消除了全血吸收光谱的基线失真, 提高了全血吸收光谱数据的信噪比。 将190个样本(190个血红蛋白浓度对应的透射光谱数据)分为具有相近血红蛋白浓度分布的校正集和测试集, 其中校正集为143个样本(对应血红蛋白浓度分布为10.6~17.3 g·dL-1), 测试集为47个样本(对应血红蛋白浓度分布为10.3~17.3 g·dL-1), 确保建立模型的适用性。 对校正集数据预处理后利用蒙特卡洛无信息变量消除(MC-UVE)方法对其进行波长变量选择, 剔除含信息量少的波长点, 提高含信息量多的波长占比。 设置蒙特卡洛迭代次数为1 000, 最终从全血吸收光谱的700个波长变量中筛选出191个波长变量用于建立全血血红蛋白浓度偏最小二乘(PLS)回归模型。 对比分析原始全血透射光谱全谱PLS模型、 原始全血吸收光谱全谱PLS模型、 预处理全血吸收光谱全谱PLS模型、 SG-MSC-MC-UVE-PLS模型以及已有二阶导数PLS模型的模型效果, 表明基于SG-MSC-MC-UVE-PLS算法的全血血红蛋白浓度预测模型效果较其他模型效果更优, 预测相关系数由0.676 3提高到0.979 1, 预测集均方根误差由0.898 1减小到0.220 3, 最大绝对误差由2.426 1减小到0.411 2。 同时, 利用MC-UVE方法进行波长变量选择, 在保证预测精度的前提下, 筛选出建模的波长个数更少, 有利于提高模型计算效率。 研究结果表明, SG-MSC-MC-UVE-PLS方法能够提高全血吸收光谱信号的信噪比, 简化模型结构, 提高模型的预测精度和计算效率, 对推动血红蛋白浓度检测技术的发展具有进步意义。
近红外光谱 全血血红蛋白浓度预测 光谱信号预处理 无信息变量消除 Near-infrared spectroscopy Whole blood hemoglobin concentration detection Spectral signals preprocessing Uninformed variable elimination 光谱学与光谱分析
2021, 41(9): 2754
湖南大学 汽车车身先进设计制造国家重点实验室, 长沙 410082
为了研究铝合金激光焊接过程中镁元素的蒸发烧损, 采用特殊设计的实验装置采集了激光深熔焊接5052铝合金过程中孔内等离子体的光谱信号, 并用电子探针显微分析仪检测了焊缝中的镁元素。发现激光焊接工艺参量对工件表面的镁元素等离子体信号强度的影响很大, 小孔中各位置的光谱强度是变化的, 在小孔的径向方向MgⅠ的相对强度逐渐减小, 而在小孔的深度方向先增加后降低; 焊缝区镁元素含量的变化趋势与光谱强度的变化趋势相反。结果表明, 采用光谱仪能够监测激光焊接铝合金过程中镁元素的烧损; 小孔中不同位置处镁元素的烧损主要由各位置吸收的激光能量决定, 材料吸收的激光能量越高, 镁元素的烧损越大。
激光技术 镁元素烧损 激光焊接 铝合金 光谱信号 laser technique magnesium element burning loss laser welding aluminum alloy spectral signals
