国家教育部博士点基金(20110095110011)
- 作品数：7 被引量：47H指数：4
- 相关作者：雷萌李明吴楠董亮赵凯更多>>
- 相关机构：中国矿业大学河北出入境检验检疫局淮北矿业(集团)有限责任公司更多>>
- 发文基金：国家教育部博士点基金国家自然科学基金江苏省研究生培养创新工程项目更多>>
- 相关领域：自动化与计算机技术矿业工程理学更多>>
- 煤粒度对煤质近红外定量分析模型的影响被引量：8
- 2013年
- 为了减少因煤样粒度而产生的光谱采集误差,研究0.2,1,3和13mm粒度等级下的煤质近红外分析模型。采用PCA方法提取特征信息,建立基于GA-BP和GA-Elman神经网络算法的定量分析模型。实验结果表明,经数据归一化与多元散射校正预处理后,0.2mm粒度等级的光谱与煤炭标准之间的相关性最强,模型的学习精度最高;经平滑处理后1mm粒度等级的分析结果最佳。平滑法对特征谱峰不明显的光谱的预处理效果较差,多元散射校正方法的适用性最强。在0.2mm粒度等级下原光谱的信息准确度最高,1和3mm其次,13mm最差。煤样粒度越大,光谱的不稳定因素越多,从而导致分析模型的负面影响增加。
- 雷萌李明吴楠李颖娜程玉虎
- 关键词：近红外光谱分析技术光谱预处理
- 煤质近红外分析模型中争议光谱的判别被引量：2
- 2013年
- 针对煤质近红外分析模型中光谱样本的特点,提出了基于并行最小二乘回归估计(P-LSRE)方法的争议光谱判别。首先,将光谱的全谱区划分为4个子区间,利用并行最小二乘回归估计方法以中心光谱为基准并行拟合建模光谱数据集;然后,以由相似度与相异度构成的相关性测度为衡量标准判别原光谱与拟合光谱的相关关系;最后,对判别信息进行有机融合标定光谱的属性。实验结果表明,该方法可准确地识别争议光谱,且具有较强的泛化性,适用于不同信噪比的光谱数据检测。
- 雷萌李明石莹
- 参数自适应Sontag控制器在双模EMPC中的应用被引量：1
- 2014年
- 介绍了双模经济模型预测控制(EMPC)方法,并从理论上分析了双模EMPC模式下采用Sontag控制器进行状态驱动的可行性。针对双模EMPC在状态驱动过程中出现的经济次优问题,提出了Sontag控制器参数自适应更新方案。该方案在状态驱动期间根据最有经济性能指标实时修正控制器参数,从而兼顾经济效益和稳定性。从代价函数的角度进行理论推导,确定了参数自适应更新方案的实施步骤。通过一个二阶振荡器实例展示了该方法的有效性和可行性。
- 雷汝海黄静雯王军
- 关键词：代价函数
- 一种煤炭近红外光谱数据预处理方法研究被引量：3
- 2015年
- 针对煤炭原始近红外光谱数据中存在噪声的问题,提出了基于De-SNV与小波阈值去噪组合的煤炭近红外光谱数据预处理方法。采用缺省软阈值法进一步对经过Savitzky-Golay平滑和De-SNV处理的光谱数据去噪,并分别建立了水分、灰分和挥发分的PLS校正模型,通过分析模型的预测性能对该方法的有效性进行评估。实验结果表明,经过该方法预处理的光谱数据所对应的PLS校正模型性能明显优于使用原始光谱数据所建立的PLS校正模型,水分、灰分和挥发分的PLS校正模型的预测均方根误差分别降低至0.007 07,0.040 8,0.008 66,决定系数分别提高至0.858 7,0.743 8,0.778 5。
- 李明李翠雷萌
- 关键词：近红外光谱小波阈值去噪
- 采用KPCA特征提取的近红外煤炭发热量预测模型被引量：22
- 2012年
- 近红外光谱分析技术通过搭建基于GA-BP神经网络方法的定量分析模型,实现煤炭发热量的快速评估。为了提高模型的学习速度和精度,必须对光谱信息进行数据处理。该过程属于复杂的非线性问题,经典的线性主成分分析方法具有一定的局限性,因此采用了一种基于多项式核主成分分析特征提取方法。通过分析主成分的特征值筛选异常样本。实验结果表明,该方法提取的特征信息主成分集中度高、降维效果明显、与输出变量间的相关性好,且能够准确判断出异常样本,大幅度提高了模型的准确性,为近红外煤质分析模型提供了一种分析速度快、准确率高的有效数据处理方法。
- 雷萌李明
- 关键词：近红外光谱分析技术核主成分分析煤炭发热量
- 基于神经网络集成的挥发分近红外回归模型被引量：10
- 2013年
- 针对煤炭光谱特征信息分散的现象,提出了基于神经网络集成的挥发分近红外回归模型.该模型引入集成学习的思想,综合SOM,RBF,BP和Elman神经网络学习算法的优势,通过求各子模型的输出均值获得最终的预测结果.为了减小因算法参数设置不当而引起的学习误差,根据各网络算法的特点,利用经验知识、交叉验证和遗传算法优化模型参数.研究结果表明:经相同算法优化后,集成学习模型的性能明显优于单一神经网络,其最大误差小于3%,比单一神经网络小1～2倍.该方法有效地提高了模型的学习精确度,且具有较好的泛化性,适用于复杂多变的非线性煤质近红外回归问题.
- 雷萌李明吴楠董亮
- 关键词：神经网络参数优化
- 近红外光谱灰分预测模型中煤炭样本的优化方法被引量：9
- 2012年
- 针对近红外光谱灰分预测模型中样本数据特有的问题,首先采用主成分分析方法剔除建模样本集中的异常样本,并提取出煤炭光谱的特征信息;然后提出一种集成自组织映射神经网络和模糊C均值聚类算法的双层聚类方法,将样本集分为5个子集,并滤除其中的争议点;最后搭建基于GA-BP神经网络的煤炭灰分预测子模型,单独分析各子集的测试集样本。实验结果表明,基于主成分分析和双层聚类方法的煤炭样本优化方法不仅能准确排除异常样本和可疑样本,还能有效地压缩样本数据,使得各子模型的学习精度和运算速度得到显著提高。该方法为近红外光谱煤质分析技术的发展应用提供了一种有效可行的新途径。
- 赵凯雷萌
- 关键词：煤质分析近红外光谱分析
