在聚合物加工領(lǐng)域,在線光譜測量系統(tǒng)已進入應(yīng)用于擠出加工中聚合物測量與表征的實驗階段,然而在線光譜受到擠出環(huán)境高溫高壓等因素的影響,信噪比大,數(shù)據(jù)波動明顯,傳統(tǒng)的數(shù)據(jù)處理方法難以對在線光譜數(shù)據(jù)進行有效處理,無法滿足測量表征準(zhǔn)確性和穩(wěn)定性需求,于是本文利用機器學(xué)習(xí)方法對聚合物在線光譜數(shù)據(jù)進行分析以實現(xiàn)測量準(zhǔn)確性與穩(wěn)定性的提高,這對未來光譜測量技術(shù)應(yīng)用于實際加工過程的基礎(chǔ)奠定以及應(yīng)用拓寬具有重要意義。本文以通用塑料PP與PS為研究對象,通過自主開發(fā)的聚合物在線光譜測量系統(tǒng),對擠出過程中聚合物熔體的在線光譜數(shù)據(jù)進行在線測量,以實際生產(chǎn)中的不同牌號PS的聚類分析與分類識別、PP/PS共混物的組分含量準(zhǔn)確穩(wěn)定測量以及PP/PS共混物組分含量離線測量模型的在線遷移此三個場景的應(yīng)用來驗證機器學(xué)習(xí)方法的應(yīng)用價值。研究結(jié)果表明:1)相較于拉曼光譜,近紅外光譜的信號強度大,信噪比高,數(shù)據(jù)可分性更高,運用人工神經(jīng)網(wǎng)絡(luò)和支持向量機對不同牌號PS的近紅外光譜進行分類識別,其中最優(yōu)的人工神經(jīng)網(wǎng)絡(luò)模型平均預(yù)測正確率為94.7%,支持向量機模型的預(yù)測準(zhǔn)確率為98.4%,正確率均較高,實現(xiàn)了五種不同牌號PS的在線分類識別... 

【文章頁數(shù)】：86 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 光譜測量技術(shù)簡介
        1.2.1 光譜預(yù)處理方法
        1.2.2 光譜建模方法
        1.2.3 模型評估指標(biāo)
    1.3 機器學(xué)習(xí)方法簡介
        1.3.1 傳統(tǒng)機器學(xué)習(xí)
        1.3.2 強化學(xué)習(xí)
        1.3.3 遷移學(xué)習(xí)
    1.4 國內(nèi)外研究現(xiàn)狀
        1.4.1 機器學(xué)習(xí)結(jié)合光譜應(yīng)用于聚合物定性分析研究
        1.4.2 機器學(xué)習(xí)結(jié)合光譜應(yīng)用于聚合物性質(zhì)定量分析研究
    1.5 研究目的、內(nèi)容及意義
        1.5.1 研究目的
        1.5.2 研究內(nèi)容
        1.5.3 研究意義
第二章 聚合物擠出在線光譜測量系統(tǒng)
    2.1 硬件系統(tǒng)
        2.1.1 硬件系統(tǒng)簡介
        2.1.2 單螺桿擠出機
        2.1.3 近紅外光譜采集儀器
        2.1.4 拉曼光譜采集儀器
        2.1.5 擠出在線測量模塊
    2.2 數(shù)據(jù)采集軟件
    2.3 本章小結(jié)
第三章 不同牌號聚苯乙烯聚類分析與分類識別
    3.1 問題的提出
    3.2 理論與方法
        3.2.1 主成分分析
        3.2.2 K-means算法
        3.2.3 模糊C均值聚類算法
        3.2.4 人工神經(jīng)網(wǎng)絡(luò)
        3.2.5 支持向量機
    3.3 實驗與數(shù)據(jù)
        3.3.1 實驗
        3.3.2 譜圖分析
    3.4 光譜信號可分性分析
        3.4.1 K-means聚類分析結(jié)果
        3.4.2 模糊C均值聚類分析結(jié)果
    3.5 光譜信號分類識別
        3.5.1 人工神經(jīng)網(wǎng)絡(luò)分類結(jié)果
        3.5.2 支持向量機分類結(jié)果
    3.6 本章小結(jié)
第四章 PP/PS共混物組分含量在線測量
    4.1 問題的提出
    4.2 理論與方法
        4.2.1 數(shù)據(jù)融合
        4.2.2 極限學(xué)習(xí)機
    4.3 實驗與數(shù)據(jù)
        4.3.1 實驗
        4.3.2 譜圖分析
    4.4 光譜特征峰峰值建模結(jié)果
        4.4.1 近紅外光譜特征峰建模結(jié)果
        4.4.2 拉曼光譜特征峰建模結(jié)果
    4.5 機器學(xué)習(xí)方法的光譜建模結(jié)果
        4.5.1 機器學(xué)習(xí)方法的近紅外光譜建模結(jié)果
        4.5.2 機器學(xué)習(xí)方法的拉曼光譜建模結(jié)果
    4.6 機器學(xué)習(xí)方法的光譜融合數(shù)據(jù)建模結(jié)果
        4.6.1 低級融合數(shù)據(jù)建模結(jié)果
        4.6.2 中級融合數(shù)據(jù)建模結(jié)果
    4.7 機器學(xué)習(xí)模型預(yù)測結(jié)果對比
    4.8 本章小結(jié)
第五章 PP/PS共混物組分含量離線測量模型的在線遷移
    5.1 問題的提出
    5.2 理論與方法
        5.2.1 數(shù)據(jù)增強
        5.2.2 Tr Ada Boost算法
    5.3 實驗與數(shù)據(jù)
        5.3.1 實驗
        5.3.2 譜圖分析
    5.4 數(shù)據(jù)增強后建模結(jié)果
    5.5 遷移學(xué)習(xí)后建模結(jié)果
    5.6 本章小結(jié)
結(jié)論與展望
    結(jié)論
    展望
參考文獻
攻讀碩士學(xué)位期間取得的研究成果
致謝
附件


【參考文獻】：
期刊論文
[1]基于過程檢測的塑料加工特性數(shù)據(jù)庫系統(tǒng)[J]. 張飛,游劍,王蒙蒙,晉剛,陳俊.  塑料工業(yè). 2019(09)
[2]近紅外光譜的不同牌號聚乳酸識別方法[J]. 朱世超,游劍,晉剛,雷玉,郭雪媚.  光譜學(xué)與光譜分析. 2018(10)
[3]塑料激光誘導(dǎo)擊穿光譜技術(shù)快速分類應(yīng)用研究[J]. 孫倩倩,杜敏,郭連波,郝中騏,易榮興,李嘉銘,劉建國,沈萌,李祥友,曾曉雁,陸永楓.  光譜學(xué)與光譜分析. 2017(07)
[4]藥物粉末混合過程在線監(jiān)控技術(shù)研究進展[J]. 薛忠,徐冰,張志強,史新元,付靜,杜新剛,喬延江.  中國藥學(xué)雜志. 2016(02)
[5]化學(xué)計量學(xué)方法在光譜解析中的應(yīng)用進展[J]. 夏祥華,屈嘯聲,孫漢文.  化學(xué)研究與應(yīng)用. 2015(06)
[6]近五年我國近紅外光譜分析技術(shù)研究與應(yīng)用進展[J]. 褚小立,陸婉珍.  光譜學(xué)與光譜分析. 2014(10)
[7]遷移學(xué)習(xí)研究進展[J]. 莊福振,羅平,何清,史忠植.  軟件學(xué)報. 2015(01)
[8]支持向量機算法在激光誘導(dǎo)擊穿光譜技術(shù)塑料識別中的應(yīng)用研究[J]. 于洋,郝中騏,李常茂,郭連波,李闊湖,曾慶棟,李祥友,任昭,曾曉雁.  物理學(xué)報. 2013(21)
[9]基于主成分分析和人工神經(jīng)網(wǎng)絡(luò)的激光誘導(dǎo)擊穿光譜塑料分類識別方法研究[J]. 王茜蒨,黃志文,劉凱,李文江,閻吉祥.  光譜學(xué)與光譜分析. 2012(12)
[10]近紅外光譜的數(shù)據(jù)預(yù)處理研究[J]. 高榮強,范世福,嚴(yán)衍祿,趙麗麗.  光譜學(xué)與光譜分析. 2004(12)

碩士論文
[1]基于拉曼光譜的聚合物二元共混體系擠出過程在線測量與表征方法研究[D]. 黃曦.華南理工大學(xué) 2017
[2]在線近紅外光譜測量與表征PLA/PBAT共混擠出過程研究[D]. 陳如黃.華南理工大學(xué) 2016
[3]基于實例和特征的遷移學(xué)習(xí)算法研究[D]. 戴文淵.上海交通大學(xué) 2009



本文編號：3714595