塑料制品已經(jīng)滲透到我們生活的方方面面,由此廢棄塑料產(chǎn)品帶來了嚴(yán)重的環(huán)境問題。在有機(jī)化合物的分類識別領(lǐng)域,近紅外光譜技術(shù)的分析范圍幾乎可覆蓋全部有機(jī)化合物,本課題以近紅外光譜分析技術(shù)為基礎(chǔ),針對廢舊家電塑料的種類分析開展了相關(guān)的研究,以求能夠達(dá)到準(zhǔn)確、快速識別出廢舊家電塑料種類的目的。本課題設(shè)計的PCA算法優(yōu)化了數(shù)據(jù)處理結(jié)構(gòu),改善化學(xué)計量學(xué)的特征提取算法,選擇具有代表性的主成分維數(shù),擴(kuò)大數(shù)據(jù)之間的非線性關(guān)系,使各個主成分更具有代表性,有效降低了因光譜采集過程中產(chǎn)生的噪聲、譜帶重疊和基線漂移等干擾因素對實驗結(jié)果的影響。實驗驗證階段采集了不同批量的廢舊家電產(chǎn)品塑料片作為實驗樣品,采用PCA算法,對數(shù)據(jù)進(jìn)行算法分析,得出降維數(shù)據(jù)。采用聚類分析手段對降維后的樣本數(shù)據(jù)進(jìn)行分類識別,依據(jù)得到的實驗結(jié)果對PCA算法進(jìn)行實驗驗證。根據(jù)對比結(jié)果,優(yōu)化算法結(jié)構(gòu),提高識別精度。針對海爾新材料科技有限公司中采集的ABS、PP、PAC/PPT、PC/ABS、PS、PVC和尼龍樣本進(jìn)行實驗驗證,結(jié)果表明采用本課題設(shè)計的PCA算法得到的降維數(shù)據(jù)在經(jīng)聚類分析后,識別精度能夠達(dá)到91%,基本滿足本課題的實驗需求。對兩臺國... 

【文章來源】：青島科技大學(xué)山東省

【文章頁數(shù)】：93 頁

【學(xué)位級別】：碩士

【部分圖文】：

矯正模型的作用Figure2-1Theroleofthecorrectionmodel

青島科技大學(xué)研究生學(xué)位論文識別的選擇和檢驗?zāi)Ｐ偷倪x用上都需要做出進(jìn)一步的優(yōu)化和改進(jìn)，才能夠大幅深色顏料對于近紅外光譜識別技術(shù)的影響。本研究在軟件方面，通過改進(jìn)化學(xué)法，借助實驗不斷優(yōu)化校正模型，擴(kuò)大所選特征向量的非線性相關(guān)性，提高在上的差異性，使實驗結(jié)果更加準(zhǔn)確可靠。紅外光譜分析技術(shù)的基本方法照目前的研究狀況，為了簡化識別設(shè)備與程序，進(jìn)一步提高研究結(jié)果的準(zhǔn)確主要通過優(yōu)化矯正模型，以提高識別精度。采用 PCA 提取出最能表征樣品種，建立矯正模型并通過 K-means 聚類分析[31][32]得出判別結(jié)果。IR 對于廢舊塑料的識別過程如圖 2-2 所示：

圖 2-3 近紅外光譜識別方法Figure 2-3 Near infrared spectroscopy identification method與內(nèi)容簡析法（Principal Component Analysis ,PCA）是一種數(shù)學(xué)變換的是希望用較少的變量去解釋原來光譜中的大部分變量，將我量轉(zhuǎn)化成彼此相互獨立或不相關(guān)的變量。通常是選出比原分光譜中變量的幾個新變量，即所謂主成分，并用以解釋光識別技術(shù)是目前最為主要的一種塑料識別手段，采用此種分勢在于，提取再生塑料中的組成與結(jié)構(gòu)的特征信息，進(jìn)而確塑料樣品中的光譜數(shù)據(jù)信息和最能夠反映該樣品組成和結(jié)構(gòu)橋梁”——校正模型。校正模型最為識別手段中一個非常重要取的好壞會直接影響到檢測結(jié)果準(zhǔn)確性的高低。立校正模型之前，除了必須的光譜預(yù)處理之外，通過主成分生塑料組成和結(jié)構(gòu)的特征信息——主成分得分，這樣就能夠

【參考文獻(xiàn)】：
期刊論文
[1]電磁振動定量給料系統(tǒng)設(shè)計思路淺析[J]. 鹿建森.  工程建設(shè)與設(shè)計. 2019(05)
[2]電磁振動給料機(jī)的應(yīng)用[J]. 孟寶.  現(xiàn)代制造技術(shù)與裝備. 2018(12)
[3]電磁振動給料器的設(shè)計[J]. 王高峰,王艷平,李光輝.  起重運(yùn)輸機(jī)械. 2017(04)
[4]基于模糊PID控制的電磁式定量給料系統(tǒng)[J]. 戚俊,龔大偉,李燕,閆清泉.  食品與機(jī)械. 2016(11)
[5]電磁振動給料器隔振彈簧的設(shè)計計算[J]. 李亞靜,劉穎.  機(jī)械工程師. 2016(07)
[6]廢舊家電塑料分選技術(shù)探討[J]. 呂文建.  資源再生. 2014(10)
[7]基于主成分與聚類分析的蘋果加工品質(zhì)評價[J]. 公麗艷,孟憲軍,劉乃僑,畢金峰.  農(nóng)業(yè)工程學(xué)報. 2014(13)
[8]基于K-means聚類和SPIHT編碼的紅外圖像壓縮算法研究[J]. 楊建強(qiáng),侯建軍,劉亮.  光學(xué)與光電技術(shù). 2012(06)
[9]基于近紅外光譜技術(shù)的常見塑料快速分類方法研究[J]. 郭慧玲,鄧文怡,李曉英.  現(xiàn)代科學(xué)儀器. 2012(05)
[10]近紅外光譜技術(shù)的定性和定量分析[J]. 張榮,吳文娟.  化工時刊. 2011(09)

博士論文
[1]基于主成分分析報廢車用塑料近紅外識別技術(shù)研究[D]. 趙清華.上海交通大學(xué) 2014

碩士論文
[1]電磁振動定量給料系統(tǒng)的設(shè)計與研究[D]. 趙慶榮.東北大學(xué) 2012
[2]家電回收處理中異性塑料自動分揀原理及實驗研究[D]. 楊懿.上海交通大學(xué) 2011
[3]廢舊汽車塑料的識別技術(shù)研究[D]. 張繼游.上海交通大學(xué) 2010
[4]數(shù)據(jù)挖掘中幾種劃分聚類算法的比較及改進(jìn)[D]. 彭麗.大連理工大學(xué) 2008



本文編號：3250496