針對傳統(tǒng)參數(shù)校準(zhǔn)方法誤差值較大、導(dǎo)致酒店食品安全檢測效果差的問題,引入非參數(shù)模型,根據(jù)相關(guān)指標(biāo)確定檢測儀器參數(shù)標(biāo)準(zhǔn)后,檢測校準(zhǔn)信號并獲取實際測量數(shù)值,然后建立各變量間的定量關(guān)系式,計算校準(zhǔn)信號頻率誤差,從而確定顯著性水平。基于此,加載初始化程序,得到程序控制命令,實現(xiàn)參數(shù)自動校準(zhǔn)。實驗結(jié)果表明:采用該方法完成校準(zhǔn)后,檢測結(jié)果與實際數(shù)值誤差保持在0.01～0.03之間,誤差數(shù)值較小,證明了該方法的有效性。 

【文章來源】：自動化與儀器儀表. 2020,(09)

【文章頁數(shù)】：4 頁

【部分圖文】：

自動校準(zhǔn)流程圖

由于實驗當(dāng)中需要模擬食品安全快速檢測儀的工作過程,為此選用CPNC-06型號食品安全快速檢測儀,以保證實驗的順利進(jìn)行,該型號檢測儀器實物如圖2所示。如上圖所示的檢測儀器,其各項技術(shù)指標(biāo)均能達(dá)到實驗所要求的標(biāo)準(zhǔn),為實驗的順利進(jìn)行而提供保障,該儀器具體技術(shù)指標(biāo)如表2所示。

為保證實驗的嚴(yán)謹(jǐn)性以及對照的公正性,除所需要驗證的自動校準(zhǔn)方法外,其實驗環(huán)境、實驗設(shè)備等其他條件均相同。實驗過程中需要對大量數(shù)據(jù)進(jìn)行計算分析,對實驗平臺的硬件要求較高,為此選用T330型號數(shù)據(jù)處理器完成實驗,其具體實物圖如圖3所示。如上圖所示的T330型號數(shù)據(jù)處理器具體參數(shù)如表3所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于非參數(shù)Copula-CVaR模型的碳金融市場集成風(fēng)險測度[J]. 柴尚蕾,周鵬.  中國管理科學(xué). 2019(08)
[2]用于監(jiān)控均值和方差的非參數(shù)變點(diǎn)模型[J]. 周茂袁,劉志敏,羅曉.  南開大學(xué)學(xué)報(自然科學(xué)版). 2019(04)
[3]參數(shù)估計和變量選擇的二次推斷函數(shù)方法研究新進(jìn)展[J]. 趙明濤,許曉麗.  統(tǒng)計與決策. 2019(15)
[4]基于U曲線法的半?yún)?shù)模型中正則化參數(shù)確定[J]. 周巖,靳奉祥,梁慶華,馬德鵬.  中南大學(xué)學(xué)報(自然科學(xué)版). 2019(07)
[5]河南省農(nóng)業(yè)綠色發(fā)展績效研究——基于DEA非參數(shù)效率模型[J]. 賈淼,劉清娟.  糧食科技與經(jīng)濟(jì). 2019(06)
[6]基于Android平臺的分光光度法食品安全檢測儀[J]. 胡冠生,張濤.  機(jī)電技術(shù). 2019(02)
[7]中國產(chǎn)業(yè)結(jié)構(gòu)與全要素生產(chǎn)率的互動關(guān)系——基于非參數(shù)Malmquist指數(shù)與VAR模型[J]. 高建勇,汪浩瀚.  科技與管理. 2019(03)
[8]基于非參數(shù)正態(tài)圖模型的差異網(wǎng)絡(luò)分析——肝細(xì)胞癌生存時間樞紐基因的篩選[J]. 李晶,張奇,任雨冬,劉艷.  實用預(yù)防醫(yī)學(xué). 2019(04)
[9]基于自適應(yīng)差分進(jìn)化算法的水稻物候期預(yù)測模型參數(shù)自動校正[J]. 姜海燕,趙空暖,湯亮,李玉碩,楊華.  農(nóng)業(yè)工程學(xué)報. 2018(21)
[10]基于PXIe總線的位移控制系統(tǒng)現(xiàn)場校準(zhǔn)系統(tǒng)研究[J]. 李昆,何小妹,唐志鋒,王愛軍.  自動化與儀器儀表. 2017(11)



本文編號：3512007