[发明专利]一种基于PSO和ε-SVR的飞灰含碳量测量方法

权利要求书

1.一种基于PSO和ε-SVR的飞灰含碳量测量方法，其特征在于，具体步骤包括：

(1)定标飞灰样品光谱数据测定：选取源于实际电厂的含碳量不同的飞灰样品作为定标样品，利用激光诱导击穿光谱检测设备获取样品的激光诱导等离子体发射光谱；

(2)提取特征峰值数据：从每个定标样品的光谱数据中提取m种特征光谱，包括L种与碳相关的特征光谱和n种飞灰中主要的基体元素的特征光谱，L≥2，n≥4；

(3)归一化处理及参数寻优：对步骤(2)提取的m种特征光谱的峰值进行归一化处理，利用PSO粒子群优化算法对归一化处理后的光谱数据进行基于飞灰含碳量测量的支持向量机相关参数的寻优；

(4)构建定标回归模型：对归一化处理后的定标样品，利用SVM支持向量机和步骤(3)寻优得到的最佳参数构建基于特征光谱数据的飞灰含碳量的ε-SVR支持向量机定标回归模型；

(5)预测待测飞灰样品含碳量：利用激光诱导击穿光谱检测设备获取待测飞灰样本的光谱数据，提取相关的特征峰值并归一化处理后，将其输入到步骤(4)所建立的定标回归模型中，进而得到待测飞灰样品的含碳量。

2.根据权利要求1所述的基于PSO和ε-SVR的飞灰含碳量测量方法，其特征在于：所述步骤(1)中，利用激光诱导击穿光谱检测设备获取含碳量不同的飞灰样品的等离子体发射光谱，具体方法为：

利用Nd:YAG脉冲激光，经过透镜聚焦后与位于样品平移台上的飞灰样品作用，通过移动样品平移台，改变飞灰样品的位置，进而改变激光与飞灰样品的作用位置，从而获取同一飞灰样品不同位置的发射光谱；将所获得的光谱数据进行平均处理，进而得到某一个飞灰样品的激光诱导击穿光谱数据；对不同含碳量飞灰样品重复上述方法，得到不同含碳量飞灰样品的光谱数据。

3.根据权利要求1所述的一种基于PSO和ε-SVR的飞灰含碳量测量方法，其特征在于：所述步骤(2)中，提取L种与碳相关的特征光谱，包括C和CN的特征光谱；提取n种飞灰样品主要的基体元素的特征光谱，包括Si、Al、Mg、Fe元素的特征光谱。

4.根据权利要求1所述的一种基于PSO和ε-SVR的飞灰含碳量测量方法，其特征在于，所述的步骤(3)具体包括下述步骤：

(3-1)将不同样品的L种特征峰光谱数据按维度归一化处理至[-1,1]，即根据每列中的最大原始值为x_max、最小的原始值为x_min，以原始光谱数据为x，则归一化后的数值为x^{normalization}，可表示为：

(3-2)将归一化处理后的特征峰值光谱数据和定标样品的飞灰含碳量作为定标模型数据，利用PSO粒子群优化算法以定标样品的交叉验证回归均方误差MSE最小为目标，让ε-SVR支持向量回归机中的参数-惩罚因子c、核函数参数g和损失函数值p在一定范围内取值，进而确定最佳的c、g、p参数；回归均方误差MSE的计算公式如下：

式中，y_reference为碳含量参考值，y_predicted为碳含量预测值，N交叉验证回归过程中的测试集样本数。

5.根据权利要求4所述的一种基于PSO和ε-SVR的飞灰含碳量测量方法，其特征在于，所述步骤(3-2)中，采用的PSO粒子群优化算法原理为：在解空间中每个粒子同时向2个点进行逼近，第一个点是整个粒子群中所有粒子在各代搜索过程中所达到的全局最优解q_best，另一个点为每个粒子在各代搜索过程中自身所达到的个体最优解p_best，通过迭代更新粒子的位置和速度。