[发明专利]基于激光多普勒测量粒子的非理想粒子分类识别方法

摘要

本发明公开了一种基于激光多普勒测量粒子的非理想粒子分类识别方法，属于粒子测量技术。该方法利用激光相位多普勒粒子测量装置，获取运动粒子特性参数的动态信息，分类识别包括以下过程：利用测量数据确定粒子的统计特性，建立被测对象参数的结构模式，用模糊模式识别获取对象的参数，综合多个特性模式实现非理想粒子的分类识别。本发明的优点在于利用粒子测量所获得数据的分析可以得到粒子参数的分散性信息，可针对粒子的多个特征进行分类识别，得到更符合测量对象实际特点的结果，避免了实际粒子的非理想特性对测量的影响。本方法可以应用于各种粒子测量数据的分析过程。

主权项

1、一种基于激光多普勒测量粒子的非理想粒子分类识别方法，该方法采用包括激光光源、起偏器、分束器、物镜和APD探测器的光学探测系统和包括信号预处理器、高速同步模数转换器、小波处理器、参数处理器、数据分析器和同步控制器的信号处理系统的激光多普勒粒子测量装置，获取运动粒子特性参数的动态信息，建立能反映粒子非理想特性的描述模式，综合多个特性模式实现非理想粒子的分类识别；并依据在激光多普勒测量粒子技术中，被测粒子直径与多普勒信号的相位差成正比，粒子的相对折射率与多普勒信号相位差的比值成正比，以及在一定范围内，粒子形状不规则情况下多普勒信号相位差服从正态分布，粒子材料特性不一致情况下多普勒信号相位差比值服从正态分布，将粒子的粒径和相对折射率定义为两种模式进行其统计特性，该统计特性反映了粒子的非理想化特性，根据其统计特性与已知模式的贴近程度，便实现粒子的分类识别，其特征在于包括以下步骤：1).利用激光多普勒粒子测量装置获得粒子的直径数据x＝{x₁，x₂，…，x_N}和相对折射率数据y＝{y₁，y₂，…，y_N}；2).将数据x、y的分布规律定义为相应的模式依据测量数据，模式的统计特征可初步估计为：均值x‾=1NΣi=1Nxi]]>y‾=1NΣi=1Nyi]]>方差σx=1N-1Σi=1N(xi-x‾)2]]>σy=1N-1Σi=1N(yi-y‾)2]]>从而建立描述模式的从属函数μ(x)、μ(y)，μ(x)、μ(y)均在[0，1]区间上取值，其大小反映了模式中元素x、y对于该模式的从属程度；3).利用测试数据调整模式的统计特征，使模式描述更准确、可靠；以粒子直径模式为例：①将数据x等间距地分为t个区间，区间间隔Δx=xmax-xmint;]]>②求各区间粒径中值d₁，d₂，…，d_t；③统计各区间内的粒子个数l₁，l₂，…，l_t，并确定最大值lmax=maxi=1t(li);]]>④求各区间归一化的粒子分布W＝(W₁，W₂，…，W_t)，其中Wi=lilmax,0≤Wi≤1;]]>⑤取x的值分别等于d₁，d₂，…，d_t，代入分布式μ(x)，得到μ_i(d_i)，i＝1，2，Λ，t，并确定最大值μmax=maxi=1t(μi(di));]]>⑥求粒子分布W′＝(W′₁，W′₂，…，W′_t)，其中Wi′=μi(di)μmax,0≤Wi′≤1;]]>⑦比较分布W′＝(W′₁，W′₂，…，W′_t)与W＝(W₁，W₂，…，W_t)，得到误差值ϵ=Σi=1t(Wi-Wi′)2;]]>⑧不断调整(x，σ_x)且重复步骤①-⑦；⑨取最小误差对应的一组(x，σ_x)作为粒径分布的参数；4).确定未知模式或与已知模式之间的相似性，定义为贴近度：其中：为未知模式与已知模式的内积，为未知模式与已知模式的外积；已知模式的分布规律是可以通过理论或实验方法获得的；5).对于未知模式若它和n个已知模式之间有不同的贴近度，于是有择近原则：则认为与最贴近，从而把归类为模式。