[发明专利]一种基于PSO和ε-SVR的飞灰含碳量测量方法

摘要

本发明公开了一种基于PSO和ε‑SVR的飞灰含碳量测量方法，具体步骤包括：(1)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LIBS检测设备获取定标样品的激光诱导等离子发射光谱；(2)对所获取的LIBS光谱中提取与飞灰含碳量测量相关的特征峰值光谱数据并进行归一化处理；(3)结合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)根据所确定的最佳参数和SVM构建ε‑SVR定标模型；(5)将待测飞灰样本进行处理获取光谱数据，输入到所述定标模型中，得到待测飞灰样品的含碳量。本发明方法结合人工智能算法实现LIBS应用于飞灰含碳量的测量，计算耗时短，可提高测量的准确度和精确度，适用范围广。

主权项

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。