在线近红外光谱检测的标定建模及工程应用.pdf
硕士学位论文
在线近红外光谱检测的标定建模及工程应用
CalibrationModelingandEngineeringApplicationofOnline
NearInfraredSpectroscopyDetection
作者姓名：渠啸宇
学科、专业：控制科学与工程
学号：
指导教师：刘涛教授
完成日期：2023年6月1日
大连理工大学
DalianUniversityofTechnology
大连理工大学硕士学位论文
摘要
近红外光谱（NearInfraredSpectroscopy，NIRS）检测技术是一种快速、无损的分析
方法，具有广泛的应用前景。随着生产制造业的发展，工业自动化水平不断提高，对于
高效、精确和快速的质量检测需求不断增加。然而，传统的检测方法存在着检测效率低、
检测精度不高等问题。因此，近年来，基于NIRS检测技术的机器学习建模方法成为了
一个研究热点。通过对近红外光谱数据进行处理和分析，建立预测模型，可以实现对物
质成分、含量等相关参数的快速准确测量和预测。本论文将着重探讨基于近红外光谱检
测技术的机器学习建模方法在流化床干燥和水煤浆管道运输等实际工业应用中的研究
进展和应用前景。
首先，针对传统检测方法对流化床干燥过程中颗粒含水量检测效果差的问题，提出
了一种基于改进的灰狼优化（GreyWolfOptimizer，GWO）的支持向量机（SupportVector
Machine，SVM）光谱标定建模方法。首先进行了基于流化床干燥过程NIRS在线监测
平台的数据采集工作。然后根据光谱数据特点和模型预测效果，选择了去趋势（Detrend）
算法对光谱进行预处理。为验证该方法的有效性，利用单组分流化床干燥和多组分乳酸
发酵光谱数据进行建模对比。最终实验结果表明，该方法相比于已有方法在预测精度上
有着明显提升，为生化过程中NIR光谱原位测量提供了新的方法。
其次，针对水煤浆管道传输实际工业过程中浓度检测不准确、检测过程繁琐且无法
实时预测水煤浆浓度的问题，提出了一种基于移动平均（MovingAverage，MA）预处理
的SVM实时光谱预测模型。基于实际工业现场搭建了NIRS离线和在线检测平台，并
进行了实验设计和数据采集。对离线的水煤浆光谱数据采用不同的光谱预处理方法，并
建立多个模型进行对比。通过均方误差（MeanSquareError，MSE）和相对偏差比（Relative
DeviationRatio，RDR）的评价得到最优模型。然后利用在线水煤浆光谱数据对模型进行
验证，实验结果显示出所建立的光谱模型离线与在线预测的准确性。
最后，根据具体的用户需求、应用场景和用户体验，设计了一款光谱建模软件。首
先设计了软件的MVC（Model-View-Controller）总体架构，然后根据架构设计了不同的
功能模块。最后，给出了整个软件的设计结果，包括用户界面、数据可视化、结果输出
等方面。设计结果表明，该软件能够解决目前光谱分析中存在的繁琐、耗时和低效等问
题，可以显著提高数据分析和处理的自动化程度和准确性。
关键词：近红外光谱技术；光谱标定模型；流化床干燥过程；水煤浆传输过程；软件界
面设计
-I-
在线近红外光谱检测的标定建模及工程应用
Calibrationmodelingandengineeringapplicationofonlinenearinfrared