机器学习方法在聚合物挤出加工在线光谱测量中的应用研究

发布时间：2022-12-09 02:05

　　在聚合物加工领域,在线光谱测量系统已进入应用于挤出加工中聚合物测量与表征的实验阶段,然而在线光谱受到挤出环境高温高压等因素的影响,信噪比大,数据波动明显,传统的数据处理方法难以对在线光谱数据进行有效处理,无法满足测量表征准确性和稳定性需求,于是本文利用机器学习方法对聚合物在线光谱数据进行分析以实现测量准确性与稳定性的提高,这对未来光谱测量技术应用于实际加工过程的基础奠定以及应用拓宽具有重要意义。本文以通用塑料PP与PS为研究对象,通过自主开发的聚合物在线光谱测量系统,对挤出过程中聚合物熔体的在线光谱数据进行在线测量,以实际生产中的不同牌号PS的聚类分析与分类识别、PP/PS共混物的组分含量准确稳定测量以及PP/PS共混物组分含量离线测量模型的在线迁移此三个场景的应用来验证机器学习方法的应用价值。研究结果表明:1)相较于拉曼光谱,近红外光谱的信号强度大,信噪比高,数据可分性更高,运用人工神经网络和支持向量机对不同牌号PS的近红外光谱进行分类识别,其中最优的人工神经网络模型平均预测正确率为94.7%,支持向量机模型的预测准确率为98.4%,正确率均较高,实现了五种不同牌号PS的在线分类识别... 

【文章页数】：86 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景
    1.2 光谱测量技术简介
        1.2.1 光谱预处理方法
        1.2.2 光谱建模方法
        1.2.3 模型评估指标
    1.3 机器学习方法简介
        1.3.1 传统机器学习
        1.3.2 强化学习
        1.3.3 迁移学习
    1.4 国内外研究现状
        1.4.1 机器学习结合光谱应用于聚合物定性分析研究
        1.4.2 机器学习结合光谱应用于聚合物性质定量分析研究
    1.5 研究目的、内容及意义
        1.5.1 研究目的
        1.5.2 研究内容
        1.5.3 研究意义
第二章 聚合物挤出在线光谱测量系统
    2.1 硬件系统
        2.1.1 硬件系统简介
        2.1.2 单螺杆挤出机
        2.1.3 近红外光谱采集仪器
        2.1.4 拉曼光谱采集仪器
        2.1.5 挤出在线测量模块
    2.2 数据采集软件
    2.3 本章小结
第三章 不同牌号聚苯乙烯聚类分析与分类识别
    3.1 问题的提出
    3.2 理论与方法
        3.2.1 主成分分析
        3.2.2 K-means算法
        3.2.3 模糊C均值聚类算法
        3.2.4 人工神经网络
        3.2.5 支持向量机
    3.3 实验与数据
        3.3.1 实验
        3.3.2 谱图分析
    3.4 光谱信号可分性分析
        3.4.1 K-means聚类分析结果
        3.4.2 模糊C均值聚类分析结果
    3.5 光谱信号分类识别
        3.5.1 人工神经网络分类结果
        3.5.2 支持向量机分类结果
    3.6 本章小结
第四章 PP/PS共混物组分含量在线测量
    4.1 问题的提出
    4.2 理论与方法
        4.2.1 数据融合
        4.2.2 极限学习机
    4.3 实验与数据
        4.3.1 实验
        4.3.2 谱图分析
    4.4 光谱特征峰峰值建模结果
        4.4.1 近红外光谱特征峰建模结果
        4.4.2 拉曼光谱特征峰建模结果
    4.5 机器学习方法的光谱建模结果
        4.5.1 机器学习方法的近红外光谱建模结果
        4.5.2 机器学习方法的拉曼光谱建模结果
    4.6 机器学习方法的光谱融合数据建模结果
        4.6.1 低级融合数据建模结果
        4.6.2 中级融合数据建模结果
    4.7 机器学习模型预测结果对比
    4.8 本章小结
第五章 PP/PS共混物组分含量离线测量模型的在线迁移
    5.1 问题的提出
    5.2 理论与方法
        5.2.1 数据增强
        5.2.2 Tr Ada Boost算法
    5.3 实验与数据
        5.3.1 实验
        5.3.2 谱图分析
    5.4 数据增强后建模结果
    5.5 迁移学习后建模结果
    5.6 本章小结
结论与展望
    结论
    展望
参考文献
攻读硕士学位期间取得的研究成果
致谢
附件


【参考文献】：
期刊论文
[1]基于过程检测的塑料加工特性数据库系统[J]. 张飞,游剑,王蒙蒙,晋刚,陈俊.  塑料工业. 2019(09)
[2]近红外光谱的不同牌号聚乳酸识别方法[J]. 朱世超,游剑,晋刚,雷玉,郭雪媚.  光谱学与光谱分析. 2018(10)
[3]塑料激光诱导击穿光谱技术快速分类应用研究[J]. 孙倩倩,杜敏,郭连波,郝中骐,易荣兴,李嘉铭,刘建国,沈萌,李祥友,曾晓雁,陆永枫.  光谱学与光谱分析. 2017(07)
[4]药物粉末混合过程在线监控技术研究进展[J]. 薛忠,徐冰,张志强,史新元,付静,杜新刚,乔延江.  中国药学杂志. 2016(02)
[5]化学计量学方法在光谱解析中的应用进展[J]. 夏祥华,屈啸声,孙汉文.  化学研究与应用. 2015(06)
[6]近五年我国近红外光谱分析技术研究与应用进展[J]. 褚小立,陆婉珍.  光谱学与光谱分析. 2014(10)
[7]迁移学习研究进展[J]. 庄福振,罗平,何清,史忠植.  软件学报. 2015(01)
[8]支持向量机算法在激光诱导击穿光谱技术塑料识别中的应用研究[J]. 于洋,郝中骐,李常茂,郭连波,李阔湖,曾庆栋,李祥友,任昭,曾晓雁.  物理学报. 2013(21)
[9]基于主成分分析和人工神经网络的激光诱导击穿光谱塑料分类识别方法研究[J]. 王茜蒨,黄志文,刘凯,李文江,阎吉祥.  光谱学与光谱分析. 2012(12)
[10]近红外光谱的数据预处理研究[J]. 高荣强,范世福,严衍禄,赵丽丽.  光谱学与光谱分析. 2004(12)

硕士论文
[1]基于拉曼光谱的聚合物二元共混体系挤出过程在线测量与表征方法研究[D]. 黄曦.华南理工大学 2017
[2]在线近红外光谱测量与表征PLA/PBAT共混挤出过程研究[D]. 陈如黄.华南理工大学 2016
[3]基于实例和特征的迁移学习算法研究[D]. 戴文渊.上海交通大学 2009



本文编号：3714595