一种近红外光谱分析仪在线应用时无测点温度补偿模型修正方法
【技术领域】
[0001]本发明涉及近红外光谱分析仪在线应用时，无测点温度补偿模型修正方法。适用于受环境温度影响的物性参数，如流体粘度、物质密度、成分浓度、食品品质、农产品成分、药品有效成分含量、汽油油品质量等的在线实时检测。
【背景技术】
[0002]近红外光谱技术是综合光谱学、化学计量学和计算机应用等多学科交叉的现代分析技术，它无辐射、无污染、无破坏性、可以同时测定多种成份，被成功应用到农业、食品、石油化工、纺织、医药等行业。同时，一方面为了给生产和质检部门提供较全面、实时的样品信息，另一方面为实现计算机在线监测与实时控制的目的，近红外光谱分析仪的在线实时自动分析检测，为生产过程提供了广阔的使用空间，对提高企业的经济效益和社会效益有重要的意义。
[0003]然而当近红外光谱分析仪实时在线应用时，测量结果会受环境因素影响。研究表明，温度的变化会产生振动光谱的偏移，使得特定温度下近红外光谱的测量结果，仅适用于该温度下的样品品质分析，而对于样品品质的在线分析效果不理想，此缺点大大限制了近红外光谱分析仪实时在线测量技术的应用。为了克服在线应用时温度对光谱的影响，一些方法被陆续提出，如剔除受温度影响的光谱、选取对温度影响不敏感的波段建立分析模型、在模型中加温度修正项等等。这些方法可以克服温度变化对在线测量带来的干扰，但目前还没有通用的规则来判断何种情况下使用何种方法，而要根据具体问题进行选择。因此，研究温度适应性强、精度高、鲁棒性好、更为通用的实时在线测量技术，成为近红外技术能否有效在线应用的关键。
【发明内容】
[0004]本发明提出的方法，针对在线物性测量时，温度变化对近红外测量有较大的影响，建立具有温度补偿机制的在线递归算法。提供一种温度适应性强、精度高、鲁棒性好的近红外光谱分析仪在线应用时无测点温度补偿模型修正方法。
[0005]本发明为实现上述目的，采用如下技术方案:
[0006]本发明步骤分为三个部分。第一部分，建模数据的实验设计和光谱收集；第二部分，近红外光谱的预处理和校正模型的建立；第三部分，构造在线的递归算法，完成具有无测点温度补偿功能的近红外在线测量。
[0007]建模数据的实验设备包括，⑴可对样品温度进行调节的样品池；(2)可显示温度变化的温度测量器；(3)近红外光谱收集仪器；(4)不对样品温度产生明显影响的光学探头；(5)和近红外光谱收集仪器连接的计算机记录装置。
[0008]本发明实验和数据收集步骤如下:
[0009]实验步骤一:确认样品在线条件下最大和最小温度值。把温度范围分为多个水平值。每个温度水平一般要大于温度测量仪器分辨率5倍，以达到有效区分精度。
[0010]实验步骤二 ：在物性参数测量所规定的一个标准温度下，对所有样品物性参数取得原始标准数据。
[0011]实验步骤三：在不同温度水平下分别收集所有样品近红外光谱数据。温度值作为一个隐含因素，所以温度值本身的精确记录不是必须的。
[0012]温度作为分离的隐含因素变量在线修正算法实施步骤如下：
[0013]步骤一：对近红外光谱进行以温度模式为目标的预处理。将原始近红外光谱做一阶导数或二阶导数运算，产生一阶导数光谱或者二阶导数光谱。此处导数阶次可能随物性参数的特性而有所不同。例如，对高分子高粘度样品，以二阶导数为较佳。对低粘度样品以一阶导数为较佳。
[0014]步骤二 ：对上面产生的导数光谱做主元分析（PCA)，剔除统计异常值，使得整个导数光谱数据的主元模式都在一个统计可信度之内。
[0015]步骤三：对原始近红外光谱进行以待测物性参数模式为目标的预处理。这些预处理包括一种或几种以下算法的叠加运算：一阶导数，二阶导数，最大-最小标准化，基础底线校正，散射校正，常数偏置校正，等等。此处预处理算法的确定以待测物性参数而异。
[0016]步骤四：对上面产生的预处理后光谱做主元分析（PCA)，剔除统计异常值，使得整个预处理后的光谱数据主元模式都在一个统计可信度之内。
[0017]步骤五：将以上形成的以温度为目标的导数光谱和以物性待测参数为目标的预处理后的光谱进行合并。
[0018]步骤六：以待测物性参数在一个规定温度的原始分析值作为预测变量，预处理后光谱波数和导数光谱波数作为自变量。用偏最小二乘算法（PLS)物性参数校正模型：
[0019]P =Bnyn+A1x1+A2x2+··· Anxn
[0020]此处，P是物性变量规定温度下的测量值，Bi; Ai; i = 1，2，”·η是回归系数，y；, x；分别是预处理后光谱和导数光谱在波数i = 1，2，…η处的数值。
[0021]步骤七：在线获取新的近红外光谱数据集，利用下述方法构成递归修正算法：
[0022](1)以上述步骤六所得结果作为当前值P(k)
[0023](2)计算下一步测量：Pr(k+1) = P(k)+K[L(k-l)-P(k-l)]
[0024](3)将当前修正后的预测值，Pr(k)赋值给上一时刻的测量值P(k-l)，重复以上步骤，做递归赋值运算。
[0025]此处Pjk)是当前的具有温度补偿的近红外物性测量修正值，P(k-l)是上一步没有修正的近红外物性测量值，L(k-l)是上次计算所用的实际物性参数值，K为修正因子或低阶滤波器。
[0026]上述步骤七中，修正因子或低阶滤波器，可以是更较一般的统计判断和逻辑判断，或者是两者的结合。
[0027]上述步骤七中，在每一步计算时，所用物性参数校正模型可以是由更新的光谱数据重新产生。整个计算算法构成递归的形式。
[0028]本发明把温度作为分离的隐含因素变量参与到近红外建模过程中，因而在使用近红外测量时，可以依赖模型本身对温度的适应性完成不同温度下的物性测量，不需要直接温度测量信息和相关计算，使得所建立的模型具有更好的通用性。所发明的递归算法具有对样品温度和其它测量条件变化的较佳的适应性。
【附图说明】
[0029]图1为无测点温度补偿实验装置示意图。
[0030]图2为一种高分子聚合物在不同温度的原始光谱图。
[0031]图3为一种高分子聚合物的基于二阶导数局部光谱图。
[0032]图4为一种高分子聚合物的主元素模式图。
[0033]图5为一种高分子聚合物的合并光谱图。
[0034]图6为一种高分子聚合物的一阶导数预处理局部光谱图。
[0035]图7为一种高分子聚合物主元分析和模式异常点示意图。
[0036]图8为一种高分子聚合物的合并光谱PCA模式图。
[0037]图9为合并光谱产生的粘度模型图。
[0038]图10为合并光谱模型使用的波数图。
[0039]图11为具有无测点温度补偿的在线递归实施结果比较图。
[0040]图12为无测点温度补偿方法递归实施步骤框图。
【具体实施方式】
[0041]以下以一种高分子化合物的粘度测量为例，说明具体实施方法。这个示例不构成对本发明方法的范围限制。
[0042]整个实施步骤框图如图12所示。
[0043]步骤1