塑料型号的化学计量学鉴别方法

摘要

一种塑料型号的化学计量学鉴别方法，是利用塑料红外光谱中特征区的光谱信息，采用非线性迭代偏最小二乘变量选择技术选取特征区红外光谱作为竞争性反向传播人工神经网络的变量输入；该竞争性反向传播神经网络由前端反向传播神经网络层与后端竞争函数层构成，以已知塑料树脂样品的数目为秩的单位矩阵为网络训练目标，用已知型号的塑料样品输入矩阵及模拟含噪声输入矩阵对网络连接权值进行训练，建立网络连接；输入变量经反向传播网络层及竞争函数层的转换后，最显著的神经元胜出并作为结果表示出来，从而建立塑料型号识别系统。利用本方法已对18类、1000多种塑料建立了对应的人工神经网络识别系统，能快速、准确、可靠的鉴别塑料型号。

主权项

1、一种塑料型号的化学计量学鉴别方法，其特征是首先用傅立叶变换红外光谱仪测试塑料树脂样品，得到相应的红外光谱图，以2nm-1为间隔单位截取红外光谱特征区的红外光谱数据，以各种塑料型号为样本点空间，截取的红外光谱数据为变量空间构成塑料型号鉴别的原始数据矩阵；然后将原始数据矩阵经过标准化处理，得到标准化数据矩阵；通过非线性迭代偏最小二乘变量选择技术对标准化数据矩阵进行主成分分析，主成分数目采用比率法做判别指标，确定非线性迭代偏最小二乘变量选择的主成分数目为3，作为人工神经网络的变量输入，进一步对竞争性反向传播人工神经网络的网络连接进行训练，以其中的塑料样品的数目为秩的单位矩阵作为网络训练目标，建立网络连接，即在输出向量相应位置产生“1”，其余位置输出“0”；输出层为n个，网络结构为输入层、隐含层和输出层的三层误差反向传播人工神经网络，隐含层含10个神经元，以logsig(IW(1，i)p(i)+b1)函数作为传递函数，采用自适应学习速率结合动量方式进行训练，动量项常数为0.95，以总误差平方和作为收敛判据；然后将反向传播网络输出经竞争层函数转换后，获胜的神经元作为结果表示出来，获得成对输入型号的初步分类结果，形成塑料型号的初级识别系统。