基于迭代自适应加权算法的绝缘油拉曼光谱基线扣除方法和系统

测量装置的制造及其应用技术1.本发明属于变压器油拉曼光谱数据分析技术领域，涉及基于迭代自适应加权算法的绝缘油拉曼光谱基线扣除方法和系统。背景技术：2.拉曼光谱(raman spectrum)技术是一种利用分子振动-转动信息的光谱分析法。由于其对微妙的化学和生化变化的高度敏感性和对非侵入性应用的适应性，该技术已被广泛应用于固体和液体材料的结构检测和性能分析。3.变压器油拉曼光谱分析中，最主要的干扰因素是荧光，由于有机分子或样品中污染物的荧光影响，常会使拉曼光谱产生荧光背景信号，表现为一个典型的倾斜宽背景，使基线偏离，信噪比下降，影响数据进一步分析处理，在分析前必须预先扣除。4.通过运用背景扣除算法，可降低基线，同时在不丢失有用信息的前提下将背景扣除，得到较理想的分析结果。由于拉曼光是散射光，不能完全适用于lambert-beer定律进行定量分析，为了更好地对样品进行定量分析，很有必要在分析前用适当的方法对数据进行预处理，以得到更好的定量分析结果。5.目前扣除拉曼光谱基线的方法主要有小波变换法、多项式拟合法、位移激发拉曼差分法等，上述方法的确能够有效实现拉曼光谱基线扣除，但在一定程度上也操纵了测量所需的纯拉曼光谱。通常情况下，上述方法还依赖人为的干预来选择可调整的输入参数。因此，必须非常谨慎地选择应用的技术和输入参数值，以确保对所需的纯拉曼光谱进行最小的操作，实施起来复杂低效，且容易引入误差，影响拉曼光谱数据分析的准确度。技术实现要素：6.为解决现有技术中存在的不足，本发明的目的在于，提供基于迭代自适应加权算法的绝缘油拉曼光谱基线扣除方法和系统，能够有效去除光谱数据测量时由于绝缘油荧光背景造成的基线信号。7.为了实现上述目标，本发明采用如下技术方案：8.基于迭代自适应加权算法的绝缘油拉曼光谱基线扣除方法，包括以下步骤：9.步骤1：采集实际运行变压器绝缘油的油样，获取变压器绝缘油的原始拉曼光谱分析信号x；10.步骤2：记z是x扣除基线后得到的拟合向量，建立z与x之间的精确度计算模型f和z的平滑度计算模型r；11.步骤3：基于计算模型f和r，引入z的平滑调节参数α，构建描述所述精确度和平滑度之间平衡度的平衡函数q；12.步骤4：在平衡函数q中引入迭代加权因子后推导拟合向量z的表达式；13.步骤5：基于拟合向量z的表达式，采用稀疏矩阵技术和迭代自适应加权算法求解得到拟合向量z，实现绝缘油拉曼光谱基线扣除。14.本发明进一步包括以下优选方案：15.优选地，步骤1中，采集实际运行变压器绝缘油的油样，通过激光拉曼光谱检测平台获取变压器绝缘油的原始拉曼光谱分析信号x。16.优选地，步骤2中，采用误差平方差的和建立z与x之间的精确度计算模型f，具体为：[0017][0018]其中，m为z的长度，xi、zi分别为原始拉曼光谱分析信x和拟合向量z的第i个数据的值。[0019]优选地，步骤2中，采用相邻的两项平方差之和建立z的平滑度计算模型r，具体为：[0020][0021]优选地，步骤3中，采用惩罚最小二乘算法构建描述所述精确度和平滑度之间平衡度的平衡函数q，具体为；[0022]q＝f+αr＝||x-z||2+α||dz||2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(3)[0023]其中，α为z的平滑调节参数；[0024]dz＝δz，δz为δzi构成的矩阵。[0025]优选地，步骤4具体为：[0026]对平衡函数q求导，并使其等于0，即得到如下线性方程：[0027](i+αd′d)z＝xꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(4)其中，d为差分矩阵，d′为d的转置矩阵，i表示矩阵值为1的矩阵；[0028]通过引入迭代加权因子wi，将z与x之间的精确度改变为：[0029][0030]其中，w是wi在对角线上的对角矩阵；[0031]则等式(4)变为式(6)：[0032](w+αd′d)z＝wxꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(6)根据式(6)得到拟合向量z的表达式：[0033]z＝(w+αd′d)-1wxꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(7)。[0034]优选地，步骤5具体包括：[0035]步骤501：初始化对角矩阵w，d，计算αd′d；[0036]步骤502：采用稀疏矩阵技术计算wt+αd′d；[0037]步骤503：根据wt+αd′d求解第t次迭代的拟合向量；[0038]步骤504：判断是否达到迭代次数或收敛条件，若是，则迭代次数加一后返回步骤502，否则输出拟合向量z，实现绝缘油拉曼光谱基线扣除。[0039]优选地，步骤502中，计算wt+αd′d时，wt中每步迭代的按式(9)获得：[0040][0041]其中，向量dt由x和拟合值zt-1之差为负的部分组成；[0042]拟合值zt-1是前一次迭代的基线值；[0043]t表示迭代序号；[0044]通过式(9)获得的w矩阵为稀疏矩阵，如果xi大于或等于则被视为是拉曼光谱峰的一部分，将其迭代加权因子设置为零以忽略其在下一次的迭代拟合中的作用，从而自动地逐步消除峰部分并保存基线部分。[0045]优选地，步骤504中，收敛条件为：[0046]|dt|＝0.0001×|x|ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(10)。[0047]本发明还提供基于迭代自适应加权算法的绝缘油拉曼光谱基线扣除系统，用于实现所述的基于迭代自适应加权算法的绝缘油拉曼光谱基线扣除方法。[0048]本发明的有益效果在于，与现有技术相比：[0049]本发明能够有效扣除拉曼光谱数据的背景干扰信号，突出待测成分信号的特征性，确保光谱数据的有效性，提高原始光谱信号的信噪比；[0050]本发明简便快速、无需用户中途干预且对于信噪比较低的情况可以保持有效信号不变的条件下将背景扣除，可避免计算过程中算法本身的误差引入，提高拉曼光谱数据分析的准确度。[0051]1、本发明提出的基于迭代自适应加权算法是一种逐步逼近的背景拟合算法，其无需用户中途干预且对于信噪比较低的情况可以保持有效信号不变的条件下将背景扣除；[0052]2、本发明利用了稀疏矩阵技术，能够非常快速的完成大量建模光谱的背景扣除；[0053]3、本发明通过迭代自适应加权算法，逐步逼近背景，引入参数来调节曲线的平滑程度，将原始信号减去拟合出的背景，可得到扣除背景后的光谱信号。附图说明[0054]图1是本发明基于迭代自适应加权算法的绝缘油拉曼光谱基线扣除方法流程图；[0055]图2是本发明实施例中迭代自适应加权算法求解得到拟合向量z流程图；[0056]图3是本发明实施例中迭代自适应加权算法处理前后的拉曼光谱对比结果。具体实施方式[0057]下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。[0058]如图1所示，本发明的实施例1提供了一种基于迭代自适应加权算法的绝缘油拉曼光谱基线扣除方法，在本发明优选但非限制性的实施方式中，所述方法包括以下步骤1-5：[0059]步骤1：采集实际运行变压器绝缘油的油样，获取变压器绝缘油的原始拉曼光谱分析信号x；[0060]进一步优选地，根据采集到的实际运行变压器油样，通过激光拉曼光谱检测平台上获取变压器油的原始拉曼光谱数据。[0061]油液荧光背景，使得变压器油的拉曼信号存在较高的基线，且随着老化程度的加深基线也随着上移，进而影响光谱数据分析的准确性，为了消除或减弱基线的影响，需要对原始光谱数据进行基线扣除处理。[0062]步骤2：记z是x扣除基线后得到的拟合向量，建立z与x之间的精确度计算模型f和z的平滑度计算模型r；[0063]即x为原始光谱信号，拟合向量z指的是图3中的输出光谱信号。[0064]进一步优选地，假设x是实测变压器油拉曼光谱分析信号，z是拟合向量，长度均为m；[0065]z和x的精确度可以用它们的误差平方差的和来表示，如式(1)所示：[0066][0067]xi、zi分别为原始拉曼光谱分析信x和拟合向量z的第i个数据的值。[0068]向量z的平滑度可用其相邻的两项平方差之和来,表示如式(2)所示：[0069][0070]步骤3：基于计算模型f和r，采用惩罚最小二乘算法构建描述所述精确度和平滑度之间平衡度的平衡函数q；[0071]进一步优选地，在精确度和平滑度之间的平衡，可用精确度的项加上粗糙项惩罚后的项,如式(3)所示：[0072]q＝f+αr＝||x-z||2+α||dz||2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(3)[0073]其中，α为z的平滑调节参数，可由操作者自己调节；[0074]α越大，拟合出的z越平滑。[0075]即在平滑度和精确度之间的平衡可由操作者自己用α参数调节。[0076]d与差分矩阵对应，即dz＝δz。δz为δzi构成的矩阵，记dz＝δz，即将δz表示为d与z的乘积，d称为差分矩阵。[0077]步骤4：在平衡函数q中引入迭代加权因子后推导拟合向量z的表达式；[0078]进一步优选地，对平衡函数q式(3)求导，并使其等于0，即可以得到一个线性方程，如式(4)所示；[0079]摧导过程为：[0080][0081]进一步有[0082]-x+z+αd′dz＝0[0083]最终可得：[0084](i+αd′d)z＝xꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(4)其中，d为差分矩阵，d′为d的转置矩阵，i表示矩阵值为1的矩阵；[0085]通过引入权重，即迭代加权因子wi，设定任意值，如设为0，z精确度对光谱信号x的式子(1)就可以改变，如下：[0086][0087]其中w是wi在对角线上的对角矩阵。[0088]等式(4)变为式(6)：[0089](w+αd′d)z＝wxꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(6)求解上式线性等式(6)，拟合向量z可容易求得，如式(7)所示：[0090]z＝(w+αd′d)-1wxꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(7)[0091]式(7)用于步骤503的拟合向量求解。[0092]步骤5：基于拟合向量z的表达式，采用稀疏矩阵技术和迭代自适应加权算法求解得到拟合向量z，实现绝缘油拉曼光谱基线扣除。[0093]进一步优选地，为了正确确定峰位，同时逐步逼近背景，利用稀疏矩阵和迭代加权因子实现，具体的；[0094]在平衡函数q式(3)引入迭代加权因子wi，可变为：[0095][0096]其中，迭代加权因子wi利用自适应迭代方法获得，开始时给定一个初始值w0＝1，赋值后，计算wt+αd′d时，wt中每步迭代的按式(9)获得：[0097][0098]其中，向量dt由x和zt-1之差为负的部分组成；[0099]拟合值zt-1是前一次迭代的基线值。[0100]通过式(9)获得的w矩阵为稀疏矩阵，如果xi大于或等于则被视为是拉曼光谱峰的一部分(即此时xi为拟合出的背景)，将其迭代加权因子设置为零以忽略其在下一次的迭代拟合中的作用(即将原始信号减去拟合出的背景，可得到扣除背景后的光谱信号)，从而自动地逐步消除峰部分并保存基线部分。[0101]迭代法达到最大迭代次数或者收敛条件时停止，收敛条件按如下式给出：[0102]|dt|＝0.0001×|x|ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(10)[0103]具体的，如图2所示，步骤5具体包括：[0104]步骤501：初始化对角矩阵w，d，设置α，计算αd′d；[0105]其中，w一般初始化为对角线为1，其余值全为0的矩阵。d一般初始化为单位矩阵；α推荐设置为10e4；[0106]步骤502：采用稀疏矩阵技术计算wt+αd′d；[0107]步骤503：根据wt+αd′d求解第t次迭代的拟合向量；[0108]步骤504：判断是否达到迭代次数或收敛条件，若是，则迭代次数加一后返回步骤502，否则输出拟合向量z，实现绝缘油拉曼光谱基线扣除。[0109]本发明具体实施例中，迭代自适应加权算法处理前后的拉曼光谱对比结果如图3所示。[0110]基于迭代自适应加权算法的绝缘油拉曼光谱基线扣除系统，用于实现所述的基于迭代自适应加权算法的绝缘油拉曼光谱基线扣除方法。[0111]本发明的有益效果在于，与现有技术相比：[0112]本发明能够有效扣除拉曼光谱数据的背景干扰信号，突出待测成分信号的特征性，确保光谱数据的有效性，提高原始光谱信号的信噪比；[0113]本发明简便快速、无需用户中途干预且对于信噪比较低的情况可以保持有效信号不变的条件下将背景扣除，可避免计算过程中算法本身的误差引入，提高拉曼光谱数据分析的准确度。[0114]1、本发明提出的基于迭代自适应加权算法是一种逐步逼近的背景拟合算法，其无需用户中途干预且对于信噪比较低的情况可以保持有效信号不变的条件下将背景扣除；[0115]2、本发明利用了稀疏矩阵技术，能够非常快速的完成大量建模光谱的背景扣除；[0116]3、本发明通过迭代自适应加权算法，逐步逼近背景，引入参数来调节曲线的平滑程度，将原始信号减去拟合出的背景，可得到扣除背景后的光谱信号。[0117]本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!