[发明专利]一种基于SPR光子舌传感阵列的DOM组份检测方法有效

专利信息
申请号: 202010137078.3 申请日: 2020-03-02
公开(公告)号: CN111289477B 公开(公告)日: 2022-05-27
发明(设计)人: 付丽辉;戴峻峰 申请(专利权)人: 淮阴工学院
主分类号: G01N21/552 分类号: G01N21/552;G06K9/62;G06N3/04;G06N3/08;G16C20/20;G16C20/70
代理公司: 淮安市科文知识产权事务所 32223 代理人: 谢观素
地址: 223005 江苏省*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 spr 光子 传感 阵列 dom 检测 方法
【权利要求书】:

1.一种基于SPR光子舌传感阵列的DOM组份检测方法,其特征在于,包括如下步骤:

S1:水样制备,利用三维荧光谱测量确定水样中DOM种类和相对含量,获得验证用数据;

S2:构建SPR光子舌传感阵列:利用多个多模光纤,镀以不同厚度的金膜,构成具有不同折射率的SPR传感探头阵列,使各传感探头的折射率分布在光子舌阵列设计要求的1.33~1.43RIU范围内;

S3:将S2中SPR光子舌传感阵列引入测试电路,实现水样SPR特征共振波长、谱宽以及光强测量,获得训练用数据;

S4:利用ICPSO优化BP神经网络构建多分类器集成系统,利用S3中SPR传感探头测得各水样SPR响应的波长、谱宽和光强训练用数据作为各自ICPSO网络分类器的输入,将S1分析确定的DOM组份数据作为网络输出,进行ICPSO-BP网络训练,获得满足误差要求的网络结构参数;

S5:将各SPR传感探头测试数据输入到训练成功的神经网络,从而获得各自DOM组份输出,再根据分类器的输出结果,最终确定DOM组份。

2.根据权利要求1所述的基于SPR光子舌传感阵列的DOM组份检测方法,其特征在于,所述测试电路包括所述SPR传感探头阵列中的多个SPR传感探头、Y耦合器、宽带光源以及闭环检测系统,所述多个SPR传感探头共用Y耦合器、宽带光源以及闭环检测系统,宽带光源耦合至导光光纤L0中,再由其接入Y耦合器,Y耦合器的另一分支由导光光纤L1接SPR传感探头,SPR传感探头感应的被测信号光谱通过导光光纤L1再反射到Y耦合器,经导光光纤L2送闭环检测系统,由闭环检测系统进行光谱信号识别,并转换为电信号,最后通过电缆L3传送至计算机。

3.根据权利要求1所述的基于SPR光子舌传感阵列的DOM组份检测方法,其特征在于,所述多模光纤所镀金膜厚度范围为55~85nm。

4.根据权利要求1所述的基于SPR光子舌传感阵列的DOM组份检测方法,其特征在于,所述ICPSO优化BP神经网络构建的多分类器集成系统包括三个初级分类器,每个分类器的ANN网络结构设计相同,改进粒子群算法ICPSO对BP网络权值及阈值进行优化处理,具体实现过程如下:

1)构建并初始化三层BP神经网络,进行输入层、输出层、隐层以及适应度函数的设计;

2)初始化粒子群:确定加速系数c1,c2、惯性因子ω、粒子的数量、迭代次数k1、ICPSO子群数r,子群数步长n、随机数r1,r2以及粒子维数,把所有种群粒子分为r组,由各组分别搜索本组最优值;

3)利用适应度函数,计算个体最优值pit、全局最优值pgt、子群最优值prt

4)更新粒子当前速度与位置;

xt+1=xt+vt+1

式中,prt—子群最优值;t—当次寻优次数;r—子群数;其余参数同上;

5)更新最优值:根据适应度函数来比较当前最优值与个体最优值pit、全局最优值pgt、子群最优值prt三者关系,若当前最优值优于其中任何一个参数,即将其替换;

6)检查结束条件:若迭代次数k大于最大迭代次数k1或评价用误差值大于给定值,则停止迭代并转7),否则,转4);

7)保存该组全局最优值;

8)检查ICPSO子群数结束条件:若子群数满足最大子群数,则转9),否则子群数加n后,转4),其中,n为子群数调整步长;

9)根据适应度函数比较各分组输出全局最优粒子位置,并将位置最优一组的全局最优位置映射为神经网络权值及阈值。

5.根据权利要求4所述的基于SPR光子舌传感阵列的DOM组份检测方法,其特征在于,所述适应度函数为:

其中,n3为输出节点数;l为训练样本数;tk为目标输出,即被测介质折射率的真值;yk为BP网络训练实际输出。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于淮阴工学院,未经淮阴工学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010137078.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top