欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202010951883X
申请人: 北京工商大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-17
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于粒子群算法的ICP-AES多峰谱线分离方法,其特征在于,所述方法包括:建立单条谱线的数学模型;

构建多元评价函数

通过自适应粒子群算法求解 中能够使 为最小值的最佳特征向量 包括,计算自适应惯性权重、线性变化的学习因子,判断当前粒子的个体适应度值是否小于粒子最优适应度值,判断当前粒子的粒子最优适应度值是否小于全局最优适应度值,最终获取达到最大迭代次数时全局最优适应度值对应的粒子的位置向量为最优解;其中,为自适应粒子群算法的粒子位置向量;

通过所述最佳特征向量 解析出多峰谱线中目标谱线表达式和干扰谱线表达式,从而进行干扰校正。

2.根据权利要求1所述的基于粒子群算法的ICP-AES多峰谱线分离方法,其特征在于,所述建立单条谱线的数学模型,包括:建立表达形式为洛伦兹函数和高斯函数的卷积的单条谱线的数学模型:用Voigt线型近似函数来描述单条原子发射谱线:

3.根据权利要求2所述的基于粒子群算法的ICP-AES多峰谱线分离方法,其特征在于,在所述建立单条谱线的数学模型之后,还包括,建立多峰谱线叠加模型,

4.根据权利要求3所述的基于粒子群算法的ICP-AES多峰谱线分离方法,其特征在于,所述构建多元评价函数 包括:以所述多峰谱线叠加模型与理论目标曲线数据点之间的均方根误差作为对实际目标曲线拟合程度的评价准则,构建多元评价函数

5.根据权利要求4所述的基于粒子群算法的ICP-AES多峰谱线分离方法,其特征在于,所述通过自适应粒子群算法求解 中能够使 为最小值的最佳特征向量 包括:初始化种群参数,对基本变量、向量、系数、阈值进行设置;

计算各个粒子的初始粒子最优适应度值,以及全局最优适应度值;

进行迭代,结合通过计算得到的自适应惯性权重、线性变化的学习因子以及压缩因子更新粒子速度向量和位置向量;其中,所述自适应惯性权重是根据所有粒子的平均最优适应度值和当前粒子的最优适应度值比较结果计算的;学习因子线性变化是指随着迭代次数的增加自我学习因子先大后小动态变化,社会学习因子先小后大动态调整;

对粒子的个体进行适应度评价,判断当前粒子的个体适应度值是否小于粒子最优适应度值,还判断当前粒子的最优适应度值是否小于全局最优适应度值;

判断是否达到最大迭代次数,若达到则记录全局最优适应度值以及粒子最优解,否则继续进行迭代;

其中, 为自适应粒子群算法的适应度函数。

6.根据权利要求5所述的基于粒子群算法的ICP-AES多峰谱线分离方法,其特征在于,所述计算粒子最优适应度值具体为,将所有粒子当前的位置向量X代入适应度函数,计算各个粒子的个体适应度值,每个粒子比较在不同位置下的个体适应度值,取最小值作为该粒子的最优适应度值,将所有粒子的粒子最优适应度值进行相互比较,取最小值作为全局初始最优适应度值。

7.根据权利要求5所述的基于粒子群算法的ICP-AES多峰谱线分离方法,其特征在于,所述更新粒子速度向量和位置向量,包括:迭代的粒子在D维空间下搜索移动,追踪当前的粒子得到它的个体适应度值和全局最优适应度值,根据相应计算公式对粒子的速度和位置更新,其中,k为迭代次数,ω为自适应惯性权重,c1和c2为学习因子,r1和r2为[0,1]内的随机数, 是第k次迭代粒子i的位置, 是第k次迭代粒子i的速度, 是粒子i经过k次迭代适应度最优值的位置, 是经过k次迭代的全局最优适应度值的位置。

8.根据权利要求7所述的基于粒子群算法的ICP-AES多峰谱线分离方法,其特征在于,所述学习因子c1和c2,以及所述自适应惯性权重ω的获取方式为:其中,T表示当前迭代次数,Tmax表示算法最大迭代次数;

自适应惯性权重ω与粒子前次迭代速度与本次迭代速度的关联程度有关,所述自适应惯性权重ω根据粒子适应度值进行动态调整:其中,f为当前粒子的适应度值,favg和fmin为当前所有粒子的平均适应度值和最小适应度值。

9.根据权利要求5所述的基于粒子群算法的ICP-AES多峰谱线分离方法,其特征在于,所述对粒子个体进行适应度评价,判断当前粒子个体适应度值是否小于粒子最优适应度值,还判断当前粒子的最优适应度值是否小于全局最优适应度值,包括:计算迭代后的粒子的个体适应度值;

判断当前粒子个体适应度值是否小于前次迭代中粒子最优适应度值,若是则更新此粒子的粒子最优适应度值且记录粒子位置,否则保留之前次迭代的最优适应度值;

将本次迭代中当前粒子的最优适应度值与全局最优适应度值比较,若小于,则当前粒子的最优适应度值成为新的全局最优适应度值,并记录此粒子的位置,否则保留之前次迭代的全局最优适应度值。

10.根据权利要求1所述的基于粒子群算法的ICP-AES多峰谱线分离方法,其特征在于,将最佳特征向量 分解为若干个子峰谱线的最佳特征向量对比目标谱线的波长和 中的波长,筛选得到目标谱线的最佳特征向量,将此最佳特征向量代入单条谱线的数学模型I(λ,[I0,λ0,ΔλV,η]),得到所述多峰谱线中的目标谱线表达式。