多角度光散射颗粒的粒径解析和属性识别

摘要：

通过提取光散射信号中颗粒粒径和属性的非线性特征向量,利用广义神经网络(GRNN)同时解析颗粒粒径和识别属性.采用经验模态分解(EMD)方法分解颗粒物的光散射信号,提取三维能量分布,计算3种相同粒径不同属性颗粒的样本熵,发现样本熵能够反映颗粒的属性;为了消除粒径和属性对散射的影响,对散射信号进行 Hilbert变换,提取时频域特征,与样本熵结合组成高维特征集,通过局部线性嵌入(LLE)算法将特征集归为6个特征向量,作为广义神经网络的输入层,解析粒径和识别属性;采用粒径为0.11 μm的二氧化硅颗粒、2 μm和4 μm的聚苯乙烯小球进行实验,结果表明,粒径解析和属性识别的正确率均在90％以上.

关键词：散射、样本熵、多角度光散射、颗粒粒径、颗粒属性、经验模态分解

所属期刊栏目：37

分类号：O436.2(光学)

资助基金：国家科技重大专项2016YFF0103000

在线出版日期：2018-07-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：321-330