太赫兹时域光谱技术

介绍了太赫兹时域光谱技术的优势,太赫兹时域光谱系统及太赫兹时域光谱技术的原理和应用.     

基于太赫兹时域光谱技术的地沟油检测与识别

油脂大分子的振动和转动频率均处在太赫兹波段,与太赫兹波相互作用可产生共振反应,因此太赫兹时域光谱技术（THz TDS）可以快速灵敏地实现正规油和地沟油的检测与识别。通过对正规油（全新采购）、类地沟油（煎炸处理）和地沟油（回收处理）在0.3~1.6 THz波段的时域和频域光谱进行对比,并分析其延迟时间、折射率、吸收系数和吸收峰等光学参数的差异,提取了地沟油的太赫兹光谱的特征信息,为地沟油的检测与识别提供了实验依据和有效方法。结果表明,利用光谱特征信息和地沟油特有官能团信息,太赫兹时域光谱技术可有效区分正规油与地沟油。     

太赫兹时域光谱成像系统的研究进展

太赫兹时域光谱成像技术具有穿透性、超快时间分辨能力、指纹光谱特性、安全无辐射电离等显著特点,在物质成分光谱分析、工业材料无损检测领域具有独特的应用价值,成为近些年来的研究热点。基于此,从成像体制和成像算法两个方向进行介绍。在成像体制层面,全面介绍了逐点扫描成像、太赫兹焦平面成像、太赫兹光电导阵列成像等二维的成像方式,以及突破衍射极限的太赫兹近场成像技术;在成像算法层面,介绍了飞行时间成像和断层扫描成像技术等三维成像方式。列举了太赫兹技术在生物医学、无损检测、安防检测等领域的应用。最后总结了当前太赫兹时域光谱技术所面临的问题。     

室温下中草药的太赫兹谱分析

本文采用太赫兹时域光谱技术对三七和甘草两种中药材进行了光谱测试,得到了样品在0.2～1.6THz波段的吸收谱。理论计算与太赫兹技术测量得到吸收峰位置很好吻合。研究结果为利用太赫兹时域光谱技术鉴定中药材提供了有益的借鉴。     

汽油的太赫兹时域光谱特性研究

本文应用太赫兹时域光谱技术研究了不同型号汽油在0.28-2.1THz波段的光学性质,采用快速傅里叶变换得到样品的吸收谱和折射率谱.同时,运用傅里叶变换红外光谱装置测定了样品的中红外吸收谱.比较两种实验结果可知,不同型号汽油在太赫兹波段有明显的峰位位移和相对峰强改变,且吸收谱带展宽,说明样品在太赫兹波段比在中红外波段更具有吸收活性.太赫兹技术可作为中红外等光谱技术的互补手段,研究汽油组成的特性及鉴别其结构的细微变化等.     

太赫兹技术进展及其在工业中的应用

近年来,太赫兹技术日渐成熟,工业应用领域不断扩大,市场上出现了越来越多的太赫兹产品。本文主要分析太赫兹技术的发展,并对未来太赫兹工业应用市场进行中期和长期展望。     

堆叠多层石墨烯的太赫兹电导研究

单层石墨烯具有可调的太赫兹电导,有望应用于制作新型太赫兹器件,然而这种调谐的变化范围有限,通过多层石墨烯的堆叠可以拓展石墨烯太赫兹器件的性能上限。本文通过太赫兹时域光谱研究了石英衬底上不同层数堆叠的石墨烯的太赫兹透过特性,并使用Drude模型以及菲涅尔定律对实验结果进行了理论模拟。实验数据与理论结果的匹配表明:随机堆叠的多层石墨烯在太赫兹波段可以看作没有电子耦合的多个单层石墨烯,其太赫兹电导具有更宽的调谐范围,同时化学掺杂可以进一步提高材料的载流子浓度,从而获得更高的太赫兹电导。     

土壤中有机污染物的太赫兹时域光谱检测分析

采用太赫兹时域光谱技术对滴滴涕等三种土壤中有机污染物进行光谱分析,得到了样品在0.2～1.8THz波段的吸收谱和折射率谱。理论计算与太赫兹技术测量得到吸收峰位置很好吻合。研究为利用赫兹时域光谱技术鉴定土壤中有机污染物提供了有益的借鉴。     

钡铁氧体的太赫兹时域光谱

利用溶胶-凝胶自蔓延燃烧法制备了钡铁氧体和Al 掺杂钡铁氧体样品, 并利用太赫兹时域光谱(terahertz time-domain spectroscopy, THz-TDS)对样品进行了测试. 结果表明, 样品吸收谱在 0~1.2 THz 频段内随着频率的增大而增大, 钡铁氧体的折射率随频率的增大而减小; Al 掺杂的钡铁氧体样品的折射率随频率的增大而增大, 且Al 的掺杂导致钡铁氧体THz波段的折射率减小.     

基于太赫兹时域光谱的橙子和多菌灵成分的定量研究

利用太赫兹时域光谱技术对橙子和多菌灵混合样品进行检测,获得混合样品的太赫兹(THz)时域波形;对其进行傅里叶变换,采用菲涅尔公式计算折射率和吸收谱,最后以各样品的吸收谱为研究对象,利用多元线性回归技术进行定量分析研究,获得多菌灵和橙子组分含量。研究结果表明:多菌灵和橙子组分含量的相对误差均小于7%;太赫兹时域光谱技术能够用于水果与农药混合物的定量分析研究,同时,本实验也为该技术应用于农产品农药鉴别检测提供了借鉴。     

采用深度卷积神经网络的路面破损智能识别

为有效识别沥青路面病害类别,为后续养护对策的制定提供依据,将深度卷积神经网络,视觉几何组(Visual Geometry Group NetWork, VGG)技术引入沥青路面病害识别任务中。根据VGG网络结构随着卷积核深度的加深可获得图片更深层次特征的特点,将VGG模型最后一层卷积核中的卷积深度加深,获得改进后的VGG模型,并与VGG模型进行比较。结果表明：改进后的VGG模型用时为278ms/step,相比于VGG模型用时为258ms/step略有增加,而对病害的识别精度又进一步优化,提升了1.36,对龟裂、松散这类复杂裂缝分别提高了1.12%、8.4%。可见,采用VGG模型可以有效识别路面病害,将其适当改进后,效果更佳,相比于其他方法,对诸如松散、龟裂等复杂路面病害可做到精确识别,达到及时、有效监测、养护路面,防止路面进一步退化的目的。     

基于IPSO-BP神经网络的结构损伤识别

为了准确评估结构健康状况．将改进的粒子群算法与BP算法有机结合来训练人工神经网络,并用于结构损伤识别．以国际结构控制协会与美国土木工程学会（IASC-ASCE）提出的健康监测第二阶段Benchmark模型结构为例．对4种不同损伤模式进行了损伤定位．研究结果表明,在模型误差、测量噪声等因素的影响下,该方法能够取得令人满意的损伤识别结果．     

基于神经网络技术的结构损伤探测

理论分析表明，工程结构损伤前后的固有频率的变化包含了结构损伤位置和程度的信息，在此理论基础上，构造了改进型BP神经网络的输入参数，分别对一个框架模型和一个桁架模型进行了损伤数值模拟计算，首先提取结构固有频率的变化，对神经网络进行训练，然后分别对结构的损伤位置和损伤程度进行识别，计算分析结果表明，该方法在结构损伤检测中具有较好的识别效果。     

基于多尺度一维卷积神经网络的弯管冲蚀损伤智能检测方法

针对高压管汇损伤需要提高检测效率和准确率的问题,提出一种基于多尺度一维卷积神经网络(multi-scale one-dimensional convolutional neural network, MS-1DCNN)的弯管冲蚀损伤智能检测新方法,即用多尺度卷积层代替传统的单一尺度卷积层。在MS-1DCNN模型中,把通过模拟实验所得弯管冲蚀损伤原始时域信号作为多尺度一维卷积神经网络的输入,这样能解决传统方法依赖人工提取特征和专家知识的问题;然后,通过多尺度卷积层和池化层的交替连接对输入信号进行特征提取;最后,经由输出层输出弯管冲蚀损伤分类结果。模型试验结果表明：基于MS-1DCNN弯管冲蚀损伤检测方法可以有效检测出弯管冲蚀损伤,且平均检测准确率达到99.18%。研究可为高压管汇冲蚀损伤智能检测提供一种新思路。     

基于量子LM神经网络和粗糙集的石油储层识别方法研究

提出一种量子LM（Levenberg Marquardt,LM）神经网络与粗糙集相结合的智能识别方法,以替代传统的统计识别方法和工程应用中以单一智能控制为基础的识别方法．基于LM神经网络的技术方案可以整理测井定位数据,提高预测的准确性;量子计算具有并行和类映射的优势;通过削减冗余信息和简化信息量,粗糙集可以降低量子LM神经网络的复杂性,缩短数据处理时间,削减神经网络的负担．通过在石油储层识别实践中的应用证明：该方法可以有效提高计算速度和识别精度,降低成本．     

基于曲率模态和神经网络的分步损伤识别法及其在桥梁结构中的应用

神经网络用于损伤识别遇到的最大问题就是训练样本数量的组合爆炸问题,单纯用神经网络进行损伤诊断有很大困难．提出了一种两步识别法来进行损伤诊断,即先采用结构的曲率模态,定义一个新的损伤指标,判断损伤位置,再利用BP神经网络精确识别损伤程度;运用两步识别法对一座混凝土连续刚构桥进行了损伤位置与损伤程度的识别．识别结果表明,对于2个单元和3个单元损伤的情况,分别只需16个和64个损伤样本就能取得满意的识别结果,大大减少了单纯利用神经网络进行损伤识别所需的损伤样本．     

基于级联卷积神经网络的人脸特征点识别算法实现

针对在有冗余图像信息干扰下进行人脸有效特征点提取时精度不高的问题,提出了基于级联卷积神经网络的人脸特征点检测算法.在该算法中:输入层读入规则化的原始图像,神经元提取图像的局部特征;池化层进行局部平均和降采样操作,对卷积结果降低维度;卷积层和池化层分布连接,迭代训练,输出特征点检测结果.该算法采用Python语言编程实现,在人脸数据集进行仿真实验,结果表明该算法对人脸特征点有较高的识别率.     

基于LVQ神经网络的冷轧带钢表面缺陷分类方法

将LVQ神经网络用于冷轧带钢表面缺陷的自动分类中,解决了以往分类方法在多噜缺陷模式类型情况下耗时多和准确率低的问题.对现场采集到的14种主要缺陷类型进行了实验.实验结果表明,基于LVQ神经网络的分类器训练与分类的时间短,在多缺陷种类分类的过程中准确率能得到保证.     

基于红外热成像与CNN的压裂装备故障精准识别及预警

页岩气大规模压裂作业过程中,以压裂泵为代表的压裂装备的安全性、可靠性直接关系到整体压裂作业的顺利进行.考虑到复杂工况及作业环境对振动分析的影响,且设备内部不便安装振动传感器,可引入红外热成像技术进行运行状态的监测.由于页岩气压裂设备外部壳体较厚,加之内部液体的降温作用,使得泵头体等常见故障区域温度表征不明显.针对此问题...     

基于卷积神经网络的网络流量识别技术研究

近年来,深度包检测技术和基于统计特征的网络流量识别技术迅速发展,但它们分别存在不能识别加密流量和依赖人对特征主观选择的缺陷.文章提出了基于卷积神经网络的流量识别方法,将网络数据按照一定的规则转换为灰度图像进行识别,并根据TCP数据包的有序性和UDP数据包的无序性,对原始的网络数据进行了扩展,以进一步提高识别率.实验数据表明,该方法对应用程序和应用层协议两个层次的网络流量具有较高的检测率.