基于改进小波神经网络的极谱法多金属离子浓度检测 - 中南大学学报.pdfVIP

第 47 卷第 1 期 中南大学学报(自然科学版)  Vol.47  No.1  2016 年 1 月  Journal of Central South University (Science and Technology)  Jan. 2016  DOI: 10.11817/j.issn.1672­7207.2016.01.015  基于改进小波神经网络的极谱法多金属离子浓度 检测信号的在线解析 王雅琳，黄凯华，黄天红，周晓君，阳春华  (中南大学 信息科学与工程学院，湖南 长沙，410083)  摘要：针对极谱法实现锌湿法冶炼过程多金属离子浓度同时检测时所得信号存在重叠峰的问题，提出一种基于改 进小波神经网络的多金属离子浓度极谱检测信号在线解析方法。首先，采用离散小波变换求取极谱检测信号的一 阶导数，从而提取出极谱信号的特征点作为小波神经网络的输入；然后，提出一种改进的状态转移算法优化小波 神经网络参数，实现基于小波神经网络的多金属离子浓度同时测定信号的离线建模和在线解析，提高多金属离子 浓度同时测定的检测精度。以实际锌、钴极谱重叠信号为例进行验证。研究结果表明：所提出的方法针对锌质量 浓度和钴质量浓度的测定结果优于传统的曲线拟合和基于 BP神经网络的方法所得结果。 关键词：极谱曲线；多金属离子浓度；小波神经网络(WNN)；状态转移算法(STA)  中图分类号：TP183  文献标志码：A  文章编号：1672−7207(2016)01−0100−08  Online analysis on polarographicdetection signal of multi­metal ion  concentrations based on improved wavelet neural networks  WANG Yalin, HUANG Kaihua,HUANG Tianhong, ZHOU Xiaojun,YANG Chunhua  (School of Information Science and Engineering,Central South University, Changsha 410083, China)  Abstract: For solving the overlapping peaks problem in multi­component detection ofzinc hydrometallurgical process,  an online analysis method for polarographicdetection signal of multi­metal ion concentrations was proposed based on the  improved wavelet neural network. Firstly, the first derivative of polarographic signal was obtained through the discrete  wavelet transform, and consequently, the correspond feature points were obtained as the input of wavelet neural network  based on the original  signal and the  first derivative of polarographic  signal.  Secondly, an improved state transition  algorithm was proposed to optimizethe parameters of wavelet neural n