一种基于迁移学习的醇钠碱液浓度软测量方法与流程

本发明涉及光谱分析与软测量，尤其是涉及一种基于迁移学习的醇钠碱液浓度软测量方法。

背景技术：

1、醇钠碱液在化工生产中具有广泛应用，其浓度的精确测量对于保证产品质量和生产安全至关重要。透射光谱技术作为一种非接触式分析手段，通过测量物质对特定波长光线的吸收特性，能够实现对溶液成分的快速检测。在实际工业应用中，通常需要建立光谱数据与物质浓度之间的定量分析模型，即软测量模型，以实现浓度的在线监测。

2、相关技术中，公告号为cn106680238b的中国发明专利公开了基于红外光谱分析物质成分含量的方法，包括：根据源域红外光谱数据和与所述源域红外光谱数据对应的源域物质成分含量建立第一回归模型，求取所述第一回归模型中的参数；获取目标域红外光谱数据，建立目标域红外光谱数据与源域红外光谱数据之间的转移模型，求取所述转移模型中的参数；根据所述目标域红外光谱数据、所述转移模型，利用所述第一回归模型获取与所述目标域红外光谱数据对应的目标域物质成分含量。

3、然而，上述现有技术方案存在以下技术缺陷：未针对性分离工业现场因视窗结晶、光路老化引起的低频基线漂移，导致有效吸收特征被淹没，测量精度低；仅通过简单转移模型进行浅层校正，未利用深度域适应机制对齐实验室与现场数据分布，模型泛化能力差；缺乏对无标签现场数据的置信度评估与筛选机制，错误伪标签易误导模型训练；模型静态固定，无法感知工况分布漂移，缺少增量更新与预警机制，长期运行稳定性差。

技术实现思路

1、为解决上述问题，本发明提供了一种基于迁移学习的醇钠碱液浓度软测量方法，采用跨域对齐网络与联合损失函数驱动机制，结合多尺度光谱特征提取，能够实现醇钠碱液浓度的精准软测量。

2、上述目标可以通过如下方案实现：

3、一种基于迁移学习的醇钠碱液浓度软测量方法，包括对源域标定光谱与目标域现场光谱进行对齐预处理，并通过分段非对称最小二乘拟合分离基线漂移，重构出净化光谱数据；融合波峰形态、导数曲线与积分能量信息提取多尺度光谱特征，将其输入跨域对齐网络，在域判别与特征分布差异约束下获取域不变特征表示；利用预测不确定度筛选高置信伪标签样本，通过构建跨域联合损失函数完成迁移软测量模型的训练；在线应用阶段，依据特征偏离度触发预警与模型增量更新，最终输出精准的浓度预测值。

4、可选地，所述得到源域标定光谱集和目标域现场光谱集包括：在实验室标定环境下对覆盖工业生产使用区间的浓度梯度醇钠碱液样本进行扫描，得到带有真实浓度标签的原始实验室光谱；在工业管线上按连续采样节拍对流经的醇钠碱液进行透射响应记录，得到无浓度标签的原始现场光谱；对所述原始实验室光谱与原始现场光谱分别进行波长轴插值对齐与光强归一化处理，得到源域标定光谱集和目标域现场光谱集。

5、可选地，所述得到净化光谱数据包括：对所述源域标定光谱集和目标域现场光谱集分别进行分段非对称最小二乘拟合，估计出由视窗结晶附着与光路老化引起的低频缓变分量，作为基线漂移分量；从所述源域标定光谱集和目标域现场光谱集中减去所述基线漂移分量得到剩余吸收响应，并利用醇钠分子在特征波段的形状约束对剩余吸收响应进行筛选与保留，得到有效吸收特征分量；将所述有效吸收特征分量按原始波长顺序重排，并进行区间内幅值归一化，得到净化光谱数据。

6、可选地，所述得到多尺度光谱特征包括：以宽度不同的滑动窗口对所述净化光谱数据进行局部卷积扫描，提取反映特征吸收峰位置与形状变化的局部波峰形态信息；对所述净化光谱数据进行多阶差分运算得到导数曲线信息，并对所述净化光谱数据中反映醇钠特征吸收的波段区间进行数值积分得到积分能量信息；将所述局部波峰形态信息、导数曲线信息与积分能量信息沿通道维度进行拼接融合，得到多尺度光谱特征。

7、可选地，所述得到域不变特征表示包括：将所述多尺度光谱特征输入共享特征提取网络，得到跨域共享嵌入表示；将所述跨域共享嵌入表示分别送入回归分支和经梯度反转层耦合的域判别分支，由所述域判别分支识别域归属，并将梯度通过所述梯度反转层反向传递至所述共享特征提取网络，计算得到域判别损失；在所述跨域共享嵌入表示的特征空间上，计算源域样本与目标域样本的高阶统计矩差异，得到跨域特征分布差异约束；将所述域判别损失与所述跨域特征分布差异约束作为联合驱动条件进行反向传播，优化所述共享特征提取网络，输出域不变特征表示。

8、可选地，所述得到高置信伪标签样本集包括：将所述目标域现场光谱集对应的域不变特征表示输入回归分支，输出目标域样本对应的伪浓度标签；对回归分支在随机失活的条件下进行多次前向采样，将多次采样输出的方差作为预测不确定度，并将所述预测不确定度经单调递减映射转换为伪标签置信度；依据所述伪标签置信度的分布分位点自适应地生成筛选阈值，剔除伪标签置信度低于预设筛选阈值的样本，保留剩余样本及其伪浓度标签得到高置信伪标签样本集。

9、可选地，所述得到迁移软测量模型包括：以所述源域标定光谱集对应的真实浓度标签与回归分支的预测值之间的偏差构建源域监督回归损失；以所述高置信伪标签样本集对应的伪浓度标签与所述回归分支的预测值之间的偏差构建目标域自监督回归损失，并利用所述伪标签置信度对目标域自监督回归损失中的各样本项进行加权，得到加权目标域自监督回归损失；将所述源域监督回归损失、加权目标域自监督回归损失、域判别损失以及跨域特征分布差异约束按可学习平衡系数线性组合，得到跨域联合损失函数，并通过反向传播对共享特征提取网络与所述回归分支进行联合优化，得到迁移软测量模型。

10、可选地，所述对当前的迁移软测量模型进行增量更新包括：提取新到达现场光谱的在线域不变特征表示，并计算其与历史训练分布的偏离度；若所述偏离度超过由历史无漂移窗口统计得到的控制上限，则触发分布漂移预警信号；将触发所述分布漂移预警信号的现场光谱作为无标签目标域样本补充至训练集，并固定所述回归分支的参数，仅依靠域判别损失与跨域特征分布差异约束对所述共享特征提取网络进行无监督域自适应微调，完成对当前的迁移软测量模型的增量更新。

11、可选地，所述输出醇钠碱液浓度预测值包括：对所述新到达的现场光谱执行光谱分解与重构，得到在线净化光谱数据，并将所述在线净化光谱数据进行卷积特征映射与信息融合，得到在线多尺度光谱特征；将所述在线多尺度光谱特征输入当前的迁移软测量模型中的共享特征提取网络，得到在线域不变特征表示；将所述在线域不变特征表示送入当前的迁移软测量模型的回归分支，得到归一化浓度输出；对所述归一化浓度输出执行反归一化映射，还原为醇钠碱液浓度预测值。

12、基于相同的发明构思，本发明还提供了一种基于迁移学习的醇钠碱液浓度软测量系统，所述系统包括：数据获取与预处理模块，用于获取带有真实浓度标签的醇钠碱液透射光谱与无标签醇钠碱液透射光谱，并进行波长轴对齐与光强标准化处理，得到源域标定光谱集和目标域现场光谱集；光谱分解与重构模块，用于对所述源域标定光谱集和目标域现场光谱集分别进行光谱分解，分离出基线漂移分量和有效吸收特征分量，并将有效吸收特征分量重构后得到净化光谱数据；多尺度特征提取模块，用于将所述净化光谱数据在不同波长窗口和不同分辨率尺度下进行卷积特征映射，融合波峰形态信息、导数曲线信息与积分能量信息，得到多尺度光谱特征；域不变特征提取模块，用于将所述多尺度光谱特征输入预设的跨域对齐网络，通过联合驱动得到域不变特征表示；伪标签生成与筛选模块，用于基于所述域不变特征表示对目标域现场光谱集进行伪浓度标签估计，结合多次随机采样得到的预测不确定度生成伪标签置信度，依据伪标签置信度对样本进行筛选，得到高置信伪标签样本集；模型训练模块，用于利用所述源域标定光谱集所对应的真实浓度标签与高置信伪标签样本集所对应的伪浓度标签构建跨域联合损失函数，对所述跨域对齐网络进行加权联合训练，得到迁移软测量模型；在线偏离度计算模块，用于在线阶段，对新到达的现场光谱提取在线域不变特征表示并计算其相对于训练分布的偏离度；漂移预警与更新模块，用于若所述偏离度超过预设阈值，形成分布漂移预警信号，依据所述分布漂移预警信号对当前的迁移软测量模型进行增量更新；浓度预测输出模块，用于将所述新到达的现场光谱送入当前的迁移软测量模型进行推理，输出醇钠碱液浓度预测值。

13、与现有技术相比，本发明具有如下优点：

14、本发明通过光谱分解与多尺度特征融合，能够准确提取醇钠碱液的有效吸收特征并消除基线漂移干扰。

15、本发明利用跨域对齐网络与联合损失函数，实现了实验室标定数据到工业现场数据的知识迁移，提高了模型在目标域的预测精度。

16、本发明引入伪标签置信度筛选机制与在线增量更新策略，增强了模型对工业现场工况变化的适应能力和长期运行的稳定性。

17、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。