为了达到快速识别和检测油类污染物的目的,以激光诱导荧光技术为基础搭建了荧光光谱检测系统,得到0 #柴油、95 #汽油和普通煤油3种不同油种的荧光光谱,然后从荧光光谱信息中提取特征参量,将标准差、中心距和荧光峰的峰度系数作为敏感特征参量进行聚类分析,最后采用拟合曲线法求得待测样品的质量浓度。实验结果表明,LIF技术结合特征参量提取法和拟合曲线法可用于不同油类污染物的定性和定量检测,为快速识别和检测油类污染物提供了一种新思路。

为了有效抑制量测噪声特性变化对系统辨识精度的影响以获得准确的无刷直流电机模型, 提出了一种采用自适应卡尔曼滤波算法的无刷直流电机系统辨识方法。通过计算新息理论方差的极大似然最优估计, 并将其引入卡尔曼滤波算法中修正滤波增益来抑制量测噪声特性变化对辨识结果的影响, 使该滤波算法实现对模型参数的准确估计, 提高辨识精度。实验结果表明, 在量测噪声特性变化的情况下, 该算法能够准确跟踪实际量测噪声特性的变化, 参数估计平滑, 相对于目前系统辨识广泛采用的带有遗忘因子的递推最小二乘算法, 输出误差的均方根值减小了73.5%。该算法简单易行, 计算量小, 辨识结果可以很好地描述系统行为, 便于在工程实践中应用。