近红外光谱药品鉴别作为识别假冒伪劣药品的一种有效技术手段, 已被广泛应用到各大医疗行业和药品监督管理机构, 并结合模式识别建模方法在基层药品打假中得到较好的推广。 由于传统建模方法很难满足药品鉴别中大规模、 多分类、 快速建模等问题, 因此采用一种基于波形叠加极限学习机(SWELM(CS))分类方法对光谱数据进行鉴别。 通过选用极限学习机(ELM)作为光谱药品分类器, 使得分类模型具有快速学习能力以及对训练样本不敏感的特点; 由于极限学习机的连接权值和隐层神经元阈值是随机生成导致网络稳定性差, 因此结合布谷鸟搜索算法优化分类模型参数; 采用反双曲线正弦函数与Morlet小波函数叠加的激励函数代替ELM原有的单一激励函数改善了分类模型的收敛速度和稳健性。 通过上述改进方法使得SWELM(CS)具有对训练样本不敏感性, 布谷鸟参数优化的分类稳定性、 波形叠加函数的强收敛性与信号特征提取能力。 该方法为核函数提供的信号特征提取及拟合的思想, 可推广到其他学习算法中以获取更高的分类准确度及稳定性。 该实验选定西安杨森制药厂生产的249个近红外光谱药品样本作为研究的主要对象, 重点研究光谱药品的二分类和多分类实验, 实验证明SWELM(CS)分类器相比BP神经网络、 标准ELM以及粒子群优化ELM等传统分类器算法具有更高的分类准确度、 分类稳定性及更小的训练样本敏感性。

介绍了一种基于并联谐振波形叠加技术的长脉冲调制器，该结构采用多模块进行波形叠加(并联)，这样可以在纹波一定时，减小脉冲前沿，同时可以提高输出功率，单级结构采用并联谐振结构。为了稳定输出电压，且尽量减小开关损耗，采用频率和相位联合控制方式。对频率和相位联合控制、前馈稳压控制原理及谐振参数设计进行了说明，对基于上述原理的多级并联结构进行了仿真。仿真结果表明：输入直流电压在450~550 V变化时，3个变换器模块并联，谐振参数中心频率50 kHz，在5.2 kΩ负载上产生60 kV电压，上升沿约35 μs,输出电压能保持基本稳定,纹波小于4%。