优化的径向基函数(RBF)神经网络实现高场非对称波形离子迁移谱(FAIMS)分离电压温度补偿研究

摘要：

针对高场非对称波形离子迁移谱仪(FAIMS)分离电压温度漂移造成的其物性表征的不确定性问题,提出了一种采用径向基函数(RBF)神经网络对分离电压进行温度补偿的方法.为了提高算法的实时性,加快函数逼近速度,采用指数下降惯性权重(EDIW)动量因子策略对RBF神经网络参数进行了优化.在20 ～120℃的温度范围内,对该算法及线性下降惯性权重(LDIW)动量因子策略优化的RBF神经网络和传统RBF神经网络等3种补偿算法进行对比.结果表明,指数下降惯性权重动量因子策略优化的RBF神经网络模型具有更少的迭代次数和更短的运算耗时,使分离电压很好地保证了对特定物质离子表征的唯一性,同时验证了该模型还具有较强的泛化能力.对分离电压采用温度补偿的方法也为实现迁移管无恒温控制提供了理论依据.

关键词：高场非对称波形离子迁移谱、分离电压、温度补偿、RBF神经网络、指数下降惯性权重

所属期刊栏目：16

分类号：TH843;TP212

资助基金：国家自然科学基金项目21105127;江苏省“六大人才高峰”第十二批人才资助项目DZXX-049;宿迁学院科研基金项目2014KY09;江苏高校品牌专业建设工程资助项目PPZY2015C252;宿迁市科技计划项目Z201529;宿迁市科技支撑计划项目H201516

在线出版日期：2017-02-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：42-48