质谱仪自适应校正方法及装置制造方法及图纸

本发明专利技术公开了一种质谱仪自适应校正方法及装置，方法包括：获取质谱仪工作环境的环境参数数据、质谱仪输出的质谱图、质谱仪的开机工作阶段和稳定工作阶段的数据；分析环境参数数据确定出关键影响因素参数数据，根据关键影响因素参数数据和质谱仪输出的质谱图建立初步质量轴偏移校正模型；通过优化算法对开机工作阶段和稳定工作阶段数据进行分析生成初步质量轴偏移校正模型对应的目标优化算法；通过目标优化算法对初步质量轴偏移校正模型进行优化生成目标质量轴偏移校正模型，通过目标质量轴偏移校正模型校正质谱仪输出的质谱图。该方法提高了质谱仪的环境适应性与仪器鲁棒性，实现质谱图的高质量精确度，为现场快速分析等应用提供稳定工作平台。

Self adaptive calibration method and device of mass spectrometer

【技术实现步骤摘要】
质谱仪自适应校正方法及装置
本专利技术涉及现场快速分析
，特别涉及一种质谱仪自适应校正方法及装置。
技术介绍
在小型质谱仪的实际应用过程中，测试环境多为非严格控制温、湿度等环境参量的野外，这些参量的变化会对质谱仪中射频系统、电控系统、供电系统等的输出信号产生一定的影响，这些关键信号的非受控的变化会使得在质谱仪中的离子的运动受到干扰，导致离子被扫出质量分析器时的时间发生变化，而最终所得的质谱图中的质量轴信息是与扫出时刻相关的。对于给定质量轴校准函数，在已经确定初始校准函数后，当条件改变时，会对计算出的所述离子的质荷比的准确性产生不利影响，使得仪器最终输出的谱图中谱峰的位置发生偏移。同时为了节约便携式小型质谱仪等含有电池供电系统的小型质谱仪的电量，在工作与非工作状态间需要对其进行开关机操作，但在仪器开机半小时内其内部温度会急剧变化，有十度以上的升高，在该阶段测得的谱图会受到明显的影响。在过去的使用过程中已经采用一些方法来使得这些影响最小化。比较常用的方法是在仪器工作状态稳定后，推翻初始校准函数，再次进行质量轴校正工作，并认为后续测试过程中质量轴不再发生偏移。但这种方式可靠性有限，一方面在后续仪器的使用过程中环境因素也会发生变化，影响仪器的工作状态，另一方面再次校正质量轴的过程会消耗一定的时间，对于电池供电的系统而言会使得其有效工作时间减少。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种质谱仪自适应校正方法，该方法提高了质谱仪的环境适应性与仪器鲁棒性，实现质谱图的高质量精确度，为现场快速分析等应用提供稳定的工作平台。本专利技术的另一个目的在于提出一种质谱仪自适应校正装置。为达到上述目的，本专利技术一方面实施例提出了一种质谱仪自适应校正方法，包括：S1，获取质谱仪所在工作环境的环境参数数据、所述质谱仪输出的质谱图、所述质谱仪的开机工作阶段数据、所述质谱仪的稳定工作阶段数据；S2，对所述环境参数数据进行分析确定关键影响因素参数数据，根据所述关键影响因素参数数据和所述质谱仪输出的质谱图建立初步质量轴偏移校正模型；S3，通过多种优化算法对所述开机工作阶段数据和所述稳定工作阶段数据进行分析生成所述初步质量轴偏移校正模型对应的目标优化算法；S4，通过所述目标优化算法对所述初步质量轴偏移校正模型进行优化生成目标质量轴偏移校正模型，并通过所述目标质量轴偏移校正模型对所述质谱仪输出的质谱图进行校正。本专利技术实施例的质谱仪自适应校正方法，基于机器学习的原理，通过相应传感器读取小型质谱仪所处环境中的各项环境参量，并通过利用机器学习的方式训练出的校正模型预测在不同环境中谱峰的偏移情况，从而能够实时校正谱峰的位置，保证仪器在各种环境中工作的稳定性。另外，根据本专利技术上述实施例的质谱仪自适应校正方法还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，在S4之后，还包括：对校正后的质谱图进行分析生成校正误差；判断所述校正误差是否大于预设阈值，若大于所述预设阈值，则调整所述目标质量轴偏移校正模型的参数以优化所述目标质量轴偏移校正模型。进一步地，在本专利技术的一个实施例中，所述对所述环境参数数据进行分析确定关键影响因素参数数据，进一步包括：对所述环境参数数据进行机理分析和实验验证确定影响所述质谱仪工作状态的潜在影响因素参数数据；通过GBDT特征重要性分析、皮尔森相关系数在所述潜在影响因素参数数据中确定出所述关键影响因素参数数据。进一步地，在本专利技术的一个实施例中，所述S3进一步包括：通过ANN、SVN、KNN、GBDT算法分别对所述开机工作阶段数据和所述稳定工作阶段数据进行分析生成所述多个优化算法对应的分析结果；通过比较均方误差和最大误差对所述多个优化算法对应的分析结果进行分析，生成所述质谱仪开机阶段对应的优化算法和所述质谱仪稳定工作阶段对应的优化算法，其中，所述质谱仪开机阶段对应的优化算法为KNN算法，所述质谱仪稳定工作阶段对应的优化算法为GBDT算法。进一步地，在本专利技术的一个实施例中，所述S4进一步包括：通过所述质谱仪开机阶段对应的优化算法和所述质谱仪稳定工作阶段对应的优化算法分别对所述初步质量轴偏移校正模型进行优化，生成所述质谱仪开机阶段对应的目标质量轴偏移校正模型和所述质谱仪稳定工作阶段对应的目标质量轴偏移校正模型；通过所述质谱仪开机阶段对应的目标质量轴偏移校正模型对所述质谱仪开机阶段输出的质谱图进行校正；通过所述质谱仪稳定工作阶段对应的目标质量轴偏移校正模型对所述质谱仪稳定工作阶段输出的质谱图进行校正。为达到上述目的，本专利技术另一方面实施例提出了一种质谱仪自适应校正装置，包括：获取模块，用于获取质谱仪工作环境的环境参数数据、所述质谱仪输出的质谱图、所述质谱仪的开机工作阶段数据、所述质谱仪的稳定工作阶段数据；建模模块，用于对所述环境参数数据进行分析确定关键影响因素参数数据，根据所述关键影响因素参数数据和所述质谱仪输出的质谱图建立初步质量轴偏移校正模型；生成模块，用于通过多种优化算法对所述开机工作阶段数据和所述稳定工作阶段数据进行分析生成所述初步质量轴偏移校正模型对应的目标优化算法；优化校正模块，用于通过所述目标优化算法对所述初步质量轴偏移校正模型进行优化生成目标质量轴偏移校正模型，并通过所述目标质量轴偏移校正模型对所述质谱仪输出的质谱图进行校正。本专利技术实施例的质谱仪自适应校正装置，基于机器学习的原理，通过相应传感器读取小型质谱仪所处环境中的各项环境参量，并通过利用机器学习的方式训练出的校正模型预测在不同环境中谱峰的偏移情况，从而能够实时校正谱峰的位置，保证仪器在各种环境中工作的稳定性。另外，根据本专利技术上述实施例的质谱仪自适应校正装置还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，还包括：分析模块、判断模块和调整模块；所述分析模块，用于对校正后的质谱图进行分析生成校正误差；所述判断模块，用于判断所述校正误差是否大于预设阈值，所述调整模块，用于所述校正误差大于所述预设阈值时，调整所述目标质量轴偏移校正模型的参数以优化所述目标质量轴偏移校正模型。进一步地，在本专利技术的一个实施例中，所述对所述环境参数数据进行分析确定关键影响因素参数数据，进一步包括：对所述环境参数数据进行机理分析和实验验证确定影响所述质谱仪工作状态的潜在影响因素参数数据；通过GBDT特征重要性分析、皮尔森相关系数在所述潜在影响因素参数数据中确定出所述关键影响因素参数数据。进一步地，在本专利技术的一个实施例中，所述生成模块，具体用于，通过ANN、SVN、KNN、GBDT算法分别对所述开机工作阶段数据和所述稳定工作阶段数据进行分析生成所述多个优化算法对应的分析结果；通过比较均方误差和最大误差对所述多个优化算法对应的分析结本文档来自技高网...

【技术保护点】
1.一种质谱仪自适应校正方法，其特征在于，包括以下步骤：/nS1，获取质谱仪所在工作环境的环境参数数据、所述质谱仪输出的质谱图、所述质谱仪的开机工作阶段数据、所述质谱仪的稳定工作阶段数据；/nS2，对所述环境参数数据进行分析确定关键影响因素参数数据，根据所述关键影响因素参数数据和所述质谱仪输出的质谱图建立初步质量轴偏移校正模型；/nS3，通过多种优化算法对所述开机工作阶段数据和所述稳定工作阶段数据进行分析生成所述初步质量轴偏移校正模型对应的目标优化算法；/nS4，通过所述目标优化算法对所述初步质量轴偏移校正模型进行优化生成目标质量轴偏移校正模型，并通过所述目标质量轴偏移校正模型对所述质谱仪输出的质谱图进行校正。/n

【技术特征摘要】
1.一种质谱仪自适应校正方法，其特征在于，包括以下步骤：
S1，获取质谱仪所在工作环境的环境参数数据、所述质谱仪输出的质谱图、所述质谱仪的开机工作阶段数据、所述质谱仪的稳定工作阶段数据；
S2，对所述环境参数数据进行分析确定关键影响因素参数数据，根据所述关键影响因素参数数据和所述质谱仪输出的质谱图建立初步质量轴偏移校正模型；
S3，通过多种优化算法对所述开机工作阶段数据和所述稳定工作阶段数据进行分析生成所述初步质量轴偏移校正模型对应的目标优化算法；
S4，通过所述目标优化算法对所述初步质量轴偏移校正模型进行优化生成目标质量轴偏移校正模型，并通过所述目标质量轴偏移校正模型对所述质谱仪输出的质谱图进行校正。


2.根据权利要求1所述的方法，其特征在于，在S4之后，还包括：
对校正后的质谱图进行分析，生成校正误差；
判断所述校正误差是否大于预设阈值，若大于所述预设阈值，则调整所述目标质量轴偏移校正模型的参数以优化所述目标质量轴偏移校正模型。


3.根据权利要求1所述的方法，其特征在于，所述对所述环境参数数据进行分析确定关键影响因素参数数据，进一步包括：
对所述环境参数数据进行机理分析和实验验证确定影响所述质谱仪工作状态的潜在影响因素参数数据；
通过GBDT特征重要性分析、皮尔森相关系数在所述潜在影响因素参数数据中确定出所述关键影响因素参数数据。


4.根据权利要求1所述的方法，其特征在于，所述S3进一步包括：
通过ANN、SVN、KNN、GBDT算法分别对所述开机工作阶段数据和所述稳定工作阶段数据进行分析生成所述多个优化算法对应的分析结果；
通过比较均方误差和最大误差对所述多个优化算法对应的分析结果进行分析，生成所述质谱仪开机阶段对应的优化算法和所述质谱仪稳定工作阶段对应的优化算法，其中，所述质谱仪开机阶段对应的优化算法为KNN算法，所述质谱仪稳定工作阶段对应的优化算法为GBDT算法。


5.根据权利要求4所述的方法，其特征在于，所述S4进一步包括：
通过所述质谱仪开机阶段对应的优化算法和所述质谱仪稳定工作阶段对应的优化算法分别对所述初步质量轴偏移校正模型进行优化，生成所述质谱仪开机阶段对应的目标质量轴偏移校正模型和所述质谱仪稳定工作阶段对应的目标质量轴偏移校正模型；
通过所述质谱仪开机阶段对应的目标质量轴偏移校正模型对所述质谱仪开机阶段输出的质谱图进行校正；
通过所述质谱仪稳定工作阶段对应的目标质量轴偏移校正模型对所述质谱仪稳定工作阶段输出的质谱图进行校正。


6.一种质谱仪自适应校正装置，其特征在于，包括：<...

【专利技术属性】
技术研发人员：欧阳证，焦斌，顾华荣，叶惠民，
申请(专利权)人：清华大学，北京清谱科技有限公司，
类型：发明
国别省市：北京;11