基于数据驱动的现场质谱仪稳定输出控制系统及方法技术方案

一种基于数据驱动的现场质谱仪稳定输出控制系统及方法，该系统包括仪器控制参数设定与环境参数采集模块、多组分类器分类模块、反馈调参模块以及输出模块；仪器控制参数设定与环境参数采集模块在测试进样前设定仪器控制参数和采集当前仪器工作环境参数；多组分类器分类模块的每个分类器负责分类不同类型的故障信号或正常信号；反馈调节模块根据多组分类器分类模块分类出的故障信号类型选择对应的参数调整方案，反馈到仪器控制参数设定与环境参数采集模块，重新设定参数后由系统控制质谱仪进行重新采样；输出模块输出正常信号。本发明专利技术适应性强，能够有效地实现质谱仪输出正常信号以及学习记录最优控制参数。

【技术实现步骤摘要】
基于数据驱动的现场质谱仪稳定输出控制系统及方法
本专利技术涉及质谱仪及信号处理的领域，特别是涉及一种基于数据驱动的现场质谱仪稳定输出控制系统及方法。
技术介绍
质谱仪由于其较高的灵敏度和较高的宽容度使其成为化学分析中的经典方法。质谱仪是一种典型的质量分析精密仪器，通过对分子质量的定量分析可以对物质的浓度和成分进行鉴定。质谱仪具有强大的鉴定能力，较宽的分析范围，高灵敏度以及快速的分析能力。这些都使得质谱仪在食品安全分析、蛋白质组学研究、环境与地球科学以及药物与毒物检测等领域得到了广泛的应用。但是，环境检测和食品监管都需要现场对样品进行快速、批量的检测。现场检测往往无法实现专业的前处理和专业的实验操作，甚至操作人员也不一定是专业的仪器实验人员。显然，大质谱不再适应现场检测的需求。而小型化的现场质谱仪很好的满足这些条件。现场质谱仪是基于大型专业质谱仪，对硬件设备小型化，前处理一体化，信号处理智能化的改进，使其更加适应现场检测需求。现场质谱信号由于仪器控制电压、倍增放大器、信噪比以及采样时序和电离程度等原因，导致质谱仪输出的信号不一定是正常干净的信号，恰恰相反，对采集到的的信号进行分析可知，约50％的信号需要重采样或者单独处理。因此，对异常信号进行分类、识别，根据产生异常的原因反馈仪器，通过调整仪器设定参数再采样，直到输出正常信号。这对提高仪器输出信号的稳定性具有重要意义。对于现场质谱仪输出信号的稳定性目前多是在质谱仪上设置多个湿度、温度、压强等传感器，得到仪器工作条件下的环境参数以及与之对应的质谱图。通过分析进而得到谱峰强度与工作环境参数的相关曲线，以此作为控制仪器的上机位对仪器参数作出相应调整的依据，进而输出合理的质谱数据。已有一些对于测试仪器信号进行故障诊断的方法。例如对于心电信号中的房颤信号检测，机械齿轮振动信号的故障识别等。现有的故障信号识别的方法多是统计信号的特征参数，对这些特征参数进行统计分类分析，识别出其中的异常信号。常用的统计特征主要分为两类，一个是线性统计特征，另一类是非线性统计特征。其中，线性统计特征主要分为时域信号统计特征和频域信号统计特征。时域信号统计多是一些多阶统计值，例如均方值、方差、偏度与峰度等。频域信号的统计特征参数主要是一些无量纲参数。非线性统计主要分为熵和分形维数两大类。其中熵是表征信号混乱度的特征参数，分形维数则是基于数据驱动得到的特征统计参数。这些统计特征在信号的分类优劣上多是通过实验确定，最终的分类模型只保留对正常信号和异常信号区分度较好的特征参数。通过采集多个传感器参数作为仪器校准的依据，这对传感器整体工作环境参数的采集精度和完整度有较高的要求。例如，对局部温度采集不规范，对后面的谱峰强度和工作环境参数的相关性曲线绘制产生影响。且目前多变量的优化算法需要大量的实验数据支持，在复杂多变的现场检测环境中很难得到完整的支持决策库。这样会导致决策库无法为维护仪器稳定性提出正确合适的设定参数。相比于生理信号异常检测，对于机械信号故障诊断，质谱信号作为非稳定的随机信号，谱峰位置、谱峰数量以及谱峰强度均未知，并且由于仪器自身不稳定性以及现场环境的影响，质谱信号的故障产生原因和类型多种多样。仅仅通过统计特征参数来实现对质谱信号所有类型的分类是不现实且计算量较大。而且，在实际的质谱信号的特征计算中，并不是所有的特征值能从所有的信号中计算出来。总之，现有的现场质谱稳定性控制系统多是基于模型驱动来设计的，对于复杂多变的现场环境来说，模型普适性会受到较大的挑战。
技术实现思路
本专利技术的主要目的在于克服上述
技术介绍
的不足，提供一种基于数据驱动的现场质谱仪稳定输出控制系统及方法，以实现对质谱仪输出稳定信号，并保存特定样品、特定工作环境下的系统最优参数，不仅能够给接下来的定性定量分析提供可靠的质谱信号，而且在下一次相似工作环境下，能够自动推荐相应的质谱仪初始化控制参数。为实现上述目的，本专利技术采用以下技术方案：一种基于数据驱动的现场质谱仪稳定输出控制系统，包括仪器控制参数设定与环境参数采集模块、多组分类器分类模块、反馈调参模块以及输出模块；所述仪器控制参数设定与环境参数采集模块在测试进样前设定仪器控制参数和采集当前仪器工作环境参数；所述多组分类器分类模块包括多个串联的分类器，所述多组分类器分类模块接收质谱仪检测得到的质谱信号，由每个分类器负责分类不同类型的故障信号或正常信号；所述反馈调节模块根据所述多组分类器分类模块分类出的故障信号类型选择对应的参数调整方案，反馈到所述仪器控制参数设定与环境参数采集模块，重新设定参数后由系统控制质谱仪进行重新采样；直到得到正常信号或达到设定的最大循环次数；所述输出模块输出所述多组分类器分类模块得到的正常信号。进一步地：所述多组分类器分类模块包括按先后顺序依次串联的第一至第三分类器，第一分类器基于输入信号统计特征进行针对纯噪声的分类，第二分类器进行针对谱峰形状异常故障信号的分类，第三分类器进行针对二级质谱信号母峰碎裂不充分故障信号的分类。所述第一分类器为BP神经网络，所述第二分类器为SVM分类，所述第三分类器进行对比分析。所述第一分类器利用BP神经网络基于所有输入信号统计特征进行分类，优选地，统计特征包括信号两种频域统计参数p1和p2，分别如下：其中，y(k)是信号的频谱，k＝1，2，…，K，K是谱线数；fk是第k条谱线的频率值；所述第二分类器基于SVM分类器对谱峰形状异常进行分类，实现对拖尾信号、谱峰饱和信号以及谱峰形状正常信号的分类；优选地，基于机理和模型的特征提取方法，提取一个二级谱图中的所有出峰段，对每一个谱峰完成中心化和归一化之后用高斯函数拟合，得到每个谱峰的拟合特征参数，将这些参数和按照谱峰形状类型做好的标记一起存入训练集中，利用SVM分类器分类得到超平面作为最终的分类模型。所述第三分类器对所述第二分类器输出的谱峰正常质谱信号转换成柱状图之后与标准普图库比对，分析母离子峰是否实现较好的碎裂，以此实现对碎裂较好和碎裂较差信号的分类。对于不同的故障信号类型，重新设定参数后进行重新采样的方式为：对于噪声信号，在指定最大采样次数下，多次重采样，若依然是噪声信号，则默认是无进样，直接输出噪声信号；对于拖尾信号，降低扫描速度或缩短进样时间然后重采样；对于饱和信号，缩短进样时间和调整透镜电压然后重采样；对于母峰碎裂不充分信号，修正碎裂频率和调整碎裂能量之后进行重采样；对于所述拖尾信号、所述饱和信号以及所述母峰碎裂不充分信号，在重采样之前判断是否达到最大迭代次数，若达到则直接输出最后一次采样得到的信号。记录当前仪器输出正常信号时的工作控制参数与环境参数，并基于记录的所述工作控制参数与环境参数，在以后当工作环境符合所述环境参数时推荐最优控制参数。对于正常信号，计算其适应度函数，若此次进样的样品所产生的质谱信号在所述仪器工作环境下计算出的适应度函数值相对于之前同样进样样品和同样工作环境所得质谱信号的适应度函数值有所本文档来自技高网...

【技术保护点】
1.一种基于数据驱动的现场质谱仪稳定输出控制系统，其特征在于，包括仪器控制参数设定与环境参数采集模块、多组分类器分类模块、反馈调参模块以及输出模块；所述仪器控制参数设定与环境参数采集模块在测试进样前设定仪器控制参数和采集当前仪器工作环境参数；所述多组分类器分类模块包括多个串联的分类器，所述多组分类器分类模块接收质谱仪检测得到的质谱信号，由每个分类器负责分类不同类型的故障信号或正常信号；所述反馈调节模块根据所述多组分类器分类模块分类出的故障信号类型选择对应的参数调整方案，反馈到所述仪器控制参数设定与环境参数采集模块，重新设定参数后由系统控制质谱仪进行重新采样；直到得到正常信号或达到设定的最大循环次数；所述输出模块输出所述多组分类器分类模块得到的正常信号。/n

【技术特征摘要】
1.一种基于数据驱动的现场质谱仪稳定输出控制系统，其特征在于，包括仪器控制参数设定与环境参数采集模块、多组分类器分类模块、反馈调参模块以及输出模块；所述仪器控制参数设定与环境参数采集模块在测试进样前设定仪器控制参数和采集当前仪器工作环境参数；所述多组分类器分类模块包括多个串联的分类器，所述多组分类器分类模块接收质谱仪检测得到的质谱信号，由每个分类器负责分类不同类型的故障信号或正常信号；所述反馈调节模块根据所述多组分类器分类模块分类出的故障信号类型选择对应的参数调整方案，反馈到所述仪器控制参数设定与环境参数采集模块，重新设定参数后由系统控制质谱仪进行重新采样；直到得到正常信号或达到设定的最大循环次数；所述输出模块输出所述多组分类器分类模块得到的正常信号。


2.如权利要求1所述的基于数据驱动的现场质谱仪稳定输出控制系统，其特征在于，所述多组分类器分类模块包括按先后顺序依次串联的第一至第三分类器，第一分类器基于输入信号统计特征进行针对纯噪声的分类，第二分类器进行针对谱峰形状异常故障信号的分类，第三分类器进行针对二级质谱信号母峰碎裂不充分故障信号的分类。


3.如权利要求2所述的基于数据驱动的现场质谱仪稳定输出控制系统，其特征在于，所述第一分类器为BP神经网络，所述第二分类器为SVM分类，所述第三分类器进行对比分析。


4.如权利要求2所述的基于数据驱动的现场质谱仪稳定输出控制系统，其特征在于，所述第一分类器利用BP神经网络基于所有输入信号统计特征进行分类，优选地，统计特征包括信号两种频域统计参数p1和p2，分别如下：






其中，y(k)是信号的频谱，k＝1，2，...，K，K是谱线数；fk是第k条谱线的频率值；


5.如权利要求2所述的基于数据驱动的现场质谱仪稳定输出控制系统，其特征在于，所述第二分类器基于SVM分类器对谱峰形状异常进行分类，实现对拖尾信号、谱峰饱和信号以及谱峰形状正常信号的分类；优选地，基于机理和模型的特征提取方法，提取一个二级谱图中的所有出峰段，对每一个谱峰完成中心化和归一化之后用高斯函数拟合，得到每个谱峰的拟合特征参数，将这些参数和按照谱峰形状类型...

【专利技术属性】
技术研发人员：钱翔，徐向春，霍新明，鲁信琼，余泉，倪凯，王晓浩，
申请(专利权)人：清华大学深圳国际研究生院，深圳至秦仪器有限公司，
类型：发明
国别省市：广东;44