４６ 传感器与微系统（Ｔｒａｎｓｄｕｃｅｒ ａｎｄ Ｍｉｃｒｏｓｙｓｔｅｍ Ｔｅｃｈｎｏｌｏｇｉｅｓ） ２０１５年第３４卷第６期 ＤＯＩ：１０．１３８７３／Ｊ．１０００－９７８７（２０１５）０６－－００４６－－０４ 全自动酶免分析仪定量分析系统研究 常海涛 一，祝连庆 ，王中宇 ，周哲海 ，郭阳宽 （１．北京航空航天大学仪器科学与光电工程学院，北京１００１９１； ２．北京信息科技大学光电测试技术北京市重点实验室，北京１００１９２） 摘要：为了提高酶免分析仪检测精度，建立了基于改进遗传算法的多组分定量分析校正模型。通过自 适应寻优空间技术和小生境技术，对遗传算法进行改进。采用全息凹面光栅作为分光元件，搭建扫描式紫 外可见分光光度实验系统，对食品工业中最常见的苋菜红和胭脂红二组分混合水溶液进行定量分析，并与 最小二乘回归方法进行了比较。实验结果表明：改进遗传算法预测精度与最小二乘法相近，对苋菜红和胭 脂红的预测均方根误差（ＲＭＳＥＰ）分别为０．８８，１．７１ ｇ／ｍＬ；收敛速度明显快于传统遗传算法，为多组分同 时测定提供了新的思路。 关键词：全息凹面光栅；多组分定量分析；改进遗传算法；自适应寻优空间；小生境技术 中图分类号：ＴＨ ７４４．１ 文献标识码：Ａ 文章编号：１０００－９７８７（２０１５）０６－－００４６－－０４ Ｒｅｓｅａｒｃｈ ０ｎ ｑｕａｎｔｉｔａｔｉｖｅ ａｎａｌｙｓｉｓ ｓｙｓｔｅｍ ｆｏｒ ｅｎｚｙｍｅ．１ｉｎｋｅｄ ● ＇ ：ｌ： ｌｍｍＵｎ０ａＳＳａＶ ａｎａｌＶＺｅｒ ＣＨＡＮＧ Ｈｍ．ｔａｏ ，ＺＨＵ Ｌｉａｎ．ｑｉｎｇ２。ＷＡＮＧ Ｚｈｏｎｇ．ｙｕ ，ＺＨＯＵ Ｚｈｅ—ｈ ，ＧＵＯ Ｙａｎｇ．ｋｕａｎ （１．Ｓｃｈｏｏｌ ｏｆ Ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ Ｓｃｉｅｎｃｅ＆Ｏｐｔｏ－Ｅｌｅｃｔｒｏｎｉｃｓ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｂｅｉｈａｎｇ Ｕｎｉｖｅｒｓｉｔｙ， Ｂｅｉｊｉｎｇ １００１９１，Ｃｈｉｎａ；２．Ｂｅｉｊｉｎｇ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｆｏｒ Ｏｐｔｏｅｌｅｃｔｒｏｎｉｃ Ｍｅａｓｕｒｅｍｅｎｔ Ｔｅｃｈｎｏｌｏｇｙ， Ｂｅｉｊｉｎｇ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ Ｕｎｉｖｅｒｓｉｔｙ．Ｂｅｉｊｉｎｇ １００１９２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎ ｏｒｄｅｒ ｔｏ ｉｍｐｒｏｖｅ ｄｅｔｅｃｔｉｏｎ ｐｒｅｃｉｓｉｏｎ ｏｆ ａｕｔｏｍａｔｉｃ ｅｎｚｙｍｅ—ｌｉｎｋｅｄ ｉｍｍｕｎｏａｓｓａｙ ａｎａｌｙｚｅｒ，ａ ｃｏｒｒｅｃｔｉｏｎ ｍｏｄｅｌ ｆｏｒ ｍｕｈｉｅｏｍｐｏｎｅｎｔ ｑｕａｎｔｉｔａｔｉｖｅ ａｎａｌｙｓｉｓ ｂａｓｅｄ ｏｎ ｉｍｐｒｏｖｅｄ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ ｉｓ ｄｅｖｅｌｏｐｅｄ．Ｔｈｒｏｕｇｈ ａｄａｐｔｉｖｅ ｓｅａｒｃｈ ｓｐａｃｅ ｔｅｃｈｎｏｌｏｇｙ ａｎｄ ｎｉｃｈｅ ｔｅｃｈｎｏｌｏｇｙ ａｒｅ ｐｒｏｐｏｓｅｄ ｔｏ ｉｍｐｒｏｖｅ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ． Ａ ＵＶ－Ｖｉｓ ｓｐｅｃｔｒｏｐｈｏｔｏｍｅｔｅｒ ｉｓ ｂｕｉｌｔ ｂｙ ｕｓｉｎｇ ｈｏｌｏｇｒａｐｈｉｃ ｃｏｎｃａｖｅ ｇｒａｔｉｎｇ ａｓ ｓｐｅｃｔｒｏｓｃｏｐｅ．Ｔｈｅ ｃｏｍｐａｒｉｓｏｎ ｉｓ ｍａｄｅ ｂｅｔｗｅｅｎ ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ ａｎｄ ｌｅａｓｔ ｓｑｕａｒｅｓ ｒｅｇｒｅｓｓｉｏｎ ｍｅｔｈｏｄ ｂｙ ａｐｐｌｉｃａｔｉｏｎ ｔｏ ｓｉｍｕｌｔａｎｅｏｕｓ ｄｅｔｅｒｍｉｎａｔｉｏｎ ｏｆ ａｍａｒａｎｔｈ ａｎｄ ｃａｒｍｉｎｅ ｓａｍｐｌｅｓ ｗｈｉｃｈ ａｒｃ ｃｏｍｍｏｎｌｙ ｕｓｅｄ ｉｎ ｔｈｅ ｆｏｏｄ ｉｎｄｕｓｔｒｙ．Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｉｎｄｉｃａｔｅ ｔｈａｔ ｐｒｅｄｉｃｔｉｏｎ ｐｒｅｃｉｓｉｏｎ ｏｆ ｔｈｅ ｉｍｐｒｏｖｅｄ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ ａｎｄ ＬＳ ａｒｅ ｓｉｍｉｌａｒ，ｆｏｒ ａｍａｒａｎｔｈ ａｎｄ ｃａｒｍｉｎｅ ａｒｅ ０．８８，１．７１ ｍＬ，ｒｅｓｐｅｃｔｉｖｅｌｙ；ａｎｄ ｃｏｎｖｅｒｇｅｎｃｅ ｒａｔｅ ｉｓ ｓｉｇｎｉｉｆｃａｎｔｌｙ ｆａｓｔｅｒ ｔｈａｎ ｏｒｄｉｎａｒｙ ＧＡ．Ｉｔ ａｌｓｏ ｐｒｏｖｉｄｅｓ ａ ｎｅｗ ｉｄｅａ ｆｏｒ ｍｕｈｉｃｏｍｐｏｎｅｎｔ ｓｉｍｕｌｔａｎｅｏｕｓ ｄｅｔｅｒｍｉｎａｔｉｏｎ． Ｋｅｙ ｗｏｒｄｓ：ｈｏｌｏｇｒａｐｈｉｃ ｃｏｎｃａｖｅ ｇｒａｔｉｎｇ；ｍｕｌｔｉｃｏｍｐｏｎｅｎｔ ｑｕａｎｔｉｔａｔｉｖｅ ａｎａｌｙｓｉｓ；ｉｍｐｒｏｖｅｄ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ； ａｄａｐｔｉｖｅ ｓｅａｒｃｈ ｓｐａｃｅ；ｎｉｃｈｅ ｔｅｃｈｎｏｌｏｇｙ ０引 言 间的定量校正模型 。 全自动酶免分析仪是临床检验必备的分析仪器，主要 近年来，遗传算法 （ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ，ＧＡ）作为一种全 用于传染病血清学标志物、肿瘤标志物及内分泌等各种免 局搜索方法，被广泛应用于组合优化、自适应控制 、图像 疫指标的检测 。传统的酶免分析仪受限于其单色器滤 处理 和光谱分析 等领域。特别是针对光谱分析中的 光片组数量，只能进行定性分析。为实现定量分析，需采集 波长选择问题，国内外学者的研究表明采用遗传算法进行 样本全光谱数据，并借助于化学计量学方法，如，偏最小二 波长选择，即可以剔除不相关变量、简化模型，又可提高模 乘（ｐａｒｔｉａｌ ｌｅａｓｔ ｓｑｕａｒｅ，ＰＬＳ） 、主成分分析（ｐｒｉｎｃｉｐａｌ ｃｏｍ— 型的预测能力和稳健性 。但是遗传算法在使用过程中 ｐｏｎｅｎｔ ａｎａｌｙｓｉｓ，ＰＣＡ）［３ Ｊ，建立光谱数据和待测样本属性之 仍存在一些问题，如，“早熟现象”和种群进化效率低等 。 收稿日期：２ｏ１４－１ｏ－０９ 基金项目：北京市自然科学基金重点资助项目（Ｋ Ｏ１Ｏｌ０７７２Ｏ３２）；教育部“长江学者与创新团队”发展计划资助项目（ＩＲＴ１２１２）；国防技 术基础科研资助项目（Ｊ１３２０１２Ｃ００１） 第６期 常海涛，等：全自动酶免分析仪定量分析系统研究 ４７ 本文将多组分定量分析转化成组合最优化问题，提出 ＝Ｏ．２，为绝对位置差异的权重因子和辨识系数；Ａ －－－７／： ０．８为变化率的权重因子和辨识系数。 了一种基于改进遗传算法的定量分析方法。通过自适应寻 优空间和小生境技术加快种群的进化速度，提高算法的整 体性能。以全息凹面光栅作为分光元件，搭建扫描式紫外 可见分光光度计实验系统，并获得食品工业中最常见的苋 菜红和胭脂红二组分混合水溶液的吸收光谱数据。 １算法与原理 １．３遗传算法的改进 １）自适应寻优空间：首先随机产生初始种群，计算个 体适应度；然后以每代种群中最大适应度个体ｃ 为中心生 成下一代解空间［ｃ。＋ｄｏ，Ｃ。一 ］，并在新的解空间中随机 产生新的种群；重复上述操作，经过固定遗传代数，锁定搜 索空间，引人选择、交叉、变异等遗传操作实现种群进化。’ ２）小生境技术：本文采用个体之间的广义海明距离作 为共享函数，对相似个体中适应度较小的个体施加一个较 １．１ 回归模型的建立 可见光谱数据通常呈多变量、强相关性，并与样本组分 含量构成线性关系，符合朗伯比尔定律，即 Ａ ＝Ｃ ・量，爪 ・ｂ． （１） 强的惩罚函数，降低其适应度值，从而达到滤除相似个体， 增加种群的多样性，加快收敛速度的目的。 ２实验系统搭建 其中， 为吸收系数矩阵，ｍＬ／（ ｇ・ｃｍ）；６为光程， ｃｍ；Ｃ为样本浓度矩阵， ｍＬ；Ａ为吸光度矩阵，ｎ为样本 数，Ｐ为测量波长数，ｍ为待测样本的组分数。由于建模用校 正集样本的吸光度和浓度矩阵已知，而且样本数通常大于组 分数，因此，可通过求超定方程最小范数最小二乘解的方法 得到各组分的吸收系数。对浓度矩阵ｃ进行奇异值分解 Ｃ＝Ｕ・Ｓ・ＶＴ． （２） ２．１分光光度系统 全息凹面光栅，具有像差校正、低杂散光和高信噪比等 优点。以全息凹面光栅为核心的分光光度系统的结构如 图１所示。 狭缝 狭缝 其中， 为ｎ×ｎ阶列正交矩阵， 为ｎ×ｍ阶对角阵；Ｖ 为ｍ×ｍ阶列正交矩阵。吸收系数矩阵，即超定方程解为 ＝ ・（Ｓ ／（ ・Ａ ））． （３） 图１分光光度系统框图 Ｆｉｇ １ Ｂｌｏｃｋ ｄｉａｇｒａｍ ｏｆ ｓｐｅｃｔｒｏｐｈｏｔｏｍｅｔｅｒ 对于每一个待测集样本，利用遗传算法在浓度解空间搜 索全局最优浓度解ｃ ，带入到式（１），使得ｃ ．・Ｋ・ｂ等 于或接近待测样本吸光度，Ｃ 即为待测样本的 州 。 从图１可以看出：系统主要由光源、单色器、探测器、控 制及处理电路和上位机组成。光源选用２０ ｗ碘钨灯，辐射 波长范围为３２０—８００ ｒｉｍ，由于光源发热量大，采用外置结 １．２遗传算法 遗传算法将达尔文“适者生存”理论引入到种群进化过 程中，伴随着交叉、变异等遗传操作，实现种群中个体的信 息交换，并不断产生出新一代更适合环境的种群，最后收敛 于一个最适应环境的个体。本文采用的遗传算法操作参数 设定为：二进制编码，种群规模４０，选择算子采用随机遍历 抽样，单点交叉（概率７０％），变异概率１％，并采用精英主 义策略保留最优个体。需要特别指出的是，本文选取待测 样本预测吸光度曲线（即Ｃ ・Ｋ・６）和实测吸光度曲线 构，并配有散热片。单色器采用全息凹面光栅作为色散元 件，与传统的Ｃ—Ｔ结构光路相比，无需准直和聚焦成像系 统，简化系统结构的同时减少光能量的损失。样本杯为 １ ｃｍ见方石英材质的比色皿。探测器采用滨松Ｒ６３６—１０光 电倍增管（光谱响应范围１６０—９３０ ｒｉｍ） 榨制和数据处理 部分，以ＴＭＳ３２０Ｆ２８１２ ＤＳＰ为核心处理器，实现光源供电、 光栅转台控制、探测器信号采集及处理和上位机数据传输 与通信。需要指出的是，全息凹面光栅固定于可微调的光 栅转接架上，确保光栅最凹处的切线与转台的中心轴线在 一的灰色综合关联度函数作为适应度函数。灰色综合关联度 既考虑了吸光度曲线间的绝对位置变化，又兼顾了曲线自 身的相对变化率，以综合集成的形式表征曲线间的相似程 度 ，公式如下 ｌ＋＾ 个平面上。步进电机驱动蜗轮蜗杆机构来带动光栅转台 的连续转动，从而实现全谱段波长扫描。单色器实物如图２ 所示。 １＋Ａ ｌＡｘｍ（ｋ）Ｉ＋Ａ。Ｉ△ 。 （ｋ）ｌ＋朋Ｈ ‘ （４） 其中，ＭＡＸ 。ｍａｘｌ 。 （ ）Ｉ＋ｎｍ￣ＩＡｘ 。 （ ）Ｉ； 图２单色器实物图 Ｆｉｇ ２ Ｍｏｎｏｃｈｒｏｍｅｔｅｒ 为实测吸光度序列； 为预测吸光度序列； 。 （ｋ）＝ （ｋ）一 （ ）为序列间的绝对位置差；Ａｘ 。 （ｋ）＝（ 。（ｋ）一 。‰（ｋ一１））一（ （ ）一 （ｋ一１））为序列变化率差异。Ａ ＝ 传感器与微系统 第３４卷 ２．２实验材料与方法 待测样本选用食品工业中最常见的苋菜红、胭脂红两 种食用色素（国家标准物质研究中心提供）。采用精度为 １０ 手工加样器，吸取苋菜红和胭脂红纯组分标准溶液， 分别置于１００ ｍＬ容量瓶中，用蒸馏水定容配制成两组分混 合溶液，其中各组分浓度在０￣２００￣ｇ／ｍＬ范围内均匀分布， 任意组合。选取蒸馏水为参比溶液，在波长３８１—６３０ ｌｌｍ （间隔１ ｉｔｍ）内，记录３５组混合色素样本吸收光谱数据，其 中２０组作为校正集，ｌ５组作为预测集。经Ｓａｖｉｔｚｋｙ—Ｇｏｌａｙ 窗口移动多项式平滑后３５组混合色素样本吸收光谱如图３ 所示。从图３可以看出：光谱曲线平滑，滤噪效果明显，并 且苋菜红和胭脂红吸收峰接近，光谱重叠严重。 ≤ 图３平滑后苋菜红和胭脂红吸收光谱 Ｆｉｇ ３ Ａｂｓｏｒｐｔｉｏｎ ｓｐｅｃｔｒａ ｏｆ Ａｍａｒａｎｔｈ ａｎｄ Ｃａｒｍｉｎｅ ｗｉｍ ｓｍｏｏｔｈｉｎｇ ３实验结果与讨论 ３．１ 吸收系数计算 将校正集样本吸光度和浓度矩阵带人到式（２）和 式（３）中，通过解超定方程的方法计算苋菜红和胭脂红样本 在不同波长点的吸收系数。为进一步验证吸收系数的准确 性，将校正集样本浓度和两组分的吸收系数带入到公 式（１），反推出校正集样本的吸光度Ａ。 （预测吸光度），计 算Ａ 和Ａ（实测吸光度）中各样本数据序列间的灰色综合 关联度。图４给出了校正集２Ｏ个样本预测吸光度Ａ。 和 实测吸光度Ａ的灰色综合关联度变化曲线，其中二者的灰 色综合关联度值均大于０．９９８，表明本文采用的解超定方程 法求解样本吸收系数的准确度很高。 岱 ：Ｈ＜ 如 蜷 蝴 图４ Ａｐｒｅｄ和Ａ的灰色综合关联度曲线 Ｆｉｇ ４ Ｓｙｎｔｈｅｓｉｚｅｄ ｇｒｅｙ ｃｏｒｒｅｌａｔｉｏｎ（ＳＧＣ）ｂｅｔｗｅｅｎ Ａｐｒｅｄａｎｄ Ａ ３．２划分寻优空间 以胭脂红（１００ ｍＬ）和苋菜红（８０ ｍＬ）混合样本 为例，图５给出寻优空间随遗传代数变化示意，边界变化值 ｄ。＝５ ｍＬ。由于胭脂红和苋菜红吸收峰接近，吸收光谱 存在干扰，并且初始种群的解空间为［０，２００］，因此，生成的 第一代寻优空间，可能并不包含最优解。自适应寻优空问 技术能迅速定位全局最优解范围，本例中在第５代寻优空 间开始完全包含全局最优解，当遗传算法演化超过１０代 时，寻优空间基本保持不变。最终胭脂红的寻优空间为 ［９５．１９，１０５．１９］，苋菜红寻优空间为［７４．３５，８４．３５］，均包 含全局最优解，且搜索空间缩小了２０倍。 ２Ｏ 寻优空间（１ｏ代）： ＋胭脂红 辍 １５ 器籍粒 １９， １ ０５３．５１Ｊ９ ＊苋莱 １ｏ 鲴 ５ ４０ ６Ｏ ８Ｏ １ＯＯ １２０ 样本浓度／ｐ，ｇ・ｍＬ 图５寻优空间随遗传代数变化曲线 Ｆｉｇ ５ Ｃｈａｎｇｅ ｃｕｒｖｅ ｏｆ ｓｅａｒｃｈ ｓｐａｃｅ ｗｉｔｈ ｅｖｏｌｕｔｉｏｎａｒｙ ｇｅｎｅｒａｔｉｏｎｓ ３．３算法比较 分别采用遗传算法和改进遗传算法对预测集样本浓度 进行预测，以预测残差平方和（ｐｒｅｄｉｃｔｉｏｎ ｒｅｓｉｄｕａｌ ｅｒｒｏｒ ｓｕｍ ｏｆ ｓｑｕａｒｅ，ＰＲＥＳＳ）评价模型预测的准确性。图６（ａ），（ｂ）分 别给出了浓度为５０＆８０，６０＆６０，８０＆１００，ｌＯＯ＆８Ｏｐ￣ｇ／ｍＬ的 苋菜红和胭脂红混合样本，两种方法每代最优个体的 ＰＲＥＳＳ值随遗传代数变化曲线。 从图６（ａ）可以看出：遗传算法预测结果存在不确定 性，由于早熟现象影响，ａ，ｂ，ｄ样本经过１０００代进化仍收敛 于局部最优解；Ｃ样本经过６９代遗传进化收敛于全局最优 解。改进遗传算法由于搜索空间进行了动态调整，每个样 本均能迅速收敛于全局最优解。由图６（ｂ）可知，４个样本 均在３０代以内收敛于全局最优解。 极 ｆａ１遗传算法 ｇ ｉ 榭 第６期 常海涛，等：全自动酶免分析仪定量分析系统研究 ４９ 系数和标准差基本相当。说明基于改进遗传算法的多组分 定量分析模型具有较高的预测精度。 表１ 改进遗传算法与ＰＬＳ预测性能比较 Ｔａｂ １ Ｃｏｍｐａｒｉｓｏｎ ｏｆ ｐｒｅｄｉｃｔｉｏｎ ｐｅｒｆｏｒｍａｎｃｅ ｉｎｄｅｘ ｂｙ ＩＧＡ ａｎｄ ＰＬＳｍｅｔｈｏｄ ［４］Ｌｅｅ Ｓ，Ｋｉｍ Ｋ，Ｌｅｅ Ｈ，ｅｔ ａ１．Ｉｍｐｒｏｖｉｎｇ ｔｈｅ ｃｌａｓｓｉｉｆｃａｔｉｏｎ ａｃｃｕｒａｃｙ ｆ０ｒ ＩＲ ｓｐｅｃｔｒｏｓｃｏｐｉｃ ｄｉａｇｎｏｓｉｓ ｏｆ ｓｔｏｍａｃｈ ａｎｄ ｃｏｌｏｎ ｍａｌｉｎａｎｃｙ Ｕ—ｇ ｕｖ叵 ｓｉｎｇ ｎｏｎ－ｌｉｎｅａｒ ｓｐｅｃｔｒａｌ ｆｅａｔｕｒｅ ｅｘｔｒａｃｔｉｏｎ ｍｅｔｈｏｄｓ［Ｊ］．Ａｎａｌｙｓｔ， ２０１３，１３８：４０７６－－４０８２． ∞ 舳 ∞ ∞ ［５］Ｓｈａｏ Ｘ Ｇ，Ｗａｎｇ Ｗ，Ｈｏｕ Ｚ Ｙ，ｅｔ ａ１．Ａ ｎｅｗ ｒｅｇｒｅｓｓｉｏｎ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｉｎｄｅｐｅｎｄｅｎｔ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ［Ｊ］．Ｔａｌａｎｔａ，２００６， ６９（３）：６７６－６８０． ［６］Ｃｌａｖａｕｄ Ｍ，Ｒｏｇｇｏ Ｙ，Ｄａｅｎｉｋｅｎ Ｒ Ｖ，ｅｔ ａ１．Ｃｈｅｍｏｍｅｔｒｉｃｓ ａｎｄ ｉｎ— ｌｉｎｅ ｎｅａｒ ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｉｃ ｍｏｎｉｔｏｒｉｎｇ ｏｆ ａ ｂｉｏｐｈａｒｍａｃｅｕｔｉｃａｌ ４结论 Ｃｈｉｎｅｓｅ ｈａｍｓｔｅｒ ｏｖａｒｙ ｃｅｌｌ ｃｕｌｔｕｒｅ：Ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｍｕｌｔｉｐｌｅ ｃｕｈｉｖａ— 本文提出了一种基于改进遗传算法的多组分定量分析 ｔｉｏｎ ｖａｒｉａｂｌｅｓ［Ｊ］．Ｔａｌａｎｔａ，２０１３，１１１：２８－－３８． 方法，将多组分定量分析转化成组合最优化问题，利用遗传 算法在浓度解空间搜索全局最优浓度解。采用自适应寻优 ［７］Ｓｈｅｎ ｚ Ｈ，Ｚｈａｏ Ｙ Ｋ，ｗｕ ｗ Ｗ．Ｎｉｃｈｅ ｐｓｅｕｄｏ—ｐａｒａｌｌｅｌ ｇｅｎｅｔｉｃ ａｌ— ｇｏｒｉｔｈｍｓ ｆｏｒ ｐａｔｈ ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ ａｕｔｏｎｏｍｏｕｓ ｍｏｂｉｌｅ ｒｏｂｏｔ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｓｈａｎｇｈａｉ Ｕｎｉｖｅｒｓｉｔｙ：Ｅｎｇｌｉｓｈ Ｅｄｉｔｉｏｎ，２００６，１０（５）： ４４９－４５３． 空间技术和小生境技术对传统遗传算法进行改进，一定程 度上加快了遗传算法收敛速度，克服“早熟现象”。搭建以 凹面全息光栅为核心的酶免分析仪分光光度系统，对食品 工业中最常见的苋菜红和胭脂红混合溶液定量分析。其中 苋菜红和胭脂红待测样本参考值与模型预测值间的相关系 数Ｒ分别达到了０．９９７ ９，０．９９１ ８，ＲＭＳＥＰ分别为０．８８， １．７１ ｇ／ｍＬ。实验结果表明：本文所研究的方法具有较高 ［８］ 陈华，叶东，陈刚，等．遗传算法的数字图像相关搜索 法［Ｊ］．光学精密工程，２００７，１５（１０）：１６３３—１６３７． ［９］ 曹晖，周延．多种群精英共享遗传算法在异常光谱识别 中的应用［Ｊ］．光谱学与光谱分析，２０１１，３１（７）：１８４７－－１８５１． ［１Ｏ］Ｆｅｉ Ｑ，Ｌｉ Ｍ，Ｗａｎｇ Ｂ，ｅｔ ａ１．Ａｎａｌｙｓｉｓ ｏｆ ｃｅｐｈａｌｅｘｉｎ ｗｉｔｈ ＮＩＲ ｓｐｅｃ－ ｔｒｏｍｅｔｙ ｃｏｕｐｌｒｅｄ ｔｏ ａｒｔｉｉｆｃｉｌ ｎｅｕｒａｌ ｎｅｔａｗｏｒｋｓ ｗｉｔｈ ｍｏｄｉｆｉｅｄ ｇｅｎｅ－ 的预测精度，满足酶免分析仪定量分析的要求。 参考文献： ［１］Ｄｉｌｏｒｅｎｚｏ Ｍ Ｅ，Ｔｉｍｏｎｅｙ Ｃ Ｆ，Ｆｅｌｄｅｒ Ｒ Ａ．Ｔｅｃｈｎｏｌｏｇｉｃａｌ ａｄｖａｎｃｅ－ ｍｅｎｔｓ ｉｎ ｌｉｑｕｉｄ ｈａｎｄｌｉｎｇ ｒｏｂｏｔｉｃｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｌａｂｏｒａｔｏｒｙ Ａｕｔｏ— ｍａｒｉｏｎ，２００１，６（２）：３６－４０． ｔｉｃ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｗａｖｅｌｅｎｇｔｈ ｓｅｌｅｃｔｉｏｎ［Ｊ］．Ｃｈｅｍｏｍｅｔｒｉｃｓ ａｎｄ Ｉｎ— ｔｅｌｌｉｇｅｎｔ Ｌａｂｏｒａｔｏｒｙ Ｓｙｓｔｅｍｓ，２００９，９７：１２７－－１３１． ［１１］Ｔｈａｋｕｒ Ｍ．Ａ ｎｅｗ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｇｌｏｂａｌ ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ ｍｕｌ— ｔｉｍｏｄａｌ ｃｏｎｔｉｎｕｏｕｓ ｆｕｎｃｔｉｏｎｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｓｃｉ— ｅｎｃｅ，２０１４，５：２９８－－３１１． ［２］ 乔晓艳，王艳景，李刚．偏最小二乘法荧光光谱预测啶虫脒 ［１２］刘思峰，党耀国，方志耕，等．灰色系统理论及其应用［Ｍ］．北 京：科学出版社，２０１０：６－－９． 农药残留［Ｊ］．光学精密工程，２０１０，１８（１１）：２３６９－２３７４． ［３］Ｓｔａｎｉｍｉｍｖａ Ｉ，Ｗａｌｃｚａｋ Ｂ，Ｍａｓｓａｒｔ Ｄ Ｌ，ｅｔ ａ１．Ａ ｃｏｍｐａｒｉｓｏｎ ｂｅ－ ｔｗｅｅｎ ｔｗｏ ｒｏｂｕｓｔ ＰＣＡ ａｌｇｏｒｉｔｈｍｓ［Ｊ］．Ｃｈｅｍｏｍｅｔｒｉｃｓ ａｎｄ Ｉｎｔｅｌｌｉ— ｇｅｎｔ Ｌａｂｏｒａｔｏｒｙ Ｓｙｓｔｅｍｓ，２００４，７１：８３－９５． 、 作者简介： 常海涛（１９８２一），男，河北唐山人，博士研究生，主要从事光谱 分析、自动化仪表等方面的研究。 （上接第４５页） ２０１１，４８（８）：５１６－－５１９． ［３］Ｈａｎｓｅ Ｊ Ｇ．Ｈｏｎｅｙｗｅｌｌ ＭＥＭＳ ｉｎｅｒｔｉａｌ ｔｅｃｈｎｏｌｏｇｙ＆ｐｒｏｄｕｃｔ ｓｔａ－ ｔｕｓ［Ｃ］∥ＩＯＮ ＮＴＭ ２００４，Ｓａｎ Ｄｉｅｇｏ，Ｃａｌｉｆｏｒｎｉａ，ＵＳＡ，２００４． ［４］ 何昆鹏．ＭＥＭＳ惯性器件参数辨识及系统误差补偿技术［Ｄ］． 哈尔滨：哈尔滨工程大学，２００９． ［５］ Ｗｅｉｎｂｅｒｇ Ｈａｒｖｅｙ．Ｕｓｉｎｇ ｔｈｅ ＡＤＸＬ２０２ ｉｎ ｐｅｄｏｍｅｔｅｒ ａｎｄ ｐｅｒｓｏｎａｌ ｎａｖｉｇａｔｉｏｎ ａｐｐｌｉｃａｔｉｏｎｓ［Ｚ］．Ａｎａｌｏｇ Ｄｅｖｉｃｅｓ Ｉｎｃ，２００２． 向／ｍ 图８系统生成的轨迹图 Ｆｉｇ ８ Ｔｒａｊｅｃｔｏｒｙ ｇｅｎｅｒａｔｅｄ ｂｙ ｓｙｓｔｅｍ ［６］ 宋丽君．基于ＭＥＭＳ器件的航向姿态测量系统的研究［Ｄ］． 西安：西北工业大学，２００７． 本系统通过加速度计来计算行走距离，并通过磁强计和陀 螺仪来确定运动方向。系统硬件设备简单，成本低廉，能够 实时获得人的位置信息。最后通过匹配算法对位置信息进 行合理的修正，提高了测试轨迹的准确性。 参考文献： ［１］汪苑，林锦国．几种常用室内定位技术的探讨【ｊ］．中国仪 ［７］赵 琳．ＭＥＭＳ惯性器件的数据采集与误差分析技术研 究［Ｄ］．哈尔滨：哈尔滨工程大学，２００９． ［８］ 任晶晶，郭宇明，一种改进的进路搜索方法［Ｊ］．仪器仪表用 户，２００５（１）：７０． ［９］ 王 敏，赵晓雷．基于遍历搜索二叉树中最长路径的算法研 究［Ｊ］．软件技术，２０１０（８）：５４－－５６． 作者简介： 张迅（１９８６一），男，山东潍坊人，硕士研究生，主要研究方向 为ＷＬＡＮ分析与优化。 器仪表，２０１Ｉ（２）：５４－－５７． ［２］王淑华．ＭＥＭＳ传感器现状及应用［Ｊ］．ＭＥＭＳ与传感器，