技术特征：
1.一种新型的锤度智能测量系统，其特征在于：包括数据处理与控制模块、扫频源模块、微波谐振腔、低噪放模块、检波器模块和模数转换器模块；所述数据处理与控制模块实现数据的采集、处理、缓冲、传输和通信的功能，所述数据处理与控制模块将数据采集指令发送给所述扫频源模块；所述扫频源模块产生微波信号，将微波信号输入给所述微波谐振腔；在糖浆的作用下，所述微波谐振腔内部的电磁场发生扰动，导致谐振频率和品质因数发生变化，谐振频率和品质因数变化的微波信号再传输到所述低噪放模块；所述低噪放模块对微波信号进行功率放大，再传输给所述检波器模块；所述检波器模块将微波信号转化为电压信号，传输给所述模数转换器模块；所述模数转换器模块将电压信号转换为数字信号，再传输给所述数据处理与控制模块。2.按照权利要求1所述的锤度智能测量系统，其特征在于：所述微波谐振腔具有圆柱型的腔壁，在所述腔壁的底部设有底板，在所述腔壁的顶部设有圆锥台型的顶盖，所述顶盖的顶部设有孔，所述顶盖的顶部还设有保护盖，所述保护盖为石英玻璃材质；所述微波谐振腔的腔体内设有垂直于所述底板的内导体，所述内导体的底部与所述底板连接，所述内导体的顶部与所述顶盖连接；所述微波谐振腔的所述腔壁上还设有第一探针和第二探针，所述第一探针可在腔体里激起电磁场，所述第二探针用于检测电磁场强度，所述第二探针与所述第一探针呈对阵分布。3.使用权利要求1或2的锤度智能测量系统来测量糖浆锤度的方法，其特征在于，包括以下步骤：步骤s1，利用粒子群优化算法对核极限学习机的正则化参数c与核函数参数γ进行优化；步骤s2，将步骤s1优化后的正则化参数c与核函数参数γ带入核极限学习机的算法，对核极限学习机进行改进，得到基于核极限学习机的糖浆锤度测量模型；步骤s3，数据处理与控制模块将采集到的谐振频率和品质因数数据输入糖浆锤度测量模型，得到糖浆锤度数据。4.按照权利要求3所述的方法，其特征在于：步骤s1中利用粒子群优化算法对核极限学习机的正则化参数c与核函数参数γ进行优化的方法为：步骤s11，首先设定粒子群优化算法涉及的各公式；假设在d维搜索空间中有一个粒子数为n的粒子群，表示为x＝(x1,x2,
…
,x
n
)。第i个粒子在空间中的速度为v
i
＝(v
i1
,v
i2
,
…
,v
id
)，x
i
＝(x
i1
,x
i2
,
…
,x
id
)是它的当前位置。通过引入扰动系数r3和r4对个体最优和群体最优位置权重进行调节以促使粒子跳出局部最优，则每个粒子带扰动系数的速度和位置根据自身经历过的最佳位置p
i
＝(p
i1
,p
i2
,
…
,p
id
)和群体经历过的最佳位置分别为经历过的最佳位置分别为
其中1≤i≤n，1≤d≤d，t为迭代次数，w为惯性权重，η1、η2为加速系数，r1、r2、r3、r4为范围在[0,1]的随机数；在迭代优化过程中根据适应度值分别利用式(3)和式(4)更新个体最优和群体最优位置：置：其中，fitness(
·
)为适应度函数；由式(1)可知，惯性权重w影响粒子搜索空间的大小和算法整体的寻优能力；为实现在群友前期增强粒子群的全局搜索能力，而在寻优后期增强粒子群的局部搜索能力，根据指数函数的特性将其与粒子群的迭代优化过程进行关联，实现寻优过程惯性权重自适应变化，即：式中：w
min
、w
max
为惯性权重的最大值和最小值；t为当前迭代次数；t
max
为最大迭代次数；c
t
为自适应权重常数；步骤s12，设定正则化参数c和核函数参数γ的寻优范围、粒子种群规模、最大迭代次数等参数；步骤s13，随机生成粒子群中各个粒子的初始位置和初始速度；步骤s14，随机确定粒子群中个体最优和全局最优位置；步骤s15，根据公式(1)、(2)、(5)更新各个粒子的位置与速度；步骤s16，计算各个粒子的适应度值，利用公式(3)、(4)获取个体最优和全局最优，保存个体最优、全局最优以及二者的适应度值；步骤s17，判断算法是否达到最大迭代次数，若是，执行下一步骤，否则跳转至步骤s5继续迭代寻优；步骤s18，输出优化的正则化参数c和核函数参数γ。5.按照权利要求3所述的方法，其特征在于：步骤s2中，将步骤s1优化后的正则化参数c与核函数参数γ带入核极限学习机的算法，对核极限学习机进行改进，得到基于核极限学习机的糖浆锤度测量模型的方法为：步骤s21，构建谐振频率、品质因数与糖浆锤度的样本数据集，样本数量不低于200个，将样本数据集进行归一化处理后分为训练集与测试集；步骤s22，选择径向基核函数(rbf)作为核函数；步骤s23，利用训练集与粒子群算法优化正则化参数c和核函数参数γ，计算核矩阵ω
elm
；步骤s24，将核矩阵ω
elm
和优化的正则化参数c与核函数参数γ带入核极限学习机的输出函数：
得到训练后的核极限学习机模型并保存，其中其中h(x)为隐含层神经元输出函数，h为隐含层输出矩阵，y为期望输出矩阵，k(x
i
，x
j
)为多元核函数；步骤s25，将测试集数据输入已经训练的核极限学习机模型中，将模型输出反归一化得到糖浆锤度；这说明已经建立了以谐振频率与品质因数作为输入变量，以糖浆锤度作为输出变量的糖浆锤度测量模型。
技术总结
本发明公开了一种新型的锤度智能测量系统及方法，通过改良的微波谐振腔可实现实时检测，同时，针对传统糖浆锤度测量数学模型存在的问题，采用经粒子群算法优化的核极限学习机的数据驱动模型，提高了核极限学习机测量糖浆锤度模型的性能，可以精确、稳定地测量出糖浆锤度。锤度。锤度。
技术研发人员：蒙艳玫 胡松杰 柳宏耀 吴建范 陈劼 李正源 李济钦 张月 吴雪
受保护的技术使用者：广西大学
技术研发日：2021.10.25
技术公布日：2022/3/7