来源：期刊VIP网 时间：
作者：王晓东;许金鑫;丁炯;王晓娜;叶树亮;
单位：中国计量大学工业与商贸计量技术研究所;
摘要：为解决传统的差示扫描量热法(differential scanning calorimetry, DSC)信号分析需要手动选点来构造基线，存在人为因素引入误差且操作繁琐等问题，将机器学习方法应用于DSC信号分析中，提出一种融合无监督学习的DSC自动基线构造及特征峰信号分析方法。首先使用改进的聚类算法将特征峰两侧的基线与特征峰信号初步分离；其次对特征峰两侧的基线信号结合迭代多项式拟合进行基线重构；最后将原始信号减去重构的基线信号得到净特征峰信号，进行热力学分析。对多组实验数据分析表明，基于机器学习的DSC信号分析方法可自动实现良好的基线构造与峰信号分析，提高DSC信号分析的速度和精度，有效减少人为因素引起的分析误差。
关键词：差示扫描量热法;基线重构;峰识别;聚类;迭代拟合;信号分析
基金资助：国家自然科学基金（22173087）; 浙江省基础公益研究计划（LGG22B030002）
