基于激光诱导击穿光谱的合金钢组分偏最小二乘法定量分析

在炼钢中合金浓度的检测和控制对产品质量影响很大,激光诱导击穿光谱(laser induced breakdown spectroscopy, LIBS)技术具有快速、非接触、无需制样等特点,非常适合应用于合金成分的在线分析。但是由于合金中的C, S, P元素的成分含量都很低,其原子发射谱线极易淹没在复杂的铁元素特征谱线之中,造成这些重要元素在线定量分析困难。以合金钢标准光谱样品为研究对象,获取激光诱导击穿光谱数据,采用定标曲线法(calibration curve, CC)和偏最小二乘法(partial least squares, PLS),对合金钢样品的主量和微量元素进行定量分析。比较两种方法的定标结果得出：对于主量元素,PLS方法的定量分析水平优于传统的CC法;更重要的是对于微量元素,由于特征谱线极弱,CC法无法得出定量结果,而PLS法仍然具有良好的定量分析能力。同时,将PLS法回归模型特征谱线处的回归系数与原始有背景干扰的光谱强度数据进行比较,阐述了LIBS数据定量分析中PLS方法的优势。结果表明,在激光诱导击穿光谱合金成分分析中,PLS方法适合用于C等微量元素的定量分析。     

激光诱导击穿光谱结合偏最小二乘法直接检测皮蛋壳中的Cu含量

运用激光诱导击穿光谱(LIBS)技术对皮蛋壳中Cu元素直接进行检测,获得样本中Cu元素的特征谱线信息,采用湿法消解结合原子吸收分光光度计(AAS)测量样品中Cu元素的真实含量。由于LIBS检测的精度和准确度受到样品基体复杂,环境噪声,系统噪声,激光能量稳定性等一系列因素的影响,采用传统的单变量赛伯-罗马金拟合方式对样品的LIBS相对强度和浓度进行线性拟合不能满足定性分析的要求,因此,采用一种多变量的分析-偏最小二乘(PLS)对LIBS光谱数据进行了处理,比较分析了不同点数平滑处理和五种预处理方法对PLS建模精度和准确度的影响。分析得出采用11点平滑结合多元散射校正(MSC)预处理能有效地提高PLS建立的模型的相关系数,降低均方根误差和平均相对误差,有效提高了模型的准确性。研究结果表明,激光诱导击穿光谱技术能够准确地直接检测皮蛋壳中重金属Cu的含量,下一步的工作将对皮蛋进行批量试验,寻找出蛋壳与蛋清、蛋黄中重金属Cu的数量关系,实现通过LIBS检测皮蛋壳便可知蛋清、蛋黄中重金属含量的目标,为农产品质量安全提供新的快速无损检测技术方法。     

光谱预处理对LIBS检测脐橙中Cu的偏最小二乘定量模型影响

应用激光诱导击穿光谱(LIBS)对脐橙中Cu元素进行快速检测,并结合偏最小二乘法(PLS)进行定量分析,探索光谱数据预处理方法对模型检测精度的影响。针对实验室污染处理后的52个赣南脐橙样品的光谱数据,进行不同数据平滑、均值中心化和标准正态变量变换三种预处理方法。然后选择包含Cu特征谱线的319~338 nm波段进行PLS建模,对比分析了模型的主要评价指标回归系数(r)、交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)。采用13点平滑、均值中心化的PLS模型3个指标分别达到了0.992 8,3.43和3.4,模型的平均预测相对误差仅为5.55%,即采用该前处理方法模型的校准质量和预测效果都最好。选择合适的数据前处理方法能有效提高LIBS检测果蔬产品PLS定量模型的预测精度,为果蔬产品LIBS快速精准检测提供了新方法。     

基于LIBS技术的钢铁合金中元素多变量定量分析方法研究

针对钢铁合金样品元素组成相对复杂,基体效应较严重的问题,利用激光诱导击穿(LIBS)光谱技术对钢铁合金中的元素进行了定量分析。以Nd∶YAG脉冲激光器基频1 064 nm波长激光作为激发光源,采用中阶梯光栅光谱仪和ICCD分光探测钢铁合金样品的LIBS光谱。通过优化实验确定最佳探测延时为1.5 μs,最佳探测门宽为2 μs,激光聚焦点位置在实验样品靶面以下1.5 mm。采用单变量定量分析、多变量线性回归和偏最小二乘(PLS)三种方法分析钢铁合金中Cr元素和Ni元素的含量。结果表明,采用单变量定标方法定标曲线相关系数不高,对待测样的预测误差相对较大,难以有效地定量分析基体元素复杂的钢铁合金中金属元素的含量;采用多变量线性回归分析方法能有效提高定量分析的精度;采用PLS方法得到的Cr和Ni元素的拟合曲线相关系数r分别为0.981和0.995,对两个待测样品中Cr元素和Ni元素的预测相对误差在6.4%和7.1%以内,分析结果优于多变量线性回归方法。可见,采用多变量校正的PLS方法能更有效地校正基体效应对定量分析的影响,提高定量分析的精度。     

微波辅助激光诱导击穿光谱增强大米中Cd发射强度的研究

食品安全问题已成为全世界关注的焦点,对食品中污染物的绿色检测方法有利于环境的可持续发展。以大米中重金属污染物Cd元素为研究对象,分别采用激光诱导击穿光谱(LIBS)和微波辅助激光诱导击穿光谱(MA-LIBS)对空白和实验室污染处理的大米样品进行检测,并选用Cd Ⅰ 228.802 nm为分析线,探讨目标元素分析谱线等离子体发射强度的增强效果。同时,采用阳极溶出伏安法获取大米中Cd元素的真实含量。研究结果表明,对于实验室配制的浓度范围在2.16~13.69 μg·g-1的大米样品,LIBS仅能检测出其中大米Cd真实含量为13.69 μg·g-1的样品;而在同一实验条件下,MA-LIBS能检测出所有污染后样品中的Cd元素信号,并且与LIBS方法相比,Cd元素谱线发射强度增强了9~27倍,检测灵敏度提高了6.34倍。结果表明,采用MA-LIBS能有效地增强大米中Cd元素等离子体的发射强度并提高其检测灵敏度。     

PLS算法在激光诱导击穿光谱分析炉渣成分中的应用

炉渣成分的实时在线检测是目前金属冶炼企业迫切需求的一项技术.本文利用激光诱导击穿光谱技术结合偏最小二乘回归模型对炉渣中的CaO、MgO、Al2O3和Fe进行定量分析.采用背景修正和基于等离子体成像强度的谱线归一化法对光谱进行预处理,有效提高了光谱强度的准确性和稳定性.利用25块已知成分的炉渣样品建立偏最小二乘回归定量分析模型,并用其预测另外5块样品成分.CaO、MgO、Al2O3和Fe预测结果的平均相对误差分别为4.7%、11.5%、17.9%和12.5%.实验结果表明,激光诱导击穿光谱结合偏最小二乘回归方法可实现炉渣成分实时在线检测.     

基于LIBS技术的水泥粉末在线成分分析

在工业现场生产水泥的过程中，各种成分的含量直接影响着水泥的质量，因此如何快速准确地监测水泥中各个成分的含量意义重大。采用的实验方式为，将不经过任何预处理的水泥粉末直接放入位于二维移动平台上的物料盒中，通过激光诱导击穿光谱(LIBS)直接对水泥粉末表面的不同位置进行激发检测，对得到的光谱数据首先进行归一化和主成分分析等预处理操作，然后针对水泥中Ca, Si, Al, Fe, Mg五种元素，分别建立偏最小二乘(PLS)和支持向量回归(SVR)两种定量分析模型进行方法比较。此外，对比了粉末状水泥与压片式水泥两种测量方式的结果。实验结果表明，采用粉末状水泥直接测量的方式下，针对水泥样品元素浓度与所得到的光谱中特征线强度的关系，SVR方法比PLS方法更具优势，粉末状水泥直接测量的精度接近压片式测量的精度，说明LIBS技术对水泥粉末状样品直接在线测量具有可行性。     

激光诱导击穿光谱应用于三种水果样品微量元素的分析

激光诱导击穿光谱(LIBS)在植物样品上面的应用是一个较新的课题. 为将LIBS技术能实际应用于与食品安全相关的领域,实验中对三种真空冻干水果样品进行了初步LIBS实验研究,鉴别了其LIBS光谱,并选取典型光谱线,运用统计学方法分析比较了三种水果中Ca,Na,K,Fe,Al,Mg六种元素含量的差别. 实验结果表明,苹果中Na的含量最高,Ca的含量最低,三种水果样品中的K,Fe,Mg等元素含量也都有差异. 实验结果还表明LIBS技术是一种检测、对比植物样品中微量元素含量的有效手段. 关键词： 激光诱导击穿光谱 等离子体 植物样品 微量元素     

激光诱导击穿光谱结合神经网络测定土壤中的Cr和Ba

提出了一种基于人工神经网络的激光诱导击穿光谱技术实现元素成分高准确度定量分析的方法.采用基于动量和自适应学习速率梯度下降算法的反向传播神经网络,结合激光诱导击穿光谱技术的方法测定土壤中Cr和Ba元素的含量,得到了Cr和Ba的含量以及多次重复预测的相对标准偏差,并与采用传统的内标法得到的检测结果相比较.研究结果表明:基于动量和自适应学习速率梯度下降算法的反向传播神经网络分析方法,与激光诱导击穿光谱技术相结合能更好地实现对土壤样品中Cr和Ba元素的定量检测.相对内标法,神经网络分析方法与激光诱导击穿光谱技术相结合可以很明显地提高检测准确度和精密度,对采用激光诱导击穿光谱技术定量检测土壤重金属污染具有很好的应用价值.     

激光诱导击穿光谱结合神经网络测定土壤中的Cr和Ba

提出了一种基于人工神经网络的激光诱导击穿光谱技术实现元素成分高准确度定量分析的方法.采用基于动量和自适应学习速率梯度下降算法的反向传播神经网络,结合激光诱导击穿光谱技术的方法测定土壤中Cr和Ba元素的含量,得到了Cr和Ba的含量以及多次重复预测的相对标准偏差,并与采用传统的内标法得到的检测结果相比较.研究结果表明:基于动量和自适应学习速率梯度下降算法的反向传播神经网络分析方法,与激光诱导击穿光谱技术相结合能更好地实现对土壤样品中Cr和Ba元素的定量检测.相对内标法,神经网络分析方法与激光诱导击穿光谱技术相结合可以很明显地提高检测准确度和精密度,对采用激光诱导击穿光谱技术定量检测土壤重金属污染具有很好的应用价值.     

Monitoring the Heavy Element of Cr in Agricultural Soils Using a Mobile Laser-Induced Breakdown Spectroscopy System with Support Vector Machine

Due to its complicated matrix effects,rapid quantitative analysis of chromium in agricultural soils is difficult without the concentration gradient samples by laser-induced breakdown spectroscopy.To improve the analysis speed and accuracy,two calibration models are built with the support vector machine method:one considering the whole spectra and the other based on the segmental spectra input.Considering the results of the multiple linear regression analysis,three segmental spectra are chosen as the input variables of the support vector regression(SVR)model.Compared with the results of the SVR model with the whole spectra input,the relative standard error of prediction is reduced from 3.18% to 2.61% and the running time is saved due to the decrease in the number of input variables,showing the robustness in rapid soil analysis without the concentration gradient samples.     

基于激光诱导击穿光谱技术定量分析食用明胶中的铬元素

利用激光诱导击穿光谱技术对食用明胶样品中的铬元素进行定量分析.采用Nd:YAG脉冲激光器三倍频输出的355 nm激光诱导击穿食用明胶产生激光等离子体,测量等离子发射光谱.实验数据表明:使用内标法定量分析食用明胶样品中铬元素浓度分别为10—200 ppm(1 ppm=10-6)时,铬元素含量与分析谱线(CrI:245.43 nm)强度之间具有很好的线性关系.分析了光谱探测延迟时间对明胶中铬元素激光诱导击穿光谱的影响,利用信号强度与信噪比获得了优化的光谱探测延迟时间实验参数.     

基于激光诱导击穿光谱和化学计量学的水体COD实时测量方法

光谱学传感技术测量水体COD是现代环境监测发展的趋势,相比于传统的化学分析方法具有在线连续检测的突出优势,适合对环境水体COD的实时监测。采集实际水样,利用激光诱导击穿光谱技术(LIBS)获取水样的光谱数据。通过不同的光谱预处理方法结合偏最小二乘法建立水样的COD定量预测模型,对水体COD的LIBS光谱测量方法的定量预测及相关模型参数进行分析。发现用基线校正叠加S-G求导预处理后的光谱建立的PLS模型得到最佳预测效果,校正集集R2为0.9958,预测集R2为0.975 3,RMSEC为4.438 7,RMSEP为9.733 9。通过实验结果分析表明光谱传感技术可用于环境实际水体COD的定量预测分析,为开发便携式水体检测设备奠定了理论基础。     

水体COD激光诱导击穿光谱快速测量方法研究

水体化学需氧量（COD）是一个重要的水体质量指标,一般用来衡量有机物的污染程度。对COD的检测长期依赖采样后的实验室化学分析方法,目前应用最普遍的是重铬酸钾氧化法与酸性高锰酸钾氧化法。化学分析的方法操作复杂,耗时费力,且引入新的化学药剂,造成二次污染,因此,急需一种能够实现水体COD快速测量的检测技术。在前期研究基础上,对水体COD的激光诱导击穿光谱检测方法进行深入探索,重点是优化模型预测速度,目的是研究激光诱导击穿光谱技术用于对水体COD的快速测量方法。采集了不同COD浓度的99个水体样本,分为训练集和测试集两组,通过重铬酸钾氧化法测定各水样的COD值,作为真实值,利用实验室自建的激光诱导击穿光谱采集系统采集各水样波长在200～1 000 nm的光谱信息,利用偏最小二乘算法建立训练集水样COD的定量化测量模型,然后对测试集光谱数据进行预测,将预测结果与实验室化学方法测定的真实值进行对比,评估预测效果。通过对原始光谱建立的预测模型进行分析,发现在建模过程中,大量的激光诱导击穿光谱数据与COD浓度相关性很差,而这些无用数据参与计算,浪费了计算资源,延长了检测时间,造成系统负载过大,不利于便携式检测设备的开发。重点研究贡献度最大的前几个主成分,通过对COD测量原理和PLS模型载荷分析,找到LIBS光谱中与水样COD浓度相关性最高的主要特征峰,经过分析发现,主要为来源于水中有机物中的C,H,O,N以及水中一些还原性离子元素的特征峰,这些特征峰对COD的模型预测能力贡献最大,而COD的定义正是衡量水体中这些元素的多少,这与该研究分析结论相吻合。为了实现检测速度的提升,提取这些特征峰,对光谱数据进行降维,剔除大量无关或相关性较低的数据,经过多次筛选和降维,最终将原来参与计算的每条光谱的13 622个数据降到28个,大大降低系统的运算量,却依然能够保留不错的预测能力。筛选出的28个特征波长最能反映水体COD浓度,为水体COD便携式的多波段检测设备的研发,实现对COD的快速测量奠定了基础。     

激光诱导击穿光谱对四种香的快速检测

激光诱导击穿光谱技术(laser-induced breakdown spectroscopy)作为一种极具前景的分析和测量技术应用日益广泛。对四种香(艾草香、藏香、檀香、沉香)样品进行了激光等离子体光谱测量和分析, 得到了样品中元素的成分;并且对四种香样品中的Cu,Mn,Ca和Fe四种金属元素典型谱线的强度进行了统计分析和元素含量的对比。基于等离子体的局域热动力学的平衡模型, 计算了Ca元素的等离子体温度。实验结果为采用激光诱导击穿光谱对香品成分进行快速检测和分析的可行性提供了依据。     

Quantitative laser-induced breakdown spectroscopy of standard reference materials of various categories

The quantitative laser-induced breakdown spectroscopy analysis was carried out with standard reference materials (SRM). In order to minimize errors due to the matrix effect, we used 21 SRM samples that belong to different categories of food, clay, sludge, steelmaking alloy, and geochemical and agricultural materials. The principal component analysis was used for rapid identification and discrimination of the samples. Nine elements (Al, Ca, Mg, Ti, Si, Fe, K, Na, and Mn) in each sample were analyzed. While each category of samples shows a specific tendency in the calibration curves of Na, Ti, Si, Al, Fe, and Mn, other elements (K, Ca, and Mg) do not pose any noticeable similarity. The present results establish benchmark calibration curves for characterizing various SRMs.     

激光诱导击穿光谱分析土壤样品中的锆、铪和铌元素含量实验研究

锆、铪和铌是多目标地球化学样品分析的重要元素,传统的湿法前处理很难将这些高场强元素完全消解,致使测定的结果偏低,且传统的湿法有消解用酸、碱量大,前处理流程长,污染环境等缺点。激光诱导击穿光谱（LIBS）在分析地球化学样品时有独特的优势,尤其是对于那些常规条件下消解不完全的元素。采用激光诱导击穿光谱对土壤样品中的锆、铪和铌元素进行定量分析,首先对激光的输出能量,光谱仪采集延迟时间以及激光器的光斑直径等实验条件进行优化。对比激光输出能量从0.0～4.4 mJ的测定土壤样品中的锆、铪和铌元素的准确度,当选用1.6 mJ时,可得到最佳的实验结果。其次分析光谱仪采集延迟时间对测定土壤样品中的锆、铪和铌元素的影响,结果显示0.5 μs是最佳的采集延迟时间。最后,对比激光不同的光斑直径得到测定结果,发现50 μm的光斑直径测定稳定性最好。还对测定模式和样品制备压力进行了对比研究,结果表明利用激光诱导击穿光谱对土壤样品中锆、铪和铌测量时在制样压力2 000 kN,采用动态模式,LIBS信号的稳定性和定量分析的精确度都是最好的。在最佳的实验条件（激光输出能量1.6mJ、光谱仪采集延长时间0.5 μs和激光光斑直径50 μm）和制样压力2 000 kN采用动态模式对9个国家一级标准物质中的锆、铪和铌元素进行光谱检测,其测定值与推荐值基本吻合,3个国家一级标准物质精密度不超过11%,能满足地球化学样品的分析要求。综上,建立了激光诱导击穿光谱分析土壤样品中的锆、铪和铌元素含量的方法,解决了锆、铪和铌元素湿法消解不能完全消解和测定结果偏低的问题,具有分析效率高,操作简单,无污染,同时也为固体进样技术的发展提供了参考。     

Application of laser-induced breakdown spectroscopy to the analysis of metals in soils

In this paper, the influence of plasma temperature on quantitative laser-induced breakdown spectroscopy (LIBS) measurements is discussed, and a simple theoretical approach is used to model the plasma generation. It is shown that an estimate of the temperature of the laser-induced plasma and its inclusion in a model for line emission allows for substantial reduction of the matrix effect. To illustrate the benefits of the proposed correction, some experimental results, obtained with the use of some reference sample soils, are finally presented.     

LIBS与反向传播算法结合的橄榄石成分分析

LIBS是一项用于分析物质成分的有力手段，但是定量分析时存在结果不准确、重复性低等缺点。为了准确预测自然界中橄榄石的成分信息，通过按照自然界中的橄榄石的成分信息制作15组橄榄石样品，将其中的11组作为标准样品，另外4组作为测试样品进行LIBS定量分析。每个样本采50条LIBS光谱建立橄榄石的LIBS数据库。然后采用多元线性回归算法和反向传播算法对样本的50组数据进行分析，有效的降低了由于随机误差造成的测试结果的不准确。最终结果表明，使用激光诱导击穿光谱和反向传播算法对橄榄石中镁橄榄石与铁橄榄石含量进行检测，预测结果的决定系数为0.901，接近常规的多元线性回归算法得到的0.911，这说明反向传播算法对橄榄石含量的预测精度接近多元线性回归算法。同时使用反向传播算法得到的结果的均方根误差为28.64，优于后者的29.23，说明使用反向传播算法得到的结果分布更加集中。此外，通过分析关联矩阵中各数值的大小与各元素谱线的位置的对应关系，表明使用反向传播算法反演出来的关联矩阵F与之所代表的物理含义的相关性更高。说明反向传播运算不仅与传统的多元线性回归算法性能相当，而且在预测数据的一致性上表现得更好。此外使用反向传播算法可以直接对激光诱导击穿光谱得到的橄榄石全谱数据进行数据反演，而不需要经过光谱寻峰这一步骤，简化了数据分析流程，弥补了多元线性回归算法难以分析全谱数据的不足。