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。     

基于多谱线内标法的不规则铜合金样品中 Pb元素成分检测研究

原位分析和在线检测是激光诱导击穿光谱(LIBS)技术的一大优势,但是,在野外环境中,人们无法对样品进行统一预处理,面对各种形态的待测样品如何保证LIBS的检测精度是函待解决的一大难题。提出一种多谱线内定标的方法来解决上述问题,即通过求解多条分析谱线的强度和与内标元素谱线的强度比值来建立定标曲线,进而降低光谱信号波动带来的误差,提高线性相关性和检测精度。实验中以铅黄铜合金样品为例,采用LIBS对厚度不一（最大变化值为±2 mm）的铅黄铜样品中的Pb元素进行了定量检测研究,并分别采用传统定标法和多谱线内定标法对这种不规则样品进行校正和建立定标曲线。实验发现,对于不规则样品,传统定标法的检测精度大大降低,定标曲线没有明显的线性关系。当采用单条谱线的内定标方法时,定标曲线线性相关度大大提高,校正决定系数达到0.724 89。而采用多条谱线内标方法（考虑多条分析谱线的相对强度总和）计算发现,当选取5条Pb谱线（Pb 261.42 nm,Pb 280.20 nm,Pb 368.35 nm,Pb 405.78 nm和Pb 520.14 nm）进行计算时,定标曲线线性拟合度达到0.984 6,由此可见该方法消除了样品不规则所带来的光谱强度波动误差,显著提高了测量精度。虽然继续增加分析谱线数目可以进一步提升线性相关度,但是也会增加计算的复杂度,所以选择合适的分析谱线是十分重要的。此外,通过多谱线内标法也能一定程度上消除基体效应和光谱干扰等影响,是一种简单有效且具备普适性的数据处理方法。当然,该方法也存在一定的局限性（如样品成分分布极不均匀、样品表面极不规则致使激光能量低于击穿阈值等）,不过通过调整和优化检测装置方案（例如增大激光能量、增大聚焦光斑、采用长焦距聚焦透镜等）可以更好的发挥该方法的优势。该研究内容可以为LIBS原位检测和在线检测的应用提供一种新思路。     

双脉冲激光诱导光谱结合多变量GA-BP-ANN检测合金钢中C元素

在合金钢众多成分中碳(C)属于微量非金属元素,其含量决定了合金钢的主要力学性能,准确、实时掌握C元素的含量,对合金钢的生产及分类起到关键作用。双脉冲激光诱导击穿光谱(DP-LIBS)是一种可用于在线快速分析合金钢中元素的有效手段,不仅具有实时、样品预处理简单等优点,还能够增强物质的烧蚀度和信号强度,从而提高LIBS技术的检测灵敏度。为了减小基体效应影响,进一步提高LIBS技术对合金钢中微量C元素定量分析的精确性,采用多元素多谱线的修正方法,通过DP-LIBS结合反向传播人工神经网络(BP-ANN),建立多变量GA-BP-ANN定标法。首先在氩气环境对合金钢样品进行DP-LIBS采集,目标C元素选择了谱线强度变化能够体现其含量变化的C 193.09 nm处的原子谱线,同时选取共存元素Fe,Cr,Mn和Si对应的特征谱线,以提供更多的光谱信息,提高C元素定量分析的准确度,共选择15条特征分析谱线,其中Fe元素含量丰富且相对稳定,作为内标元素引入以减小谱线波动;之后通过遗传算法(GA)寻优,对C/Fe,Cr/Fe,Mn/Fe和Si/Fe的谱线强度比进行优化选择;最后将GA选择的多谱线强度比作为BP-ANN网络的输入,输出为目标C元素浓度值,建立多变量GA-BP-ANN定标方法。为比较该方法预测结果的精确性,同时建立传统定标曲线法与以C/Fe为输入的单变量BP-ANN定标方法。利用标准合金钢样品,通过留一法交叉预测C元素含量值,与内标法和单变量BP-ANN定标方法相比,预测样品的平均相对误差分别由14.78%和14.75%减小到8.29%,预测值与真实值之间的决定系数R2分别由0.967 4和0.974 4提升至0.989 3。结果说明了多变量GA-BP-ANN定标法预测的C元素含量更接近于真实含量,证明了该方法用于LIBS检测合金钢中C元素含量的可行性。     

激光诱导击穿光谱结合多元非线性方法定量分析土壤中锰

锰元素是植物所需的微量元素之一。采用激光诱导击穿光谱(laser-induced breakdown spectroscopy,LIBS)技术对土壤中锰元素进行定量分析。以46个土壤样品为研究对象,获取土壤激光诱导击穿光谱数据,选取锰元素403.1 nm的特征谱线为分析线。根据谱线强度与元素浓度建立定标曲线,相关系数仅为0.78,定标结果说明,由于土壤样品成分的复杂性,锰元素浓度受土壤基体效应影响严重,应根据锰元素在土壤中的存在形式,选取相关元素,建立多元非线性回归定量分析方法,消除基体效应,从而提高LIBS测量的准确性。在多元非线性回归方法中分别考虑碳和铁元素对锰元素浓度的影响。与定标曲线相比,在考虑碳和铁元素对锰元素影响时,LIBS预测浓度与参考浓度的相关系数为0.97,相对误差为3.2%～10.3%,测量的准确度得到提高。实验结果表明,将多元非线性回归方法和激光诱导击穿光谱技术结合可以对土壤中微量锰元素进行定量分析。     

表面粗糙度对激光诱导击穿光谱信号的影响

硅橡胶复合绝缘子是高压输电线路的关键设备,长期在复杂外界环境条件下带电运行后会发生表面老化,表现为粉化、褪色、粗糙度和硬度上升等现象。粗糙度作为复合绝缘子的老化特征量之一,其测量是复合绝缘子在线带电检测的难题。激光诱导击穿光谱技术(laser-induced breakdown spectroscopy, LIBS)适用于开展输电线路复合材料的远程在线检测,但粗糙度对LIBS信号的影响还没有得到系统的研究,利用这种基体效应进行绝缘子表面粗糙度的测量尚无报道。制备了不同粗糙度的硅橡胶新样品,与500 kV线路退运的复合绝缘子样品进行对比分析,研究了硅橡胶材料的粗糙度对LIBS信号的影响,结果表明,对于新制备硅橡胶材料随着粗糙度的增加,各主体元素特征谱线强度会随之增强,不同主体元素之间的原子谱线强度比（Si 288.2 nm/C 247.9 nm和Al 394.4 nm/Si 288.2 nm）随之下降,说明样品粗糙度对LIBS测量结果影响显著。但特征谱线强度及不同主体元素原子谱线强度比与粗糙度之间的函数关系不明显,难以用于粗糙度测量。硅橡胶的主体元素为Si,Al,C和O等,考虑元素含量及特征谱线的选取方便选择Si为主要分析元素。对于Si原子谱线强度比,选取了两条上能级相近（E_ki＝40 991.88, 39 955.05 cm-1）的原子谱线（SiⅠ288.2 nm,SiⅠ250.7 nm）作为分析线,在满足局部热力学平衡与光学薄的条件下两条谱线的强度比应为定值,但样品粗糙度的改变会影响脉冲激光烧蚀材料表面的过程,从而改变等离子体的状态,使得谱线强度比值也随之变化。上述两条硅原子谱线强度比和粗糙度建立的定标关系,线性相关系数为0.88。对于500 kV输电线路退运的老化硅橡胶材料,其表面由于老化有部分氢氧化铝填料析出,使得基体成分不均匀性更为显著,其表面也变得更为粗糙,这导致一对谱线强度比值作为定标函数,实用性降低。因此针对老化硅橡胶材料,除了选择Si元素谱线(SiⅠ250.7 nm,SiⅠ251.4 nm,SiⅠ251.9 nm)以外,还引入了Al元素谱线(AlⅠ305.7 nm, AlⅠ305.9 nm),利用三组谱线强度比进行多元回归分析,对于两个实测粗糙度为2.659和2.523 μm老化硅橡胶样品,LIBS测量的相对误差分别为0.218和0.189。结果表明对同样成分的复合材料,表面粗糙度对LIBS信号的影响是必须考虑的,而利用这种基体效应,开展远程在线测试复合绝缘子表面粗糙度,对于高压输电线路检测运维具有重要的应用价值。     

基于电极富集的水体重金属LIBS检测灵敏度研究

为了提高水体重金属LIBS检测的灵敏度以及降低元素检测限,采用LIBS结合铝电极富集方法对水体中的重金属Pb, Cd, Ni进行了分析。研究并优化了电极富集方法中关键参数—富集电压U,分析了LIBS特征谱线的光谱强度与富集电压大小之间的关系,得出重金属元素特征光强随着富集电压先增加后减小,在1.2 V处光谱强度达到最大值,选择了最优富集电压值为1.2 V。研究了Pb,Cd,Ni三种重金属元素的光谱稳定性,其特征谱线光谱强度的相对标准偏差(RSD)分别为5.98％,4.25,％和5.27％,说明该实验方法得到的谱线具有较高的稳定性。在0～ 0.13 mg·L-1范围内配制系列样品进行实验并对元素进行定量分析,得到Pb,Cd,Ni三种重金属元素的检测限分别为1.2,3.1和1.7 ppb。结果表明：LIBS结合铝电极富集方法能够有效地提高特征谱线的稳定性以及降低元素的检测限,为提高水体重金属LIBS的检测灵敏度和分析能力提供了方法支持。     

基于多元校正的水体Pb元素LIBS定量分析

在水体重金属激光诱导击穿光谱(LIBS)检测中,湖库水体组分的复杂性以及不同水域水质的差异加剧了基体效应对定量分析精密度和准确度的影响。为减小系统参数波动以及基体效应的影响,针对湖库水体不同采样点的水样,通过背景、内标元素校正待测元素的特征谱线,研究峰值强度、积分强度、信背比和内标校正强度组成的不同输入向量对支持向量机回归模型的影响,结果表明信背比和内标校正强度组成的二元输入向量回归效果最好,训练集均方根误差和相关系数分别为0.367和0.981,测试集的相对标准偏差和相对误差平均值分别为4.5%和12.1%。经过校正的多元输入向量,可以有效减小参数波动和基体差异的影响,为自然水体重金属LIBS定量分析提供数据输入方面的参考。     

金纳米与磁场作用下LIBS检测灵敏度改善研究

针对激光诱导击穿光谱技术（LIBS）中等离子体的发射光谱增强问题,提出一种磁场增强LIBS与纳米颗粒增强LIBS（NELIBS）相结合的方法。采用热蒸发法在样品表面沉积一层直径20 nm的金纳米颗粒。利用波长为1 064 nm,最大能量为200 mJ的Nd∶YAG脉冲激光器在室温,一个标准大气压下对纯铜和黄铜进行诱导击穿。调整激光能量为30~110 mJ,分别使用传统LIBS、磁场增强LIBS、NELIBS以及两种方法结合对纯铜进行激光诱导击穿,得到特征谱线(Cu Ⅰ 521.8 nm)的强度增强因子和信噪比,并对其增强机理进行分析。在相同环境下使用四种方式对黄铜和纯铜进行诱导击穿以探测样品中的微量元素。当在样品表面沉淀金纳米颗粒或者将沉淀有金纳米颗粒的样品放在磁场中进行诱导击穿时,发现纯铜样品的光谱中存在Mg元素的特征谱线Mg Ⅱ 279.569 nm,黄铜样品的光谱中存在Si元素的特征谱线 Si Ⅰ 251.611 nm。实验结果表明：单独施加磁场约束或增加纳米金颗粒均可以有效增强等离子体光谱强度,但增强效果弱于两种方法结合,磁场约束对光谱的增强效果弱于NELIBS的增强效果。当结合NELIBS与磁场约束LIBS时,谱线增强因子最高可达14.3(Cu Ⅰ 521.8 nm),相比于磁场增强LIBS和NELIBS,最大增强因子分别提高了28%和59%。四种情况中当激光脉冲能量逐渐增大时,等离子体向外膨胀的强度增大,磁场产生的洛伦兹力束缚等离子的能力相对减弱,同时纳米金颗粒对等离子体发射光谱的增强作用被削弱,谱线强度降低,等离子体的增强因子逐渐减小后趋于稳定。通过NELIBS与磁场约束LIBS结合方式,不仅可以有效提高等离子体的发射谱线强度,改善光谱信号信噪比,而且传统LIBS方法中由于谱线强度低、背景噪声大而无法探测的微量元素可以被探测到,LIBS技术对微量元素的探测能力得到显著提高,微量元素的探测下限变得更低。NELIBS与磁场约束LIBS结合的方法具有更高的灵敏度和准确度,为激光诱导击穿光谱技术的谱线增强方法提供了新的思路,在该领域具有广阔的应用前景。     

激光诱导击穿光谱技术对土壤中重金属元素Cr的定量分析

为促进LIBS技术在土壤微量重金属元素检测中的应用,提高特征谱线的光谱强度和信背比,对实验参数进行优化,并对Cr元素进行分析。首先对激光器激发能量、样品距透镜距离和光谱仪采集延时等实验参数进行优化。对比激光器能量从60 mJ到110 mJ的谱线强度和信背比,当选用90 mJ的激发能量时可以得到最佳实验结果。其次,选择不同样品到透镜的距离,对比从焦前5 mm到焦后5 mm得到的实验结果,得出样品与透镜距离为焦后1 mm（即聚焦位置121 mm）时,Cr元素的特征谱线和信背比达到最佳。最后,分析对比光谱仪采集延时对谱线强度和信背比的影响,结果显示,与能量对等离子辐射强度的影响趋势大致相同,当采集延时为1 000 ns时,实验结果最佳。在最佳实验条件下（即激光器能量90 mJ、聚焦位置121 mm、采集延时1 000 ns）,对12种含有重金属Cr元素的土壤样品进行了光谱检测,为减弱外界环境的干扰,对同一样品的10个激光烧蚀位置得到的光谱做平均值预处理,选择Cr(Ⅰ)357.86 nm,Cr(Ⅰ)425.44 nm,Cr(Ⅰ)427.49 nm为特征谱线,通过建立样品掺杂浓度和光谱强度的定标曲线,得到了三条谱线的检测限LOD分别为74.62,64.07和67.49 mg·kg-1,拟合优度值R2分别为0.98,0.97和0.99,均方根误差值RMSE分别为0.41,0.33和0.35。同时,引入偏最小二乘法及支持向量机算法进一步提高了定标模型精度。研究表明,通过对实验参数进行优化及改善LIBS技术对微量元素的定量探测参数,得到了最优的光谱强度和信背比,并通过对Cr元素进行定量分析,计算定标曲线的Lorenz拟合得到检测限、拟合优度和均方根误差等实验参数,提高了LIBS对土壤中重金属元素的检测精度,这对于利用LIBS技术检测微量重金属元素具有重要的参考意义。     

激光击穿光谱检测赣南脐橙中铬元素的实验研究

为评估激光诱导击穿光谱技术(LIBS)对水果样品中重金属元素的检测潜力,选用在不同浓度梯度重铬酸钾水溶液中浸泡了30个小时的赣南脐橙样品进行LIBS实验,采集铬元素的特征谱线与峰值强度信息。在激光照射部位称取3 g左右的脐橙样品进行湿法消解,用原子分光光度计检测样品中的铬浓度。实验数据用Origin软件进行拟合后得到了谱线峰值强度和Cr浓度之间的关系曲线,即定标曲线,二者有线性关系,线性相关度0.981 66。由检测限公式计算得到铬浓度的检测限为11.68 μg·g-1。采用该定标曲线即可对赣南脐橙中的铬元素进行定量检测。实验结果表明LIBS技术是一种检测、定量分析水果样品中重金属元素含量的有效手段。     

Study on quantitative analysis of slag based on spectral normalization of laser-induced plasma image

To reduce the influence of laser-induced breakdown spectroscopy （LIBS） experimental parameter fluctuations to quantitative analysis of slag components, a normalization method using integral intensity of plasma image was proposed and a series of experiments with slag samples were performed. Mg II 279.55 nm, Ca II 396.85 and Ca I 422.67 nm were selected as analytical lines, and analytical curves of reference mass fractions versus spectral line intensities were established. With the incre- ment of set threshold for edge extraction of plasma image, the determination coefficients and relative standard deviations of analytical curves were improved gradually and reached the optimmn values when the threshold was equal to 10 000. Comparing with the results without normalization and normalized by whole spectrum area, the relativity between spectral line intensity and mass fraction can be enhanced etfieiently after normalized by integral intensity of plasma image. The verification experiments with Ti alloy samples further confirmed the conclusions mentioned above.     

基于激光诱导击穿光谱对长白山黑猪肉部位分类

猪肉内部结构成分复杂,各部位的成分相似,分辨较为困难。结合激光诱导击穿光谱技术,通过光谱分析的方式提高分类精度。以5种不同部位的长白山黑猪肉（里脊肉、梅花肉、后腿肉、前腿肉、五花肉）作为待测样品,通过冷藏、切片等预处理方法,探究激光诱导击穿光谱技术鉴别猪肉脂肪与肌肉及其不同部位的可行性。首先通过采集猪肉脂肪样品与肌肉样品的LIBS谱线信息发现,猪肉中Mg,K,Fe,Cu,Ca和Na等元素较为丰富,并在脂肪样品光谱中发现C-N键,与肌肉样品LIBS谱线信息相比,脂肪样品受其内部水分、有机质成分影响致使其谱线信息背景和噪声信号干扰较大,二者谱线信息存在一定差异,说明LIBS可对脂肪组织与肌肉组织进行鉴别。通过对目标元素Ca,Na,Mg,K和Al其LIBS特征谱线强度进行检测,计算Mg/Ca,Al/Ca,Na/Ca和K/Ca比值,发现与Al/Ca和Mg/Ca相比,Na/Ca和K/Ca各部位元素比值分布差异明显,在此基础上,根据Na/Ca和K/Ca比值,计算猪肉各部位元素分布决策阈值[（1-α）=90%]。发现与Al/Ca和Mg/Ca比值相比,Na/Ca和K/Ca更能明显的反应出各部位元素分布的不同。其比值分布阈值基本可对猪肉各部位进行区分。以前腿肉与后腿肉为例,前腿肉Na/Ca和K/Ca比值分别分布在1.29～1.58和0.31～0.42,后腿肉Na/Ca和K/Ca比值分别分布在0.98～1.18和0.15～0.23。其元素比值分布无明显重叠。最后,为提高LIBS技术对猪肉不同组织分类的可靠性,将光谱元素强度比值数据与主成分分析法相结合,基本可以实现对猪肉各部位的分类,说明元素特征谱线强度比值在对猪肉各部位分类时具有一定的预测精度。该工作证明,使用激光诱导击穿光谱技术对猪肉进行分类识别等定性分析时具有一定可行性,有望适用于其他生物组织检测分析。     

缅甸翡翠中铁元素的激光诱导击穿光谱定量检测

采用激光诱导击穿光谱(LIBS)技术定量分析缅甸翡翠中Fe元素的浓度。选择Fe元素的275.57 nm光谱线作为定量分析谱线,选取Si元素的288.17 nm光谱线作为内标谱线,选取12个缅甸翡翠样品作为研究对象,以其中9个样品绘制了传统定标法和内定标法的Fe元素定标曲线,并将定标曲线用于3个检验样品的Fe含量的实际预测。实验结果表明,采用传统定标方法时,定标样品光谱强度的相对标准偏差(RSD)在1.4%～8.3%之间,所建立的Fe元素浓度含量定标曲线的拟合相关系数R2为0.979,使用该方法建立的定标曲线对3个检验样品中Fe元素含量进行测定,最大相对误差为10.6%;而采用内定标法时,定标样品光谱强度的比值(I_Fe/I_Si)的相对标准偏差(RSD)在0.9%～5.7%之间,Fe的拟合相关系数R2达到0.989,样品中Fe元素的测定相对误差均可降低到7%以下。结果证明,利用内定标法定量分析翡翠中Fe的含量比传统定标法相对误差更小,采用LIBS技术结合内定标法更适于缅甸翡翠样品中Fe元素定量分析。     

激光诱导击穿光谱技术对高铁车轮硬度检测模型优化研究

我国铁路跨度长、运营时间长、运行环境变化较大,故对于车轮的磨损较大,为保障高速铁路的安全运行,高速列车车轮表面硬度就成为了一项重要参考指标。激光诱导击穿光谱（LIBS）实验平台对8块不同硬度的HS7高铁车轮用钢样品进行击穿获取LIBS光谱数据,发现基体元素（Fe）和合金元素（Cr,Mo,W）的谱线强度、离子与原子线的强度比值（Ⅱ/Ⅰ）以及合金元素谱线强度与基体元素谱线强度的强度比值（A/M）,分别与样品硬度有着不同程度的相关关系。利用此相关关系分别建立了以谱线强度和谱线强度结合谱线强度比值为变量的偏最小二乘法（PLS）定量分析模型,在建立模型前采用标准正态变量变换（SNV）、Savitzky-Golay卷积二阶导和高斯滤波（Gaussian filter）三种预处理方法来减小实验误差。结果表明,以谱线强度为变量的模型中采用SNV预处理后建立的PLS模型效果最佳,校正集的确定系数为0.98,均方根误差为1.30,预测集的确定系数为0.90,均方根误差为2.43;以谱线强度结合谱线强度比值为变量的模型中采用原始数据建立的PLS模型效果最佳,校正集的确定系数为0.99,均方根误差为0.79,预测集的确定系数为0.94,均方根误差为2.44,且通过对比发现以谱线强度结合谱线强度比值为变量的模型其预测精确度及其稳定性相比于以谱线强度为变量的模型均有所提升。该结果表明,利用谱线强度和离子与原子线的强度比、合金元素谱线强度与基体元素谱线强度的强度比相结合的结果作为模型变量,能显著提升PLS模型对于金属材料表面硬度预测的能力,可以构建一种相关性更强的定量分析模型。研究表明,采用激光诱导击穿光谱技术结合偏最小二乘法定量分析高铁车轮硬度具有一定可行性,可将该技术应用于现场诊断、估算高速列车车轮表面硬度,为维持高速列车安全运行提供一定的保障。     

背景扣除和强度校正对激光诱导等离子体光谱参数的影响

激光诱导击穿光谱技术以其无需样品预处理、分析速度快、能实现多元素同时检测和远程分析等优点已经被广泛应用于诸多领域的物质成分定性或定量分析。该技术的理论基础是激光诱导等离子体。对等离子体光谱参数(如光谱谱线强度、等离子体温度等)的准确测量是利用该技术进行定性或定量分析的前提条件。实际的实验系统中,由于仪器本身固有的性能限制,会造成采集光谱信号的失真,从而限制等离子体光谱参数的精确测量或计算。为了克服仪器固有性能的影响,分析了实验系统所用中阶梯光栅光谱仪和传输光纤的固有性能缺点对光谱信号背景噪声和元素谱线绝对强度的影响,然后采用剥峰法对光谱信号中存在的锯齿状背景噪声进行扣除,利用辐射定标光源的标准光谱数据对谱线绝对强度进行校正,并对比了背景扣除和强度校正对等离子体谱线强度和等离子体温度的影响,实验表明谱线强度校正对合金钢等离子体380 nm以下的光谱信号具有较大影响,通过背景扣除和强度校正后,等离子体温度由13 401.75 K降低至8 980.72 K,玻尔兹曼平面法求解等离子体温度的拟合决定系数由0.60提高至0.91。因此在光谱数据处理之前对测量光谱进行背景扣除和强度校正是十分必要的,为提供可靠地光谱数据进行物质成分定性或定量分析奠定了基础。     

基于LIBS技术的钢铁合金中Cr和Ni元素SVM定量分析方法研究

针对钢铁合金样品中存在基体效应复杂的问题,通过优化支持向量机模型的输入特征,建立多元素变量的定量分析模型,预测钢铁合金样品中Cr和Ni元素的含量。研究结果表明,分别以特征谱线的峰值强度和积分强度作为支持向量机模型的输入时,积分强度因为包含了谱线的谱宽和形状信息,模型训练效果较好;相比于单一元素谱线的特征信息,采用多元素的多条谱线信息输入支持向量机模型时,模型训练效果较好,这是由于多种谱线信息的输入可以有效校正基体效应的影响。在此基础上,通过归一化变量将内标法与多变量定标方法有效结合,不仅可以减小实验测量误差还能有效校正基体效应的影响,而且有效提高了模型的重复率和准确率。归一化变量作为支持向量机模型的输入变量,对待测样品S₁和S₂中Cr元素含量预测的相对误差为6.58%和1.12%,对Ni元素浓度预测的相对误差为13.4%和4.71%。通过归一化变量将内标法与多变量定标方法有效结合,可以充分发挥SVM算法的非线性学习优势,为LIBS技术应用于复杂样品定量定标分析提供理论基础。