基于温度迭代校正自吸收效应的激光诱导击穿光谱定量分析方法

激光诱导击穿光谱(laser-induced breakdown spectroscopy, LIBS)是一种理想的实时在线检测合金中微量元素的方法.然而在激光诱导击穿产生的高密度等离子体中,自吸收通常是一种不期望出现的效应,它降低了谱线的真实强度,使谱线强度随目标物质含量增长呈非线性,从而严重影响对目标中元素含量测量的准确性.本文提出了一种基于温度迭代校正自吸收效应的方法,借助等离子体热平衡辐射模型,对等离子体电子温度(T)和辐射粒子数密度乘以吸收路径长度(Nl)这两个参数进行迭代计算和校正,消除自吸收对谱线强度的影响,最终提高定量分析的准确性.对合金钢样品中Mn元素的实验测量结果表明,该方法有效地提高了Boltzmann平面图的线性度及元素含量的测量精度.该方法模型简单,计算效率高,且与Stark展宽系数的可用性和准确性无关,可以直接获得辐射粒子数密度和吸收路径长度参数,因此在提高LIBS定量分析能力的同时,还可以实现对等离子体状态的诊断.     

远程激光诱导击穿光谱定量分析铝合金中的微量元素

基于纳秒Nd∶YAG激光器与卡塞格林式望远镜系统建立了一套25m远距离激光诱导击穿光谱测量装置,实现了对金属靶材的远距离测量.在此基础上,利用铝合金标样开展了金属中微量元素远程定量分析,研究了不同距离下铝合金中Pb、Fe、Ni三种元素的定量分析标定曲线与探测极限.实验结果表明,在5m至20m三种测量距离下,Pb、Fe、Ni三种元素定标曲线的相关性系数均高于0.97;尽管激光诱导击穿光谱的光谱信号随测量距离增加快速下降,但是检测限随测量距离增加并无显著改变,均在50ppm以下.     

基于LIBS与化学计量学的植物叶片分类研究

激光诱导击穿光谱（LIBS）是一种高效快速的光谱采集手段,可应用于各类物质的元素分析工作中。线性判别分析（LDA）与支持向量机（SVM）是化学计量学中两种常用的有监督算法,均通过对已知不同种类的样本数据进行学习建模,进而实现对未知类别数据的归类。为了实现LIBS技术对有机物的高准确率识别,将这两种算法应用到LIBS光谱数据的分类中。实验利用波长为1 064 nm的纳秒激光烧蚀女贞、珊瑚树、竹子三种植物的叶片,并采集每种树叶220～432 nm波段的100组光谱数据。通过对300组样本的原始光谱数据进行主成分提取,由第一主成分（PC1）和第二主成分（PC2）的得分图得出三种植物光谱的相似度非常高。然后,利用每种叶片70组样本的光谱数据作为训练集建模,其余30组光谱数据作为测试集来进行树叶种类的预测识别。将PCA对原始光谱数据提取得到的前20个主成分作为LDA与SVM建模的属性值。对于LDA算法,将属性值分析后得到前两个判别函数值,通过聚类分析发现不同种类的植物叶片光谱数据在空间上的分离效果较好,同一种类基本聚集在一起。再借助马氏距离可得到测试集的平均分类正确率为96.67%。与此类似,使用SVM方法对训练集样本的数据进行学习得到分类超平面,对测试集的平均分类正确率达到98.9%。研究结果表明,经过PCA对数据的预处理,再结合LDA,SVM这两种方法可实现LIBS技术应用于复杂有机物的快速准确分类,并且PCA与SVM结合的分类正确率更高。该方法可在食品快速溯源、生物组织原位鉴别、有机爆炸物远程分析等领域应用。