激光诱导分子光谱应用于碳元素形态分析

选用碳元素常见的有机形态(C_6H_7O_2)和碳酸盐形态(CaCO_3)样品为实验对象,配置一系列不同含碳量的样品进行激光诱导击穿光谱实验,实验分析了不同形态碳元素样品在空气气氛条件下的激发特性.研究结果表明,碳酸盐形态中可探测到明显的碳元素的原子谱线,且与碳元素含量有良好的线性关系,但较难探测到碳元素的分子光谱;对于有机形态,不仅能探测到碳的原子谱线,还能探测到碳的CN分子谱线和C2分子谱线,且分子光谱与碳元素含量具有较好的相关性,说明碳元素分子光谱的形成与有机形态有关.将两种形态混合后,发现CN分子光谱与有机形态中的碳元素含量具有较好的相关性,说明利用探测到的CN分子光谱可以实现有机形态的鉴别.同时利用CN分子光谱的形成机制,在两种形态混合后的样品中添加一定量的氮元素,在氩气条件下,CN分子光谱与样品中有机碳元素含量存在较好的线性关系.进一步说明来源于空气中N和样品中N所形成的CN,均可用于有机形态碳元素的鉴别.     

液相和固相钢铁的激光诱导击穿光谱特性

为深入了解激光诱导击穿光谱技术应用于钢液成分的检测机制,对45#钢样品分别为高温熔融液态和冷却凝固后的固态样品的激光诱导击穿光谱特性进行了对比分析.实验表明,相比固体样品,在相同实验条件下对钢液进行直接测量的稳定性相对较差.各波段的光谱强度液态钢的要明显强于固态钢,两者的等离子体特性存在较大差别.采用Fe的五条原子谱线...     

激光诱导有机物中氮元素的光谱特性分析

选用同时含苯环和C-N结构的有机物苯甲酰胺样品为实验对象,制备不同含氮量的样品并进行激光诱导击穿光谱实验;在不同气体环境(空气、氩气)和激光能量条件下,研究了有机物中N元素的激发特性,建立了N元素光谱信息与N元素含量之间的关联性.结果表明:在氩气环境中,含N元素样品的N原子谱线较难被探测到N,该结果说明在大气环境中探测到的N原子谱线主要源于空气中N的激发(空气中有79%的N2);在空气或氩气条件下,均能探测到较强的CN分子光谱,且与样品中N元素含量有一定的关联性,这种关联性不仅与气体环境有关还与激光能量有关;在氩气条件下,由于CN分子光谱的形成完全来源于样品,不管在低能量还是高能量条件下,均与N元素含量具有较高的相关性;在大气环境中,在低能量条件下,关联性较好(R2高于0.9),而高能量条件下,关联性较差,说明在低能量条件下,空气环境中探测到的CN主要来源于样品本身,而在高能量条件下CN分子光谱的形成受环境中氮气的影响较大.     

例谈直角三角形与内切圆

任何三角形都有一个内切圆,内切圆的半径与三角形的三边有密切联系,而直角三角形的三边与其内切圆的半径不仅具有一定规律,而且具体明了.请看以下两例.     

基于多元定标法的煤粉碳元素LIBS定量分析

本文选用碳含量差别较大的14个煤样,进行激光诱导击穿光谱实验。引入多元校正的分析方法,实现煤中碳元素的LIBS定量分析。根据煤质的结构特点,得到影响碳元素激发的主要影响因素分别为与碳骨架相连的H、O、N,以及主要的矿物质元素Si、Al、Ca、Fe。选择这些元素常见的特征谱线强度值,作为多元回归分析的输入量,然后根据回归方程变量的筛选原则,确定了用于回归关联式建立的变量,进而得到回归关联式,并通过方差分析和回归统计验证了方程的可行性。结果表明,采用多元校正的分析方法,得到多元回归分析模型预测值与实验室元素分析仪得到的参考值之间的相对误差在5%之内,说明采用多变量校正的分析方法对碳元素进行定量分析,能得到较高的分析精度。     

基于K-CV参数优化支持向量机的LIBS燃煤热值定量分析

热值是煤质特性的重要参数之一,很大程度上影响着燃煤锅炉的运行。为了克服传统检测方法所存在的问题,将激光诱导击穿光谱(LIBS)应用于燃煤热值的定量分析。煤的结构复杂,所含的元素种类众多,包括了主量元素、次量元素和痕量元素,致使煤的LIBS光谱信息复杂。如何有效提取LIBS光谱信息,实现准确的定量化测量是LIBS在煤特性检测中发挥作用的前提和基础。近年来,随着人工智能技术的发展,相关的分析技术也开始应用于煤的工业指标分析和热值预测中。为实现煤样品中LIBS光谱信息的有效提取,同时为克服常规的分析方法易出现的过渡拟合、收敛性不好等问题,提出采用结合K-fold Cross Validation(K-CV)参数优化的支持向量机(SVM)回归方法,实现LIBS定量分析煤中的热值。SVM方法是结构风险最小化的近似实现,可用于模式分类和非线性回归。为了得到有效的LIBS分析模型,实验选用44种电厂常用的热值含量不同的煤样作为实验对象,选择其中33个作为训练集,剩余11个为测试集。利用搭建的LIBS实验系统获取所选煤样品的等离子体发射光谱数据,首先分析了SVM热值回归模型的参数-惩罚因子C、核函数参数g与模型精度的关联,确定C和g最佳取值范围,然后分别建立了基于LIBS全谱和某些元素(非金属元素和金属元素)特征光谱的SVM回归模型。利用训练集光谱数据,结合K-CV法得到热值SVM回归模型的最优参数C和g的值,建立基于SVM最优参数的煤热值定量分析模型。然后将测试集的光谱数据作为输入量用于测试所建立模型的可靠性,得到分别采用全谱、非金属元素特征光谱、非金属与金属元素特征谱相结合的热值定量分析模型,其决定系数R2均达到0.99以上,均方误差分别为0.12,0.17和0.06 (MJ·kg-1)2,预测平均相对偏差分别为1.2%,1.23%和0.69%。结果表明：基于K-CV参数优化SVM回归方法可用于LIBS技术实现燃煤热值的定量分析,且可得到较高的分析精确度和准确度;同时通过对比选用不同的光谱特征的定量分析模型可知,采用非金属与金属元素的特征光谱所建立的基于K-CV参数优化SVM的热值定量模型,能够有效提高LIBS应用于快速检测煤热值的精度和准确度,实现煤热值的准确预测。     

碳元素形态的激光诱导击穿光谱特性

对具有不同碳元素存在形态的4种化学纯试剂(无水对氨基苯磺酸、可溶性淀粉、石墨和碳酸钙)进行激光诱导击穿光谱实验。选用实验中探测到的碳元素原子谱线CI 247.856 nm作为分析线,研究了不同存在形态碳元素的激光诱导击穿特性。从物质的化学构成、分子内部原子结合的作用力大小等方面,说明了不同形态碳元素的光谱特性存在差异的原因。实验结果表明:存在于结构复杂、化学键能较大的物质中的碳元素,被激发所需的激光能量也较大。     

LIBS对煤中热值检测的新型校正模型

将激光诱导击穿光谱技术(LIBS)应用于煤中热值的检测。针对传统的通道面积归一化方法未能考虑煤质检测的物理/化学机制、从而限制了所建模型在精确性、准确性、可重复性的情况,提出了一种新型的基于光谱偏差产生原理的校正模型。模型选取了19组煤样品,随机选择其中15组为校正集,用于建立热值的定量分析模型,剩余四种为预测集,用于对所建模型进行检验与评价。模型从光谱偏差因素的产生因素出发,通过原子光谱发射理论结合斯塔克展宽公式,推导出LIBS条件下自吸收效应的影响机制及其所引起的偏差的修正方法。通过元素间相互干扰结合基体效应的微观机理对基体效应进行光谱的偏差分析,并根据K系数法的思路对LIBS中元素间相互干扰进行修正,通过建立光谱的电子密度,等离子体温度,元素浓度的数值模型对基体效应引起的光谱偏差进行深度修正。因而经过自吸收效应—元素间相互干扰—基体效应深度修正后,模型对于所研究样品范围内其拟合优度R2=0.967,RMSEP=0.49 MJ·kg-1,RMSE=0.45 MJ·kg-1,MRE=2.42%,ARE=1.64%的同时RSD=5.79%,RSDP=8.10%。相对于传统的通道面积归一化-多元线性回归方法的0.405,8.28 MJ·kg-1,4.14 MJ·kg-1,22.85%,52.48%,18.28%,32.85%,表明测量的精确度与准确度都得到明显的提高,证明该模型具有很好的应用价值。