LIBS技术在污染土壤重金属含量分布测量中的应用

诱导击穿光谱技术(LIBS)具有实时快速、多元素同时探测的优势,并且无需样品预处理,检测成本低,是土壤重金属定量分析检测的一种重要分析手段。将LIBS技术应用于冶炼厂区周围土壤中重金属的含量分布分析研究,利用Cu,Pb和Cr三种元素的特征谱线强度分析了冶炼厂区周围土壤中Cu,Pb和Cr三种元素的含量分布。实验结果表明冶炼厂区土壤LIBS光谱中Cu和Pb两种元素的特征谱线强度分布与实际含量分布呈较好的线性关系,而Cr元素的特征谱线强度分布与实际含量分布相关性较差。为了提高Cr元素含量分布分析的准确性,利用CF-LIBS结合Saha方程应用于土壤Cr元素的含量分布分析中。实验结果表明基于CF-LIBS计算的Cr和Si两种元素含量比值分布与土壤Cr元素的实际含量分布之间具有良好的一致性。相比于其他的化学分析方法,LIBS技术结合CF-LIBS可以快速的对区域土壤重金属元素的含量分布进行检测,因此将LIBS技术与CF-LIBS相结合用于土壤重金属的含量分布检测中,为污染区域的重金属防治提供方向。     

石墨富集结合空间约束水体重金属LIBS检测方法研究

针对水体重金属污染检测的需求,研究了以高纯石墨片为水体富集基底,样品多次富集结合等离子体空间约束的水体重金属LIBS检测方法, 并对Pb,Cu,Cd,Ni等不同重金属元素的测量稳定性及检测限进行了分析。实验采用波长为1 064 nm的Nd∶YAG调Q激光器,分辨率为0.1 nm的光纤光谱仪分别对上述水体中重金属元素含量的特征光谱进行分光探测。结果表明,样品多次富集结合空间约束方法能够有效地提高水体重金属检测的灵敏度及稳定性并降低元素检测限,空间约束条件下特征光谱强度增强约2.5倍,光谱稳定性也得到提高,相对标准偏差由非约束情况下的11.34%降低至8.77%。对不同浓度的Pb,Cu,Cd,Ni四种重金属元素进行检测并建立定标曲线,Pb,Cu,Cd,Ni的检测限均低于国家工业废水排放标准的1/6,满足工业废水重金属的检测需求,为工业废水重金属的减排控制与超标排放预警监测提供了一种有效方法和技术支持。     

石墨富集结合空间约束水体重金属LIBS检测方法研究WT

针对水体重金属污染检测的需求,研究了以高纯石墨片为水体富集基底,样品多次富集结合等离子体空间约束的水体重金属LIBS检测方法,并对Pb,Cu,Cd,Ni等不同重金属元素的测量稳定性及检测限进行了分析.实验采用波长为1 064 nm的Nd∶YAG调Q激光器,分辨率为0.1 nm的光纤光谱仪分别对上述水体中重金属元素含量的特征光谱进行分光探测.结果表明,样品多次富集结合空间约束方法能够有效地提高水体重金属检测的灵敏度及稳定性并降低元素检测限,空间约束条件下特征光谱强度增强约2.5倍,光谱稳定性也得到提高,相对标准偏差由非约束情况下的11.34%降低至8.77%.对不同浓度的Pb,Cu,Cd,Ni四种重金属元素进行检测并建立定标曲线,Pb,Cu,Cd,Ni的检测限均低于国家工业废水排放标准的1/6,满足工业废水重金属的检测需求,为工业废水重金属的减排控制与超标排放预警监测提供了一种有效方法和技术支持.     

应用LIBS技术测量土壤重金属Cr含量

应用激光诱导击穿光谱分析技术(laser-induced break-down spectroscopy, LIBS)开展了土壤中重金属铬元素含量探测研究。实验中激光波长为1 064 nm, 脉冲宽度为8 ns, 重复频率10 Hz,选取Cr 427.4 nm作为光谱分析谱线。实验结果表明,在光谱采集相对于激光脉冲延迟时间为4.78 μs, 土壤样品表面位于聚焦透镜焦后1 mm的实验条件下, Cr元素浓度测量的相对标准偏差(RSD)为12.1%, 检测限为2.01 ppm, 元素实验测量与标准值的相对偏差为5.15%。可以看出LIBS技术具有低检测限、测量精度高等优点, 这对土壤中重金属污染和监测环境质量的精确、快速检测等问题具有重要意义。     

基于激光诱导击穿光谱技术的土壤泥浆中Pb元素检测

激光诱导击穿光谱(LIBS)作为一种新兴的元素分析技术,具有实时在线、非接触、多元素同时探测等渚多优点.将LIBS技术引入土壤泥浆重金属污染的检测分析,力图发展一种针对泥浆重金属污染监测的原位传感技术.实验选择Pb作为探测元素,Mn为内标元素;采用重复频率10 Hz的Nd:YAG调Q激光器的二倍频(532 nm)输出作为激发光源,OCD收集信号,对实验室配制的不同浓度Pb泥浆样品的LIBS信号进行了探测分析.获得了各种浓度下Pb泥浆样品在Pb 405.78 nm和Mn 403.07 nm处的原子线强度比IPb/IMn及其随浓度变化的规律.结果显示IPb/IMn与样品的含铅浓度有着很好的线性关系,线性拟合相关系数R2达到0.994 9.初步证实了采用内标法对土壤泥浆中重金属Pb进行LIBS检测分析的可行性.文章还对泥浆重金属LIBS检测的影响因素进行了讨论.     

LIBS装置检测赣南脐橙中Cu元素时的参数范围分析

为了提高激光诱导击穿光谱(laser induced breakdown spectroscopy,LIBS)实验装置检测赣南脐橙中重金属元素的检测灵敏度和稳定性,可对检测参数进行范围设定。在初次选定延迟时间参数值后,再在包含初定延迟时间的1.10～1.30 μs范围内细分进行实验。实验得出：在该范围内,延迟时间与信背比和被测元素特征谱线强度的关系曲线上出现了多个峰值,并且这些峰值都比初次的要大,用统计学中的区间估计间接求出延迟时间的置信区间为[1.13,1.25],在置信区间内延迟时间由初定的1.20 μs调至1.14 μs时,相对标准偏差(RSD)由0.103降到0.025。由此表明：设定一个LIBS实验装置的参数范围,在对待测元素检测时可以在这一范围内进行自由调节来提高其检测的精度和灵敏度。     

腔体约束LIBS结合机器学习对土壤重金属元素的定量分析

土壤重金属元素含量检测及防治,对我国农业、生态环境修复具有重大意义。利用外加腔体约束结合激光诱导击穿光谱技术（LIBS）获得土壤光谱数据,采用机器学习对土壤中重金属元素Ni和Ba含量进行分析。实验设置延迟时间为0.5～5 μs,选择Ni Ⅱ 221.648 nm和Ba Ⅱ 495.709 nm作为目标研究特征谱线,计算两种LIBS条件下延迟时间对信噪比、光谱强度及增强因子的影响。结果表明,腔体约束LIBS（CC-LIBS）可以增大光谱强度及目标元素信噪比,同时随着采集延迟时间增长,等离子体数目变少,光谱强度及信噪比逐渐减小并趋于稳定;当延迟时间设置为1 μs时,CC-LIBS条件下Ni和Ba元素特征谱线信噪比达到最优,确定此时为LIBS最优实验条件。通过最优条件获取9种含Ni和Ba元素土壤样品的光谱数据,由于采集到的每组光谱信息有12 248个数据点,利用主成分分析（PCA）对CC-LIBS条件下的光谱数据降维,在保留95%以上的土壤原始信息后,选择9个主成分作为定量分析模型的输入变量,以提高模型的运算速度。采用机器学习中的Lasso,AdaBoost和Random Forest模型,对PCA降维后的光谱数据进行建模及预测,实现土壤重金属元素Ni和Ba的定量分析。结果表明,与Lasso和AdaBoost模型相比,Random Forest模型在训练集和测试集中表现出的预测性能最优。Random Forest模型下Ni元素在测试集中的R2为0.937,RMSEP为3.037;Ba元素在测试集中的相关系数R2为0.886,均方根误差RMSEP为90.515。基于腔体约束LIBS技术结合机器学习,为土壤重金属元素的高精度检测提供了技术指导。     

空间约束对激光诱导等离子体演化和光谱的影响

应用纳秒脉冲激光烧蚀铝的动力学模型分析了激光诱导等离子体的演化过程。通过设置有无空腔的不同情况,研究和讨论了空间约束对等离子体和光谱信号的影响,并得到了等离子体演化过程中的电子温度和电子数密度。基于局域热平衡的假设,计算了铝在396.15 nm波长处的谱线强度。与无空腔条件下产生的等离子体相比,有空腔时等离子体的电子温度和电子数密度都明显提高。随着空腔宽度的增加,增强效果减弱,光谱信号强度先升后降,在空腔宽度为1.4 cm处获得最大值。建立了实验装置,实验结果与仿真结果吻合得较好,在同一宽度下得到了最大的信号强度值。模拟和实验结果提供了膨胀过程中等离子体空间和时间分布的数值信息,并解释了空腔存在对等离子体演化产生影响的机制。     

基于EEMD-MRA方法的LIBS信号处理研究

LIBS技术优点众多,但由于光谱噪声干扰和基体效应等因素,影响了分析的准确度^[1]; EEMD方法能清晰的将LIBS信号中的不同特征成分自适应的分解开来。MRA方法能够补偿元素信号之间的互干扰,可进一步提高LIBS信号的准确性。通过自行搭建的测试系统获得了标准样品的原始信号,使用EEMD-MRA方法进行处理后,元素浓度曲线的决定系数R²得到了极大的提高,大大的提高数据的准确性,为LIBS信号的处理提供了一种全新的方式。     

锥形激光等离子体中Compton 散射对电子的加速

应用相对论性电子与光子非弹性碰撞模型和经典相对论电动力学理论,结合锥形飞秒强激光等离子体中的光场特性和静电场能,分析、计算了入射的高能电子束与等离子体中的光子发生多光子非线性Compton散射时对电子的加速效应,发现等离子体中的光场会引起电子加速能量的振荡;等离子体中的静电场降低电子的加速效应。用高能电子束与锥形飞秒强激光等离子体中的光子发生双光子非线性Compton散射,是加速电子最为理想的情况。     

基于信背比拟合的水体重金属LIBS定量分析研究

LIBS技术定量分析的精密度与准确度受到多种因素的影响。通过深入分析激光诱导等离子体背景光谱和特征光谱的特性,利用两者随温度的变化趋势近似相同的特点,采用两者的比值即信背比进行元素浓度的定量拟合,可以补偿激光能量、光谱接收效率等系统参数抖动造成的谱线强度变化;针对测量数据有限及非线性的特点,使用支持向量机算法进行回归。实验结果表明通过信背比拟合可以提高LIBS定量分析的稳定性和准确性,测试集的相对标准偏差和相对误差平均值分别为4.7%和9.5%。基于信背比的数据拟合方法不受基体元素和背景大小限制,为实时在线的LIBS定量分析技术提供数据处理方面的参考。     

铜合金自体小孔约束等离子体辐射增强作用研究

为了提高激光诱导击穿光谱的质量,探索便捷的等离子体辐射增强方法,采用自体空间约束的方法,研究了铜合金自体小孔约束对激光诱导等离子体辐射的增强作用。在常压空气中,利用Nd∶YAG脉冲激光器作为激发源,诱导激发HPb59-1铅黄铜合金样品,由光栅光谱仪和ICCD采集光谱,分析了Cu和Pb元素的等离子体辐射强度随自体小孔尺寸的变化情况,得到自体小孔约束的最佳尺寸为直径3.0 mm、深度1.5 mm。与无约束时相比,Cu和Pb的谱线强度分别提高了38.3%和35.4%,信背比提高了200.2%和137.5%。研究结果表明,自体小孔约束方法能够有效改善激光诱导击穿铅黄铜合金样品的谱线质量,避免外加约束结构的内壁污染对实验结果的干扰,方法简单易行。     

水体重金属LIBS多元素测量参数优化方法研究

激光诱导击穿光谱(LIBS)方法的优势之一就是可多元素同时检测。为获得水体重金属LIBS多元素测量时的综合最佳信号输出,本文利用BP神经网络拟合Pb,Cu和Ni三种元素特征谱线信背比(S/B)与延时门宽之间的数值关系,同时采用DM设计实验数据作为校验样本,保证BP神经网络模型的泛化能力。基于上述数值模型利用遗传算法优化延时门宽两个测量参数,定义了适应度函数,得到延时门宽为(15.5和21.5 μs)时,取最小值0.102 4,此时三种元素综合信背比最大,对比实验进一步验证了优化效果。神经网络结合遗传算法的优化方法提高了水体重金属LIBS多元素测量时的综合信背比,研究方法也为更多参数更多响应的实验系统优化提供了参考。     

基于不同化学计量学方法的土壤重金属激光诱导击穿光谱定量分析研究

工业的发展及城市化进程的深入,造成大量耕地土壤遭受重金属污染,土壤重金属元素的准确检测对制定土壤重金属防治决策提供有效参考。本研究应用激光诱导击穿光谱(LIBS)结合化学计量学方法对土壤中的铅(Pb)和镉(Cd)元素进行定量分析。根据土壤重金属污染的不同程度,人为制作了含有Pb和Cd元素的15个浓度梯度的土壤样本,并采集各个样本的LIBS谱线。采用剔除异常光谱和数据归一化来减少试验误差和噪声。综合土壤LIBS发射谱线中Pb和Cd元素谱峰信息以及美国国家标准与技术研究院(NIST)的标准原子光谱数据库,选取了Pb,Cd元素的分析谱线与分析谱线区间,对比分析基于多元线性回归(MLR)、偏最小二乘回归(PLSR)、最小二乘支持向量机(LS-SVM)和反向传播人工神经网络(BP-ANN)算法,建立分析谱线区间与对应Pb和Cd元素浓度之间的定量回归模型。结果表明,非线性的LS-SVM和BP-ANN的模型的预测性能优于线性MLR和PLSR模型,这可能是因为非线性模型能够通过自适应较好地解决土壤基体效应的影响。研究表明,LIBS技术结合多元化学计量学方法能够为土壤重金属准确检测提供新的分析手段,为制定农业土壤重金属防治决策提供有效的理论基础。     

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。     

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.