LIBS技术结合多元校正定标检测土壤中的Cr

激光诱导击穿光谱(LIBS)技术结合支持向量机(SVM)定量分析土壤中Cr元素的含量。利用波长为1 064 nm的Nd∶YAG脉冲激光器作为激发光源,采用光栅光谱仪和CCD分光探测不同重金属元素含量土壤样品的LIBS特征光谱。为了提高土壤中Cr元素定量分析的精度,分别采用多元线性回归分析和SVM两种方法对土壤中Cr元素的含量进行定量分析。研究结果表明,采用多元线性回归分析方法可以有效提高定量分析的精度,定标曲线拟合相关系数从传统定量分析方法的0.689提高到0.980;SVM定量分析方法训练集得到的定标曲线斜率近似为1,拟合相关系数为0.998,优于传统定量分析方法和多元线性回归分析方法,对检验集的预测相对误差均在2.57%以内。LIBS技术结合多元线性回归和SVM定量分析方法可以有效的提高土壤中Cr元素定量分析的稳定性和精度,校正土壤基体效应对Cr元素定量分析的影响。     

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。     

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。     

采用激光诱导击穿光谱技术测定合金钢中锰和硅的含量

基于激光诱导击穿光谱(LIBS)技术定量分析多品种合金钢中锰(Mn)和硅(Si)的浓度,采用的校正方法为多元二次非线性函数定标方法。分析的钢种有普通合金钢、不锈钢、碳素工具钢等。由于不同钢种在基体组成上存在较大差异,而且钢的光谱还存在复杂的谱线重叠干扰,所以受基体效应影响严重。因此,对钢这类复杂化学体系物质的定量分析,若采用单谱线信息的校正方法会造成很多有用信息的丢失,而采用多变量的定标法会更充分利用光谱中的信息,更有效校正多基体组分的基体效应,进而提高LIBS定量分析的重复性和准确性。相比线性标准定标曲线法,测量结果的相对标准差从20%以上降低到10%以下,Mn元素测量结果的准确度提高了5倍多,Si元素提高了6倍多。     

激光诱导击穿光谱联合UVE变量优选检测大豆油中的铬含量

利用激光诱导击穿光谱(LIBS)技术对大豆油中的重金属Cr进行检测研究。以松木木片对重金属Cr进行富集,采用AvaSpec双通道高精度光谱仪在206.28~481.77 nm波段范围内采集松木木片样本的LIBS光谱,利用无信息变量消除(UVE)方法筛选与重金属Cr相关的波长变量,应用偏最小二乘(PLS)回归建立大豆油中重金属Cr的定标模型,并与单变量及全波段PLS定标模型进行比较。结果表明,相比单变量及全波段PLS定标模型,UVE-PLS定标模型的性能更优,其相关系数、校正均方根误差、交互验证均方根误差及预测均方根误差分别为0.990,0.045,0.050及0.054 mg·g-1。经UVE变量筛选后,UVE-PLS定标模型所用的波长变量数仅为全波段PLS的2%。由此可见,UVE是一种有效的波长变量筛选方法,能有效筛选出与重金属Cr相关的波长变量。     

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。     

基于等离子体锥形空间约束对土壤中Cr的LIBS研究

为了提高激光诱导击穿光谱(LIBS)技术对土壤中重金属元素的检测灵敏度,降低检测限,以国家标准土壤中Cr元素为研究对象,实验时,在LIBS装置中与样品接近的聚焦透镜下方安装一个锥形罩,锥形罩的小端面直径为20 mm,大端面直径为45 mm,目的是对等离子体发射信号形成空间约束,并且在一定程度上约束等离子体本身。实验得到CrⅠ425.44 nm的最佳延迟时间为1.3 μs,相对标准偏差低于10%。与无锥形空间约束的装置相比,Cr的特征光谱强度增强了7%以上。以土壤中的Cr在60～400 μg·g-1之间的浓度建立定标曲线,有空间约束下定标曲线的线性拟合相关系数为0.997 71,Cr的检测限为18.85 μg·g-1,而没有空间约束下定标曲线的线性拟合相关系数为0.991 22,Cr的检测限为36.99 μg·g-1。由此表明锥形空间约束能够提高目标元素的灵敏度和光谱强度,在LIBS技术检测土壤中Cr元素时有很好的辅助作用。     

基于PLS的水体重金属LIBS特征变量筛选方法研究

在水体重金属激光诱导等离子体光谱定量分析中,一般提取光谱的多个特征变量进行浓度反演,但变量之间所包含的光谱信息可能存在重叠,回归模型的复杂程度也随之增大。为提取有效特征变量,研究了基于偏最小二乘法(PLS)的变量筛选方法。该方法以待测元素浓度为因变量,多个与待测元素浓度相关的LIBS光谱特征值为自变量,进行PLS建模;依据各原始变量的投影重要性指标值进行变量筛选,提取最优变量子集。结果表明湖库水体中Pb元素的最优变量子集为Pb Ⅰ 405.78 nm峰值及峰值前相邻点光谱值、内标校正值和信背比值,训练集的复相关系数R2_m=0.912。以优化变量组合进行PLS回归分析,测试集预测结果的RSD和RE分别为10.2%和7.9%,显著优于内标法的预测结果。结果还表明,变量筛选结果对于不同元素和不同水样具有一定适用性。研究结果为水体重金属LIBS定量分析提供了优质特征数据,研究方法为其他涉及变量筛选的定量分析提供了参考。     

钢铁中钒、钛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)技术测量钢铁中钒、钛元素的含量。选取V Ⅰ 440.85 nm和Ti Ⅰ 334.19 nm作为定量分析谱线、基体元素谱线Fe Ⅰ 438.35 nm作为内标谱线,分别建立了基本定标法和内定标法的钢铁样品中V和Ti含量的光谱分析定标曲线,并将它们用于检验样品的定量分析。研究表明,V和Ti基本定标曲线的拟合相关系数R2分别为0.987 5和0.990 9,对检验样品中V和Ti元素的测定相对误差最大分别为11.1%和4.0%;而采用内定标法时,V和Ti的拟合相关系数R2分别达到0.995 2和0.992 1,对检测样品中V和Ti元素的测定相对误差均可降低到4.0%以下。结果证明,采用内定标的激光诱导击穿光谱分析方法更适于钢铁样品中钒、钛含量的测定。     

铅黄铜合金中痕量元素定量分析的激光诱导击穿谱研究

实验上研究了最佳实验条件下铅黄铜合金中Ni，Fe两种杂质元素的LIBS分析谱线，在氦气、氩气、空气和真空等4种环境中，测定了Ni，Fe两种杂质元素分析中的LIBS定标曲线，定标曲线的拟合标准偏差在0.02—0.08范围内. 关键词： 激光诱导击穿谱 定标曲线 定量分析 铅黄铜合金     

激光诱导等离子体光谱法检测合金钢组分的实验研究

激光诱导击穿光谱技术(LIBS)具有无需样品制备,原位快速分析,可进行实时控制的特点使其在钢铁冶炼控制中具有巨大的实际应用价值。本文以波长为1 064 nm的Nd∶YAG调Q固体激光器为激发光源,CCD为探测器,高合金钢GBW01605—01609系列为样品,在建立的LIBS实验装置上研究激光与合金钢之间的相互作用。系统地研究了观测距离、激光能量对高合金钢样品中激光诱导击穿谱特性的影响,并分析了LIBS信号的时间分辨特性,确定了将LIBS用于合金钢微量元素定量分析时的最佳实验条件。     

基于凸优化的激光诱导击穿光谱基线校正方法

在激光诱导击穿光谱定量分析中,基线是LIBS光谱信号的重要组成部分,由于受到实验参数设置及实验环境变化等影响,导致等离子体的发射谱线呈现不同程度的基线漂移现象,因此基线校正是光谱分析的重要环节。现有算法如多项式拟合通常需要设定关键参数,不具备自适应性。由于激光诱导产生的等离子体光谱信号的特征峰具有明显的独立性和稀疏性,以及基线具有低通特性,因此在凸优化约束框架下,提出了非参数化基线校正模型。同时,利用高效率的迭代算法来保证结果的收敛性。首先对23个高合金钢样本的光谱信号进行基线校正,然后以合金钢样本中的铬(Cr)元素为分析对象,并选取11条分析线进行定量分析。分别采用PLS和SVM定量模型进行训练和预测,并且与传统方法相比较,证明了所提出方法可以提高定量分析精度。     

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。     

基于LIBS与GA-PLS的钢铁中Mn，Ni元素定量分析研究

钢材炼制过程锰、镍元素的含量均会对最终产品的硬度脆度产生影响,但由于其添加的含量需要进行严格控制,同时传统的钢铁成分检测的设备成本高、效率低、速度慢,因此需要一种高精度的快速实时分析方法。利用遗传偏最小二乘法（GA-PLS）结合LIBS技术对钢铁样品光谱中的Mn和Ni两种元素进行定量检测,并且与传统PLS的定量分析结果进行对比,以验证GA-PLS模型预测性能。采用购置于钢材市场的12个钢铁样品,其中9个样品的光谱信息作为校正集训练模型,3个作为测试集验证模型定量性能。GA-PLS通过不断提高变量被选频率的阈值,用不同阈值下的变量建立PLS模型,对比选出最低RMSECV时的阈值（Mn和Ni元素的光谱输入变量被选频率的最佳阈值分别为8和7）。结果显示：GA-PLS锰元素预测结果的R2_P和RMSE_P分别是0.999 0和1.347 3,相对分析误差（RPD）为2.5;镍元素预测结果的R2_P和RMSE_P分别是0.999 5和0.525 4,RPD为8.6,最终预测的结果优于PLS。该结果表明了GA-PLS算法在冶金金属元素分析领域具有可持续性挖掘的潜力,同时也将促进LIBS技术在钢铁冶炼领域更深层次的应用。     

变化的理论α影响系数在校正Cr-Fe-Ni不锈钢基体效应中的应用

通过Spectra Plusx射线荧光光谱分析软件计算了7个不锈钢标准样品中的其它元素对Cr的理论α影响系数,发现对Cr有二次激发的增强元素的理论α影响系数随着元素含量的变化变动较大。采用随元素含量的变化而变化的理论α影响系数校正不锈钢中的基体效应,较好地校正了其他元素对Cr的增强效应,并使不锈钢和低合金钢中的Cr含量(0．3％～20．8％)可以通过一条校准曲线进行测量。变化的理论α影响系数可以校正含量变化较大的元素的基体效应,可以适当延伸校准曲线的含量分析范围。采用X射线荧光光谱法测定不锈钢中的Al,Si,P,S,Ti,Cr,Mn,Co,Ni,Cu,AS,Mo,Sn,W,Pb等15个元素的含量,用变化的理论α影响系数校正基体效应,测量结果与湿法化学分析结果相符。     

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.     

利用激光诱导击穿光谱对铝合金成分进行多元素同时定量分析

利用激光诱导击穿光谱定量分析了铝合金中多种元素的成分。采用Nd∶YAG脉冲激光器,在空气环境下烧蚀铝合金固体样品获得等离子体。利用多通道光栅光谱仪和CCD检测器对200～980 nm波长范围的光谱进行同时检测。研究了检测时延、激光脉冲能量、元素深度分布对光谱强度的影响,考虑这些因素之后对实验参数进行了优化。在优化的实验参数下对国家标准铝合金样品中的八种元素Si,Fe,Cu,Mn,Mg,Zn,Sn及Ni进行了定标,并利用定标曲线对一种铝合金样品进行了定量分析。实验结果表明,测量结果的相对标准偏差(RSD)最大为5.89%,相对误差在-20.99%～15%范围内,说明对铝合金样品成分进行定量分析,激光诱导击穿光谱是一种有效的光谱分析工具,但是分析结果的准确度仍需要提高。     

钢液中多元素的LIBS实时定量分析

将激光诱导击穿光谱(LIBS)技术直接应用于钢液成分的检测.研究结果表明,氩气作为保护气不仅可以避免钢液表面的氧化,同时可以增强等离子体信号强度.在氩气氛围下,钢液表面被聚焦成高功率密度的脉冲激光击穿形成等离子体,利用耦合CCD的多通道光纤光谱仪探测等离子体在冷却过程中发射的光谱信号,得到钢液组分的相关信息.根据分析谱线选取原则,确定了主要合金元素Mn,Si和Cr的特征谱线,并建立了相应元素的定标曲线,曲线的线性拟合度均在0.925以上,对应的质量浓度检测限分别为75.7,23.8和724.5 μg·g-1.