SC-ICP-MS法测定金属元素的方法研究

为了使用单细胞电感耦合等离子体质谱(SC-ICP-MS)方法准确测定单个细胞中的铬(Cr)、锰(Mn)、铁(Fe)、铜(Cu)和锌(Zn)等多种内源性金属元素,该文基于动态反应池(DRC)模式对目标分析物的反应气流量和极杆抑制参数q(RPq)进行了优化,并研究了进样速度、细胞密度、驻留时间等因素对SC-ICP-MS检测...     

基于XGBoost的铝合金LIBS光谱分类识别方法

铝合金作为重要的金属材料,广泛应用于各领域,但大量的铝合金废料却难以进行分类回收。二次资源的回收利用是我国工业绿色、可持续发展的助推器,如何快速、简便地对铝合金废料进行识别分类则成为了铝合金废料回收利用的先决条件。激光诱导击穿光谱（LIBS）是近年来发展快速的一种分析技术,具有快速、全元素分析、实时、原位、远距离检测等优点,已广泛应用于塑料、土壤、肉类、钢铁等识别研究,大多采用最小二乘判别分析法、簇类独立软模式、人工神经网络、支持向量机、随机森林等算法来建立模型。基于迭代型树的XGBoost算法具有正则化、并行处理运算、内置交叉验证和高度的算法灵活性等优势,其模型结构相对简单、运算量较小,且准确率较高,成为近年来机器学习中极受欢迎的算法,因而被广泛应用。基于六种铝合金样品的600组光谱数据,根据NIST原子发射光谱数据库进行光谱特征提取,确定光谱特征谱线的分类依据。利用XGBoost算法进行自动分类及排序,将处理后的光谱数据随机划分为训练集和测试集,通过训练集构建算法模型,提取其分类特征;利用测试集检验模型的稳定性和可用性,防止出现过拟合。XGBoost在固定参数下得到的模型具有一定的自适应性,较少受数据集的影响,总体准确率可达96.67%。其分类特征与已知的元素含量信息相吻合,证明了基于光谱的特征谱线数据,可为分类识别提供参考;同时还可根据XGBoost生成的特征评分来对光谱谱线特征的重要性进行排序。实验结果表明,LIBS可用于不同种类铝合金的快速识别,为废弃金属的分类回收提供了一种新的技术。     

基于现场可编程门阵列的质谱信号滤波器的设计与应用

低通滤波法是四极杆质谱仪信号去噪的常见方法，为了提高滤波器性能，引入一维离散平稳小波进行阈值法滤波，其不仅能够几乎完全抑制噪声，而且可以很好地保留原始信号的特征尖峰点，缩短与成熟商业化产品差距。同时针对四极杆质谱控制系统运算能力不足的问题，本研究提出了基于Zynq芯片的应用方案，大大降低了仪器得到高信噪比(Signal-To-Noise, SNR)和低均方误差(Mean-Square-Error, MSE)质谱数据的时间。基于本团队研制的四极杆质谱仪，测试使用赛默飞世尔科技(Thermo Fisher Scientific)公司的调谐液样品。结果显示，小波变换法噪声衰减25 dB以上，对比240阶低通滤波法MSE整体降低20%以上，有效部分降低8%以上，并且通过可配置现场可编程逻辑门阵列(Field Programmable Gate Array, FPGA)处理，使有效信号相较低通滤波法下降15%以上，同时处理延迟小于1μs。为优化质谱数据降噪和控制系统集成化提供了设计参考。