论文部分内容阅读
激光诱导击穿光谱技术(Laser Induced Breakdown Spectroscopy,LIBS)是一种通过对等离子体发射光谱进行分析确定物质元素成分及含量的检测技术。其在冶金、地质、环境、科研等多个领域极具有应用潜力。但是目前LIBS技术分析方法的精确性和稳定性仍有待于进一步提高。本文以推进LIBS技术的实际应用为宗旨,利用双脉冲激光诱导击穿光谱技术(Double Pulse Laser Induced Breakdown Spectroscopy,DP-LIBS)以合金钢样品为分析对象,探究了光谱预处理及谱线自动识别过程,重点是研究合金钢中微量元素定量分析的方法。全文主要研究内容如下:(1)对常用的定量分析方法进行分析总结。(2)针对合金钢LIBS光谱谱线数量繁多,存在大量噪声干扰。首先,基于局部极小值进行背景基线校正,并设计了一种改进的小波阈值函数对光谱数据去噪处理。然后,利用二次求导结合阈值设定进行特征谱线寻峰,依据谱线产生原理结合NIST数据库,通过程序实现特征谱线的自动识别,为后续研究作铺垫。(3)针对非金属C元素,通过遗传算法(Genetic Algorithm,GA)对输入多元素的光谱数据降维处理,利用人工神经网络(Artificial Neural Network,ANN)设计了一种多元素修正的多变量GA-BP-ANN分析方法。与内标法和单变量BP法相比,预测结果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R~2分别由0.9674和0.9744提升至0.9893。(4)针对金属Mn元素,选用三条Mn元素的特征谱线,将其所在展宽内的光谱数据作为输入,设计了一种PCA-GRNN(Principal Component Analysis-Generalized Regression Neural Network,PCA-GRNN)的分析方法。与多元线性回归方法相比预测结果的平均相对误差由12.68%减小到11.50%,预测值与真实值之间的R~2由0.9870提升至0.9931。综上所述,本文从光谱数据预处理、特征谱线自动识别及微量元素定量分析等方面对DP-LIBS技术检测合金钢样品进行了研究。改进小波阈值函数对采集的光谱数据去噪,提高了光谱的信噪比、通过程序实现特征谱线自动识别,提高了分析谱线选择效率、基于ANN对微量非金属C元素和金属Mn元素的定量分析方法分别进行改进,有效的减小了基体效应影响,提高了分析结果的精确性与稳定性。