基于改进PLS方法的便携LIBS废钢成分定量分析

为增加工业中废钢资源的转化利用效率,需依据其元素含量鉴别废钢类型。采用激光诱导击穿光谱(LIBS)技术结合基于主成分分析的偏最小二乘回归(PLSR)的机器学习算法,对26组钢铁标准样品的元素含量进行了定量分析和研究。通过自主研发的便携LIBS废钢成分检测仪采集光谱数据,对其进行基线校正,筛选对应元素特征谱线数据和归一化的光谱数据作为模型输入,将光谱数据划分为训练集和测试集进行建模分析,并采用留一交叉验证法(Leave-One-Out Cross Validation)确定模型最优潜变量指标。C、Cu、Mn、Mo、Cr、Ni、Si、V、Al、Ti元素模型在测试集上的相关决定系数(R²)、均方根误差(RMSE)、残差平方和(PRESS)和平均绝对误差(MAE)平均为97.86%、0.030 6、0.284、0.036 5。结果表明,以偏最小二乘回归算法结合LIBS技术建立的废钢元素含量预测模型具有较好的泛化能力与分类性能,拥有更好的预测准确性和鲁棒性,能够满足在钢铁冶炼工程中废钢成分的快速稳定分析和检测要求。     

基于激光诱导击穿光谱技术的废旧金属分类辨识

废旧金属回收是工业中金属的重要来源之一,是发展循环经济的重要内容。废旧金属产量巨大,通常表面覆盖杂质,凹凸不平,因此对分类方法的判别能力和计算速度提出较高要求。采用激光诱导击穿光谱技术研究分析了7种废旧金属分类识别问题,包括生铝、熟铝、镁、不锈钢、锌、黄铜与红铜。为了符合现场应用条件,实验中每个样本点只激发一次建立并分析了多种分类模型,包括支持向量机(SVM)分类模型,主成分分析方法结合支持向量机(PCASVM)分类模型,遗传算法结合支持向量机(GA-SVM)分类模型,遗传算法选择特征光谱结合主成分分析方法和支持向量机(GA-PCA-SVM)分类模型,以及遗传算法选择特征光谱结合主成分分析方法和人工神经网络(GA-PCA-BP)分类模型。通过遗传算法选取包含丰富特征的谱段组合与支持向量机方法相结合建立GA-SVM分类模型,490组验证样本分类准确率为93.47%。为了判断该模型的鲁棒性,对一批新样品,在自研的分选系统上以传送带匀速运行的方式进行测试,获取的750组光谱测试数据,分类准确率为88.27%,证明了该分类模型具有很好的移植性和应用性。     

基于激光诱导击穿光谱的废钢元素定量分析

为提高对废钢的利用效率,实现以元素含量对废钢的精确分类,采用激光诱导击穿光谱技术(LIBS)结合偏最小二乘算法,对18组钢铁标准样品进行废钢元素含量分析。通过自主研发的便携式LIBS成分分析仪获得光谱数据并进行基线校正,筛选出光谱特征数据作为模型输入,将光谱数据划分为训练集和测试集,以10折交叉验证方法确定模型最优潜变量。C、Cu、Mn、Cr、Ni、Si、V、Al、Ti元素模型在测试集上的相关决定系数(R²)和均方根误差(RMSE)平均为99.27%和0.023。实验结果表明,以偏最小二乘算法结合LIBS技术测定废钢中各元素含量准确性高,该检测方法能够适用于钢铁企业中废钢成分的快速检测。     

基于激光诱导击穿光谱技术的废旧金属分类辨识

废旧金属回收是工业中金属的重要来源之一,是发展循环经济的重要内容。废旧金属产量巨大,通常表面覆盖杂质,凹凸不平,因此对分类方法的判别能力和计算速度提出较高要求。采用激光诱导击穿光谱技术研究分析了7种废旧金属分类识别问题,包括生铝、熟铝、镁、不锈钢、锌、黄铜与红铜。为了符合现场应用条件,实验中每个样本点只激发一次建立并分析了多种分类模型,包括支持向量机(SVM)分类模型,主成分分析方法结合支持向量机(PCA-SVM)分类模型,遗传算法结合支持向量机(GA-SVM)分类模型,遗传算法选择特征光谱结合主成分分析方法和支持向量机(GA-PCA-SVM)分类模型,以及遗传算法选择特征光谱结合主成分分析方法和人工神经网络(GA-PCA-BP)分类模型。通过遗传算法选取包含丰富特征的谱段组合与支持向量机方法相结合建立GA-SVM分类模型,490组验证样本分类准确率为93.47%。为了判断该模型的鲁棒性,对一批新样品,在自研的分选系统上以传送带匀速运行的方式进行测试,获取的750组光谱测试数据,分类准确率为88.27%,证明了该分类模型具有很好的移植性和应用性。     

基于便携式激光诱导击穿光谱技术的耐热钢老化等级评估

长期承受高温高压耐热钢的运行状态严重影响着设备系统的安全生产,传统检验手段在时间和操作上存在一定的局限性。将开发的便携式激光诱导击穿光谱(LIBS)设备应用于耐热钢失效分析,结合化学计量学方法实现T91钢老化等级的预测评估。首先对不同老化等级T91样品的光谱特性进行了分析,研究了不同表面状态样品的元素特征谱线随脉冲数变化趋势,获取各样品的典型光谱;然后采用K折叠支持向量机递归特征消除算法(K-SVM-REF)对光谱变量进行特征选择,以提高模型预测性能。结果表明基于特征选择的光谱变量较全谱变量建立的支持向量机(SVM)预测模型测试集的分类准确率从84.38%提升到90.63%。此外还研究了样品表面状态对模型性能的影响,为开发的便携式LIBS设备用于实现金属受热面失效诊断的实际测量提供了有效的依据和方法。     

基于便携式激光诱导击穿光谱技术的耐热钢老化等级评估

长期承受高温高压耐热钢的运行状态严重影响着设备系统的安全生产,传统检验手段在时间和操作上存在一定的局限性。将开发的便携式激光诱导击穿光谱(LIBS)设备应用于耐热钢失效分析,结合化学计量学方法实现T91钢老化等级的预测评估。首先对不同老化等级T91样品的光谱特性进行了分析,研究了不同表面状态样品的元素特征谱线随脉冲数变化趋势,获取各样品的典型光谱;然后采用K折叠支持向量机递归特征消除算法(K-SVM-REF)对光谱变量进行特征选择,以提高模型预测性能。结果表明基于特征选择的光谱变量较全谱变量建立的支持向量机(SVM)预测模型测试集的分类准确率从84.38%提升到90.63%。此外还研究了样品表面状态对模型性能的影响,为开发的便携式LIBS设备用于实现金属受热面失效诊断的实际测量提供了有效的依据和方法。     

基于卡尔曼滤波与机器学习的激光诱导击穿光谱钢铁多元素定量分析探究

针对钢铁冶炼过程中微量元素定量分析问题,对钢样中的Mn、P、S和C元素进行离线定量分析,并为熔融状态下钢水成分在线检测进行前期离线预研工作。通过激光诱导击穿光谱(LIBS)技术研究钢铁的光谱特性,提出使用卡尔曼滤波(KF)对光谱进行降噪处理,并将其与偏最小二乘回归(PLSR)、支持向量回归(SVR)、随机森林(RF)机器学习模型结合,建立各元素的定量分析模型,采用K折交叉验证和网格搜索法对模型的结构参数进行调优,在LIBS技术基础上实现钢铁元素的定量分析。结果显示,KF-SVR预测模型对Mn和C元素的预测性能最优,其测试集的决定系数(R²)均高达0.999 9,均方根误差(RMSE)分别为0.020 8%、0.021 3%;KF-PLSR预测模型对P和S元素的预测性能最优,其测试集的R²值分别为0.999 8、0.999 9,RMSE分别为0.006 0%、0.002 8%;结合KF后3种机器学习模型的R²值均高于0.996。研究结果表明,将KF用于LIBS光谱数据的预处理可有效提高光谱的信噪比,改善光谱质量,并将其与机...     

磁约束激光诱导煤粉次量元素定量分析的研究

在有无磁约束的激光诱导击穿光谱技术下,对煤粉次量元素等离子体光谱强度以及定量分析精度进行对比研究。在采用激光诱导击穿光谱技术的基础上加入磁约束的方式,比较煤粉次量元素中Fe368.2nm、Ca393.4nm元素光谱谱线在加入磁场前后光谱强度的变化,在有无磁约束下利用偏最小二乘法对煤粉中Fe含量进行定量分析。实验结果表明:磁约束下的激光诱导击穿光谱技术可以有效提高等离子体的光谱强度,并且磁约束下采用偏最小二乘法得到的定标曲线拟合系数更高,效果更佳。     

激光诱导击穿光谱法测定铝合金中铁铜硅

将Nd：YAG激光脉冲会聚于合金表面以产生激光诱导等离子体,等离子体辐射发射光经过多通道光栅光谱仪并由CCD检测。分析发射光谱的特征谱线,建立校准曲线以实现铝合金中代表元素Fe,Cu,Si的定量分析。测量相对误差基本可在10%以内,检出限可达10-4量级。证明激光诱导击穿光谱（LIBS）技术可在短时间内实现合金样品中多元素的定量分析。     

基于支持向量机和随机森林算法结合光纤式激光诱导击穿光谱定量检测核电用钢中铬

核电站关键设备的状态检测技术是核电安全性和经济性的重要保障,激光诱导击穿光谱技术(Laser-induced breakdown spectroscopy,LIBS)是一种可在线测量材料元素组分及其结构状态的新方法,基于采用光纤传输激光并回传等离子体辐射的光纤式激光诱导击穿光谱(fiber-optic LIBS,FO-...     

磁场环境下铝电解熔融铝液成分激光诱导击穿光谱原位测量分析

铝电解车间具有高温、强磁、多粉尘等环境特点,当前生产过程中熔融原铝的成分检测主要是人工取样然后离线分析,化验过程及结果具有较大的滞后性,故将激光诱导击穿光谱(LIBS)技术应用于铝电解车间铝液成分原位、实时测量具有重要意义。实验采用Nd:YAG脉冲激光器,多通道光纤光谱仪和电感耦合器件(CCD)探测器组成的激光诱导击穿光谱测量系统对电流为400kA电解槽中熔融铝液的主要成分铁、硅进行了探测,对原铝中部分元素的特征谱线进行了归属分析。考察了激光能量在磁场环境下的衰减变化及谱线梯度变迁规律,结果表明,距离电解槽边缘约2m处激光能量衰减达最大。分析了磁场对测试系统的影响,并建立了定标曲线,铁和硅两种元素按照内标法建立的定标曲线拟合度分别为93.50%和97.10%,采用该模型进行了测试实验,并用国标GB/T 7999—2015中光电直读发射光谱(OES)测试的相关指标验证测试结果的重复性与允许差。实验证明,LIBS技术在电解铝行业在线检测方面具有较好的应用前景,但是测试的稳定性与重复性也是面临的一个重要问题。     

神经网络与激光诱导击穿光谱技术结合的烧结矿中硅元素定量分析方法探究

烧结矿中二氧化硅的含量对高炉炉渣产量以及冶炼能耗有重要影响,因此探索一种能够快速、准确地分析烧结矿中硅元素含量的方法具有重要的研究意义.拟采用激光诱导击穿光谱技术(LIBS)对30个烧结矿实际样品进行快速分析,收集其190～300 nm范围的光谱信号,先建立特征线(Si 288.16 nm)的标准曲线,分析特征线信号强...     

酸溶铝对罩退IF钢组织和性能的影响

作为重要的脱氧元素,铝质量分数对低碳铝镇静钢中的夹杂物数量和产品性能有重要影响。对工业生产中的罩退Ti- IF钢中酸溶铝(自由铝)质量分数变化(范围为0.0050%~0.0550%)对成品性能的影响进行了研究,对最终产品进行单轴拉伸和光学显微组织观察,发现与低碳铝镇静钢不同,除了屈服强度微小波动外,酸溶铝质量分数对罩式退火的Ti- IF钢的其他力学性能没有显著影响,退火后的组织呈现等轴状,晶粒度级别在9.0~9.5之间,成品均表现出良好的力学性能和成形性能。     

基于GPR反射波信号多维分析的隧道病害智能辨识

随着我国隧道工程建设的快速发展,由隧道病害引发的隧道质量和安全问题越发常见.通过地质雷达探测隧道病害对于减少隧道质量和安全问题具有十分重要的意义,为了提高病害探测的效率及可靠性,基于雷达反射波信号多维度分析,提出一种隧道病害智能辨识的新方法.根据反射波信号时域、频域及时频域分析结果提取病害信号辨识的6个典型特征,利用支持向量机算法对典型特征的训练构建病害信号的二分类模型,实现了病害水平分布范围的自动辨识;再依据病害信号的第一本征模态函数分量振幅包络计算病害深度分布范围,最终实现隧道病害的智能辨识.结合某隧道回填层雷达实测数据对智能辨识算法的性能进行评价,与人工辨识结果的对比表明,该智能算法对于病害的辨识能力较强,病害的识别率高达100%,但辨识结果中同时存在少量误判,准确率达78.6%,满足工程应用的需求.该算法可用于隧道工程各类地质雷达探测数据中病害的智能辨识,而对于其他领域的地质雷达探测数据,本文研究成果亦可为不同类型探测目标智能辨识算法的设计提供可行思路.     

基于时-频分析的步态模式自动分类

针对不同路况和运动模式下的高维、非线性、强耦合和高时变下肢加速度信号的识别问题,提出了一种基于时——频分析的步态模式自动分类方案.利用三轴加速度传感器采集运动时小腿在矢状面、冠状面和横切面的加速度信号,利用五阶Daubechies小波基对其进行特征提取,并采用线性判别式分析进行降维,最后利用决策树和支持向量机对得到的精简步态特征进行模式分类.实验结果显示两种分类器的总体分类准确率均达到90%以上,个别步态分类可达到100%,验证了特征提取和降维方法的合理性和有效性.     

基于互信息特征筛选偏最小二乘的激光诱导击穿光谱铁矿浆定量分析

目前检测矿浆品位相对准确的方法是传统化学分析,但周期长、有滞后性,无法实现在线检测。实验利用激光诱导击穿光谱(Laser induced breakdown spectroscopy,LIBS)在线、原位、快速等优点,分析了铁矿选矿过程尾矿浆中铁元素的品位值。由于LIBS采集到的光谱数据中存在大量对成分分析无用的冗余信息,进而增加了建模复杂程度,导致建立的模型精确度不够、泛化能力不强。因此,在偏最小二乘(PLS)模型基础上,提出了基于互信息特征筛选的偏最小二乘模型。实验结果表明,与传统的PLS模型相比,基于互信息特征筛选的偏最小二乘模型在分析精度上得到了明显改善,测试样品的决定系数R²从0.52提高到0.90,测试样本的平均绝对误差(MAEP)从2.87%下降到1.38%,总样本的平均绝对误差(MAE)从1.0%下降到0.60%。