无监督数据挖掘辅助激光诱导击穿光谱用于铜冶炼光谱结构解析

在有色冶炼领域,元素成分检测是保证冶炼质量的重要一环。目前国内有色冶炼企业多采用X射线荧光光谱法进行检测,该方法需要样品制备,造成冶炼状态无法实时反馈,严重影响冶炼过程优化。研究了无监督数据挖掘算法辅助激光诱导击穿光谱技术用于铜冶炼光谱结构解析。实验中,首先选择4种铜冶炼物料作为实验样品,然后利用激光诱导击穿光谱技术(LIBS)激发样品获得18750个光谱数据,通过盲源分离技术对所有光谱进行分析,最终提取得到3个特征光谱。进一步研究发现,3个特征光谱与Cu、Fe、Ca元素光谱有一一对应关系。在此基础上,提出了LIBS光谱的定量化评价指标,量化结果表明分解模型对18750个光谱都能达到很高的评分,说明铜冶炼光谱能够良好地被3个特征光谱重构,即铜冶炼光谱存在显著的光谱结构。以上结论在实际应用中具有重要研究价值,可用于光谱快速评价、异常光谱剔除、光谱信号提纯、元素谱线选取、样品定性/半定量分析等,为LIBS技术应用于在线铜冶炼成分分析奠定基础。     

激光诱导击穿光谱发展现状

激光诱导击穿光谱(LIBS)技术是近年来迅速发展的一种新型分析检测手段,它的发展备受关注。从激光诱导击穿光谱技术的发展、仪器设备的发展、应用技术3个方面进行了综述。其中,在激光诱导击穿光谱技术的发展方面,概述了激光诱导击穿光谱技术的发展历程、技术的改进以及数据处理方法的发展情况。在仪器设备发展方面,介绍了仪器设备在国内外的发展现状,主要介绍了便携式仪器的研究进展。在应用技术方面,介绍了激光诱导击穿光谱技术在各领域中的应用,特别是在工业在线分析领域中的应用。最后对激光诱导击穿光谱技术的未来发展趋势做了展望。     

激光诱导击穿光谱检测铁矿石应用进展

激光诱导击穿光谱(LIBS)是一种原子发射光谱,具有实时、原位、微损、远距离、多元素同时分析等优势,在铁矿石检测领域受到关注。由于激光能量波动、基体效应、样品表面形貌等因素,LIBS在铁矿石定性、定量分析方面存在很多问题。化学计量学作为一种数据处理方法,能过滤噪声和提取有效信息,连接光谱与分析结果,对LIBS分析检测起到关键桥梁作用。近10年LIBS在铁矿石检测中的应用逐渐得到重视,LIBS可应用于鉴别铁矿石酸碱性,也可用于分析铁矿石原产地。针对铁矿石中全铁、钙、镁、硅、铝、钾、磷含量以及烧失量的定量分析,LIBS结合多变量回归已开展探索性工作,但工业应用仍不成熟。因此,如何推动LIBS在铁矿石检测领域的应用落地,仍然是一项重大挑战。     

激光诱导击穿光谱技术对钢中夹杂物表征的研究进展

钢铁材料中不同类型夹杂物的存在,破坏了金属基体连续性,使其塑韧性、疲劳及耐腐蚀等物理化学性能变差,生产中会严格控制夹杂物的大小以及总量,因此,夹杂物的评定也成为了钢质量分级的一项重要指标。文章介绍了激光诱导击穿光谱技术对钢中夹杂物表征的基本原理,综述了其在不同类型夹杂物分布、粒度以及含量表征方面的国内外研究进展,讨论了当前表征中存在的不足和难点,并对其发展前景进行了展望。     

激光诱导击穿光谱检测铁矿石应用进展

激光诱导击穿光谱(LIBS)是一种原子发射光谱,具有实时、原位、微损、远距离、多元素同时分析等优势,在铁矿石检测领域受到关注。由于激光能量波动、基体效应、样品表面形貌等因素,LIBS在铁矿石定性、定量分析方面存在很多问题。化学计量学作为一种数据处理方法,能过滤噪声和提取有效信息,连接光谱与分析结果,对LIBS分析检测起到关键桥梁作用。近10年LIBS在铁矿石检测中的应用逐渐得到重视,LIBS可应用于鉴别铁矿石酸碱性,也可用于分析铁矿石原产地。针对铁矿石中全铁、钙、镁、硅、铝、钾、磷含量以及烧失量的定量分析,LIBS结合多变量回归已开展探索性工作,但工业应用仍不成熟。因此,如何推动LIBS在铁矿石检测领域的应用落地,仍然是一项重大挑战。     

液相激光诱导击穿光谱的成像探测及图像辅助分析方法

激光诱导击穿光谱(LIBS)技术用于液体样品探测时,存在光谱信号稳定性差和重复性差的问题,限制了该技术的实际应用。为了提升液相LIBS的稳定性,基于等离子体直接成像和气泡投影成像探测方法,采集了光谱与后向(Coaxial)、侧向(Lateral)等离子体图像及气泡图像的同步数据,并对光谱强度与3类图像的强度和形态特征之间的相关性进行了分析,结果表明后向等离子体图像的总辐射强度与光谱强度的相关性最高;在此基础上利用后向等离子体图像信息对光谱强度进行校正,光谱强度(Li I 670.8nm)的相对偏差由10.24%降低为4.14%,且LIBS的定量分析性能也有所提升,从而证明了图像辅助的光谱校正方法应用于液相LIBS分析的可行性。     

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...     

激光诱导击穿光谱设备在线冰铜成分检测应用进展

利用自主研发的基于激光诱导击穿光谱(LIBS)技术的激光成分分析仪对铜冶炼现场冰铜固体和熔体成分进行了在线检测,并与取样制样后实验室的X射线荧光光谱(XRF)检测结果进行了对比.分析数据为研发设备现场投用后具备对比数据的1 294炉次,包括878炉次固体冰铜和416炉次熔体冰铜.LIBS设备在线检测与取样制样后固体XR...     

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...     

液态炉渣的激光诱导击穿光谱特性分析

液态炉渣的快速在线分析对于提高炼钢过程的稳定性具有重要意义。为探究激光诱导击穿光谱(LIBS)在线测量精炼炉渣的关键影响因素,实验研究了炉渣成分、温度和测量距离对光谱强度和稳定性的影响。其中,温度为1 350、1 400、1 450℃这3个温度,测量距离从53.7 cm至55.7 cm。实验结果表明,测量距离在实验条件下的2 cm范围内变化对光谱强度影响不明显,但熔渣的成分和温度对光谱强度和稳定性有较大影响。熔渣中Fe含量越高,相同温度下熔渣的黏度越低,流动性越好,获得的光谱强度更强,且稳定性更好。同时,温度升高也有利于降低熔渣黏度,进而提高光谱强度和稳定性。此外,对28个熔渣样本在温度为1 450℃时Ca含量进行了定量分析,采用递归特征消除结合偏最小二乘(PLS)的定量建模方法,测试集的均方根误差(RMSEP)为1.47%。     

冶金分析表征支撑冶金与材料工程科技高质量发展

40年来《冶金分析》聚焦冶金与材料工程的科学技术进步,刊载论文展现了问题导向性、技术引领性、对象多样性、内涵丰富性、学科交融性、论文可参考性等鲜明特色,已成为冶金分析领域最具影响力的专业学术刊物,有力地支撑了冶金与材料工程科技的高质量发展。     

固态和液态钢的激光诱导等离子体比较

比较了产生于室温固态钢以及高温液态钢上激光诱导等离子体的特征、原子铁的激发温度以及电子密度。通过在386～400nm波长范围的中性铁原子发射谱线, 由波尔兹曼作图法确定了铁原子的激发温度。通过测量AlI394.4nm的谱线宽度, 估算了电子密度。对固体钢来说, 铁元素的激发温度从延迟时间为10μs时的10800K下降到延迟时间为80μs时的7300K。当延迟时间分别为10μs和70μs时, 产生于固态钢和液态钢上等离子体间的激发温度并没有显著差别。在铁元素和铝元素大部分的中性原子线中, 可以观察到液态钢的谱线宽度比固态钢的谱线宽度更窄。当激光脉冲的观察延迟时间均为10μs时, 产生于液态钢上等离子体的电子密度大约为(0.99±0.15)×10¹⁷/cm³, 这相当于产生在固态钢上等离子体电子密度的46%。     

激光诱导击穿光谱在铜精矿成分在线检测中的应用

目前铜精矿成分检测多为实验室离线取样检测,存在取样代表性差、检测时间长、检测结果滞后等问题。针对上述问题,实验利用基于激光诱导击穿光谱(LIBS)技术的激光成分分析仪对铜精矿中Cu、S、Fe和Si关键元素含量进行了在线检测,同时采用X射线荧光光谱仪(XRF)对相同样品采用离线检测进行对照。结果表明：激光成分分析仪在线检测结果与实验室X射线荧光光谱仪(XRF)离线检测结果相比,Cu、S、Fe和Si元素的平均绝对误差分别为0.50%、0.56%、0.65%和1.67%,平均相对误差分别为2.80%、2.28%、2.74%和12.89%,各元素重复性在线检测最大差值和相对标准偏差(RSD)均与以国家标准的化学湿法分析检测结果表征的样品不均匀性相吻合,在线检测具有较好的稳定性和重复性。基于LIBS技术的在线成分检测仪器可满足铜冶炼过程中铜精矿成分检测的实时性和可靠性要求,并为配料品质提升和冶炼工艺优化提供有力支撑。     

不同离焦量延时时间参数对激光诱导击穿光谱特征及自吸收效应的影响

为了提高激光诱导击穿光谱技术对微量元素定量分析的精度,降低谱线自吸收效应的干扰,实验以攀钢生铁标准样品中的Mn元素作为研究对象,探索激光诱导击穿光谱特征和自吸收效应随着不同离焦量及延时时间参数的变化规律;通过分析不同延时时间和不同离焦量下等离子体光谱强度、等离子体温度、定标曲线决定系数R²和自吸收系数的变化趋势,来寻找最佳延时时间与最佳离焦量。结果显示,定标曲线决定系数R²随着延时时间的增大总体呈下降趋势,随离焦量的增大是先急剧增加再缓慢减小,在离焦量为-2.5mm时达到最大值0.9988;自吸收系数随延时时间的增大逐渐减小,随离焦量的增加是先增大后减小,在-3.75mm时自吸收效应最弱。综合可得,最佳延时时间条件为2μs左右,最佳离焦量在-2.5~-3.75mm范围内。结果表明,通过不断调整和优化系统参数,能够在一定程度上降低自吸收效应,提高定量分析的精度。该实验为探索系统参数对激光诱导击穿光谱特征和自吸收效应的影响提供了一种新的途径和参考依据。     

激光频率对激光诱导等离子体特性的影响

激光诱导击穿光谱(LIBS)技术是难熔、难溶物质成分分析的重要方法之一,而实验过程中激光的输出频率、能量、功率密度以及聚焦位置等都明显的影响等离子体的特性,从而影响定量分析的精确度。实验采用土壤标样为分析样品,以Fe、Ti、Sr、Al元素为分析元素,纳秒Nd:YAG激光器为激光光源,通过改变激光输出频率(1~20 Hz),研究了激光输出频率对等离子体的光谱信背比(SNR)、温度、谱线自吸以及信号稳定性的影响。研究结果表明,在其他实验条件不变的情况下,随着激光输出频率的增大等离子体的光谱信背比、等离子体温度都明显升高,自吸现象加重;激光输出频率为1、5、10、20 Hz时Fe I 363.360 nm谱线强度的相对标准偏差(RSD)分别为7.16%、7.89%、14.89%、11.85%,信号的稳定性随激光输出频率的增大呈下降趋势。结果表明重复频率能够影响等离子体的谱线质量,针对不同含量的元素分析,应选择合适的激光输出频率。     

不同离焦量延时时间参数对激光诱导击穿光谱特征及自吸收效应的影响

为了提高激光诱导击穿光谱技术对微量元素定量分析的精度,降低谱线自吸收效应的干扰,实验以攀钢生铁标准样品中的Mn元素作为研究对象,探索激光诱导击穿光谱特征和自吸收效应随着不同离焦量及延时时间参数的变化规律;通过分析不同延时时间和不同离焦量下等离子体光谱强度、等离子体温度、定标曲线决定系数R²和自吸收系数的变化趋势,来寻找最佳延时时间与最佳离焦量。结果显示,定标曲线决定系数R²随着延时时间的增大总体呈下降趋势,随离焦量的增大是先急剧增加再缓慢减小,在离焦量为-2.5mm时达到最大值0.9988;自吸收系数随延时时间的增大逐渐减小,随离焦量的增加是先增大后减小,在-3.75mm时自吸收效应最弱。综合可得,最佳延时时间条件为2μs左右,最佳离焦量在-2.5～-3.75mm范围内。结果表明,通过不断调整和优化系统参数,能够在一定程度上降低自吸收效应,提高定量分析的精度。该实验为探索系统参数对激光诱导击穿光谱特征和自吸收效应的影响提供了一种新的途径和参考依据。     

激光诱导击穿光谱技术结合自吸收修正和偏最小二乘法的铁矿石酸度分析

铁矿石冶炼过程中对其酸度进行准确把控将对铁矿石利用率及冶炼过程产生严重影响。因此,亟需一种铁矿石酸度快速准确分析方法。实验基于激光诱导击穿光谱(Laser-induced breakdown spectroscopy,LIBS)技术结合偏最小二乘回归(Partial least squares regression,PLSR)方法成功地提出了一种铁矿石酸度快速定量分析方法。首先,采集了20组铁矿石样品的LIBS光谱数据,并采用美国国家标准与技术研究院(National Institute of Standards and Technology,NIST)数据库对铁矿石的LIBS特征谱线进行标定。然后,采用内参考线自吸收修正(Internal reference for self-absorption correction,IRSAC)和5折交叉验证分别对光谱数据以及PLSR模型潜变量(Latent variables,LVs)进行优化。最后,基于优化后的光谱数据以及LVs构建了PLSR模型用于预测集铁矿石酸度的分析。结果表明,该模型具有较好的预测性能,其预测集决定系数(R²_p)为0.9784,均方根误差(RMSEP)为2.916%。说明LIBS结合自吸收修正和PLSR法为铁矿石酸度的快速定量分析提供了一种可行的方法。