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。