激光探針技術(shù),也稱激光誘導(dǎo)擊穿光譜,因具有原位、實(shí)時(shí)、全元素分析等優(yōu)勢(shì),已初步應(yīng)用于環(huán)境保護(hù)、太空探索和生物醫(yī)藥等領(lǐng)域。然而,傳統(tǒng)激光探針裝置復(fù)雜、便攜性差,無(wú)法滿足復(fù)雜的工業(yè)現(xiàn)場(chǎng)檢測(cè)要求。因此,裝置簡(jiǎn)單、便攜性好、能適應(yīng)復(fù)雜檢測(cè)環(huán)境的光纖傳能激光探針技術(shù)近年來(lái)逐漸成為研究熱點(diǎn)。然而,由于受光纖損傷閾值的限制,導(dǎo)致光纖傳能激光探針的光譜強(qiáng)度相對(duì)較弱,加上自吸收效應(yīng)的影響,其定量分析精度不高。因此,本文提出了多變量數(shù)據(jù)分析和空間分辨采集兩種方法,有效地降低了自吸收效應(yīng),改善了光纖傳能激光探針光譜定量分析的準(zhǔn)確度和靈敏度。取得的成果和創(chuàng)新點(diǎn)如下:（1）針對(duì)單變量分析方法僅采用單條譜線信息、導(dǎo)致光纖傳能激光探針光譜定量分析精度較低的問(wèn)題,提出在光纖傳能激光探針光譜中應(yīng)用多光譜的多變量分析方法。本文對(duì)比研究了四種多變量分析方法（PLS、SPLS、SVM和LS-SVM）,其中SPLS在PLS模型的基礎(chǔ)上內(nèi)置了變量選擇,能剔除光譜中的無(wú)關(guān)變量,改善定量分析的精度。在此基礎(chǔ)上,針對(duì)SPLS和PLS模型無(wú)法擬合光譜中非線性關(guān)系的問(wèn)題,進(jìn)一步采用非線性模型SVM和LS-SVM對(duì)光譜進(jìn)行擬合。其中LS-S... 

【文章來(lái)源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

LIBS技術(shù)原理圖

圖 1-2 傳統(tǒng) LIBS 實(shí)驗(yàn)裝置圖探針技術(shù)簡(jiǎn)介針（fiber-opticlaser-inducedbreakdownspectro光纖將激光能量傳輸至樣品表面，從而激發(fā)能避免采用傳統(tǒng)的光學(xué)鏡片式的激光傳輸模塊]。圖 1-3 展示了典型 FO-LIBS 實(shí)驗(yàn)裝置圖，從于傳統(tǒng) LIBS 裝置，主要區(qū)別在于采用大芯徑，并在光纖末端集成聚焦透鏡，將光纖傳輸光的柔性傳導(dǎo)。由于采用光纖作為傳輸介質(zhì)，O-LIBS 可以通過(guò)長(zhǎng)距離的光纖將激光束傳輸（2）激光的柔性傳導(dǎo)，有利于實(shí)現(xiàn)對(duì)復(fù)雜結(jié)構(gòu)

圖 1-3 典型 FO-LIBS 實(shí)驗(yàn)裝置圖激光探針技術(shù)應(yīng)用現(xiàn)狀探針技術(shù)具有抗干擾能力強(qiáng)、便攜性好、能適應(yīng)應(yīng)堆檢測(cè)、水下物質(zhì)檢測(cè)、深度剖面分析等領(lǐng)域得是 FO-LIBS 應(yīng)用最早的領(lǐng)域。早在 1995 年，D激光脈沖產(chǎn)生等離子體，對(duì)鐵標(biāo)樣中的微量元素反應(yīng)堆中金屬成分檢測(cè)，證明光纖傳能應(yīng)用于 Lhouse 等人[29]研發(fā)了一種探測(cè)距離長(zhǎng)達(dá) 75m 的 F核反應(yīng)堆中不銹鋼，對(duì)含量 0.04-0.60％（質(zhì)量）為±25％，每個(gè)樣品的分析時(shí)間小于 3 分鐘；20了一種用于核反應(yīng)堆中水下碎片材料檢測(cè)的 FO-

【參考文獻(xiàn)】：
期刊論文
[1]基于EMD和GA-SVM的超聲檢測(cè)缺陷信號(hào)識(shí)別[J]. 李大中,趙杰.  中國(guó)測(cè)試. 2016(01)

博士論文
[1]基于激光誘導(dǎo)擊穿光譜技術(shù)的土壤理化信息檢測(cè)方法研究[D]. 余克強(qiáng).浙江大學(xué) 2016
[2]最小二乘支持向量機(jī)的若干問(wèn)題與應(yīng)用研究[D]. 邢永忠.南京理工大學(xué) 2009
[3]支持向量機(jī)回歸算法與應(yīng)用研究[D]. 李海生.華南理工大學(xué) 2005

碩士論文
[1]激光探針技術(shù)中光譜數(shù)據(jù)處理方法研究[D]. 鄒孝恒.華中科技大學(xué) 2015
[2]偏最小二乘及稀疏偏最小二乘回歸的應(yīng)用研究[D]. 郭婷婷.昆明理工大學(xué) 2015
[3]基于稀疏偏最小二乘算法的生物組學(xué)數(shù)據(jù)融合算法研究[D]. 王鋒.吉林大學(xué) 2012



本文編號(hào)：3542202