發(fā)布時(shí)間：2017-08-13 17:10

  本文關(guān)鍵詞：激光誘導(dǎo)擊穿光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)對(duì)鋼鐵定量分析方法的研究

  更多相關(guān)文章： 激光誘導(dǎo)擊穿光譜 化學(xué)計(jì)量學(xué) 特征提取 定量分析 鋼鐵

【摘要】：鋼鐵行業(yè)在冶金工業(yè)起著舉足輕重的作用,鋼鐵生產(chǎn)量逐年增加,與此同時(shí)出現(xiàn)嚴(yán)峻的能源消耗問題。然而傳統(tǒng)鋼鐵分析技術(shù)需要復(fù)雜的樣品制備和前處理,難以確保鋼鐵在冶煉、加工和投入市場(chǎng)各個(gè)環(huán)節(jié)順利進(jìn)行,對(duì)傳統(tǒng)分析技術(shù)提出了更高要求。激光誘導(dǎo)擊穿光譜(Laser Induced Breakdown Spectroscopy, LIBS)是一種基于激光誘導(dǎo)等離子發(fā)射光譜的物質(zhì)元素分析技術(shù),具有無需復(fù)雜樣品前處理、準(zhǔn)確、快速、多元素同時(shí)分析和遠(yuǎn)距離探測(cè)等優(yōu)勢(shì),因而在許多關(guān)鍵領(lǐng)域尤其是冶金工業(yè)得到廣泛應(yīng)用。然而,LIBS技術(shù)采集到的光譜信息因儀器和樣品自身影響,通常存在大量干擾信息,不利于LIBS技術(shù)的準(zhǔn)確定量分析�；瘜W(xué)計(jì)量學(xué)方法可以從復(fù)雜光譜中提取有效信息,是提高LIBS分析準(zhǔn)確度的有效途徑之一。本論文從鋼鐵快速、準(zhǔn)確分析的實(shí)際問題出發(fā),開展光譜預(yù)處理、定量分析、特征提取三個(gè)方面的化學(xué)計(jì)量學(xué)方法以及應(yīng)用研究,提高鋼鐵分析準(zhǔn)確度。該研究豐富了化學(xué)計(jì)量學(xué)和冶金分析的研究?jī)?nèi)容,為冶金工業(yè)在線分析和質(zhì)量控制等提供了新的思路、方法和技術(shù)支撐。全文共分為四章,主要研究?jī)?nèi)容如下：一、以鋼鐵LIBS光譜為研究對(duì)象,將小波分析用于光譜基線校正和濾噪。首先,對(duì)小波分析中的小波基函數(shù)和分解層數(shù)進(jìn)行參數(shù)優(yōu)化并用于光譜基線校正；然后,采用優(yōu)化的小波基函數(shù)和分解層數(shù),實(shí)現(xiàn)光譜信號(hào)去噪。與傅里葉變換去噪效果相比,小波分析具有速度快、重現(xiàn)性好,且可以同時(shí)對(duì)光譜信號(hào)進(jìn)行基線校正和去噪等優(yōu)勢(shì)。二、將隨機(jī)森林回歸(Random Forest Regression, RFR)結(jié)合LIBS技術(shù)應(yīng)用于鋼鐵非金屬元素S和P同時(shí)定量分析。通過對(duì)不同輸入變量和隨機(jī)森林兩個(gè)重要參數(shù)ntree和mtry的優(yōu)化,使構(gòu)建的RFR校正模型預(yù)測(cè)能力較經(jīng)典的偏最小二乘回歸進(jìn)一步提高了定量分析準(zhǔn)確度,且模型穩(wěn)定性好。三、基于上個(gè)研究工作,提出基于序列后向(Sequential Backward Selection, SBS)的RFR方法以提高鋼鐵定量分析精度。首先,采用SBS法進(jìn)行特征提取,以均方根誤差和相關(guān)系數(shù)作為優(yōu)化特征子集的評(píng)價(jià)指標(biāo)；然后,以最佳特征子集作為輸入變量構(gòu)建RFR模型并進(jìn)行模型參數(shù)優(yōu)化；最后,采用最優(yōu)模型參數(shù)和特征子集建立RFR模型并對(duì)未知樣本的P和S進(jìn)行預(yù)測(cè),其相關(guān)系數(shù)均達(dá)到0.9990以上。較傳統(tǒng)的RFR方法,該方法具有分析精度高,速度快,模型重現(xiàn)性好等優(yōu)點(diǎn)。
【關(guān)鍵詞】：激光誘導(dǎo)擊穿光譜 化學(xué)計(jì)量學(xué) 特征提取 定量分析 鋼鐵
【學(xué)位授予單位】：西北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TG115.33
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-31
• 1.1 研究背景9-10
• 1.2 激光誘導(dǎo)擊穿光譜簡(jiǎn)介10-16
• 1.2.1 LIBS技術(shù)基本原理11-12
• 1.2.2 LIBS技術(shù)的實(shí)驗(yàn)裝置12-16
• 1.3 化學(xué)計(jì)量學(xué)在LIBS分析中的研究進(jìn)展16-19
• 1.4 本文的研究?jī)?nèi)容和章節(jié)安排19-20
• 參考文獻(xiàn)20-31
• 第二章 LIBS光譜數(shù)據(jù)的預(yù)處理方法研究31-41
• 2.1 引言31
• 2.2 LIBS光譜基線漂移產(chǎn)生機(jī)理31-32
• 2.3 基線校正方法性能對(duì)比32-35
• 2.4 小波分析基本原理35-38
• 2.4.1 小波基的選擇37
• 2.4.2 分解層數(shù)的選取37-38
• 2.5 濾噪38-39
• 2.6 本章小結(jié)39
• 參考文獻(xiàn)39-41
• 第三章 RFR結(jié)合LIBS對(duì)鋼鐵非金屬元素的定量分析方法研究41-55
• 3.1 引言41-42
• 3.2 實(shí)驗(yàn)裝置與樣品42-43
• 3.2.1 實(shí)驗(yàn)裝置42
• 3.2.2 實(shí)驗(yàn)材料42-43
• 3.3 隨機(jī)森林回歸算法43-47
• 3.4 結(jié)果與討論47-52
• 3.4.1 實(shí)驗(yàn)參數(shù)優(yōu)化47-51
• 3.4.2 RFR校正模型構(gòu)建和預(yù)測(cè)能力驗(yàn)證51-52
• 3.5 本章小結(jié)52-53
• 參考文獻(xiàn)53-55
• 第四章 基于RFR的特征選擇方法對(duì)鋼鐵非金屬元素的定量分析方法研究55-64
• 4.1 引言55
• 4.2 特征選擇方法55-58
• 4.2.1 特征選擇方法概論55-57
• 4.2.2 序列后向選擇(Sequential Backward Selection,SBS)57-58
• 4.3 結(jié)果與討論58-62
• 4.3.1 模型參數(shù)優(yōu)化58-61
• 4.3.2 SBS結(jié)合RFR校正模型構(gòu)建和預(yù)測(cè)能力驗(yàn)證61-62
• 4.4 本章小結(jié)62
• 參考文獻(xiàn)62-64
• 結(jié)論與展望64-66
• 1.全文總結(jié)64
• 2.下一步工作展望64-66
• 攻讀碩士學(xué)位期間參與的科研項(xiàng)目、會(huì)議及學(xué)術(shù)成果66-67
• 一、科研項(xiàng)目66
• 二、學(xué)術(shù)會(huì)議66
• 三、學(xué)術(shù)成果66-67
• 致謝67

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 周南;周亢;丁圭吉;;關(guān)于激光誘導(dǎo)裂析譜專題的歐洲-地中海會(huì)議2007(Ⅱ)[J];分析試驗(yàn)室;2009年09期

2 查新未,李衛(wèi)紅,付克德,李祥生;激光誘導(dǎo)中草藥熒光的觀察[J];量子電子學(xué);1988年01期

3 周政卓,邱明新,黃賽棠,畢琦秀,顧加O，

本文編號(hào)：668393