能量色散X射線熒光（EDXRF）光譜分析是一種無(wú)損多元素分析方法,近年來(lái)被廣泛用于工業(yè)在線檢測(cè)。在鋼廠的在線物料檢測(cè)應(yīng)用中,由于工業(yè)現(xiàn)場(chǎng)的復(fù)雜工況,在線EDXRF光譜分析易受到各種因素的干擾,導(dǎo)致獲得的光譜中存在大量噪聲信號(hào)和基線干擾。本文從能譜降噪、基線修正和定量分析三個(gè)方面展開(kāi)了對(duì)鋼廠在線EDXRF能譜的定量分析方法的研究。在能譜降噪方法中,以平滑度系數(shù)、信噪比和余弦距離的綜合值作為評(píng)價(jià)標(biāo)準(zhǔn)。采用kalman濾波技術(shù)進(jìn)行降噪處理,通過(guò)最大期望迭代算法進(jìn)行參數(shù)估計(jì),實(shí)驗(yàn)獲得的最佳迭代次數(shù)為50左右;使用小波變換方法對(duì)原始光譜進(jìn)行降噪處理,通過(guò)實(shí)驗(yàn)獲得小波基、小波分解層數(shù)的優(yōu)選值,優(yōu)選參數(shù)分別為:bior2.2、4層分解,兩種方法的表現(xiàn)基本相同。kalman濾波算法的優(yōu)點(diǎn)是自適應(yīng),但在同等硬件條件下其計(jì)算速度不如小波變換;雖然理論上小波分析的非自適應(yīng)性會(huì)帶來(lái)一些問(wèn)題,但是在實(shí)際的能譜降噪應(yīng)用中由這種非自適應(yīng)性所帶來(lái)的問(wèn)題幾乎可以忽略,所以本文使用小波分析（bior2.4,4）作為能譜降噪的算法。在降噪基礎(chǔ)上進(jìn)行的基線校正中,對(duì)比了小波分析剝峰法與加權(quán)剝峰最小二乘基線擬合法兩種技術(shù),結(jié)果... 

【文章來(lái)源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
注釋表
縮略詞
第一章 緒論
    1.1 選題依據(jù)
    1.2 工業(yè)元素在線檢測(cè)的方法和研究現(xiàn)狀
        1.2.1 激光誘導(dǎo)擊穿光譜
        1.2.2 瞬發(fā)伽馬中子活化分析
        1.2.3 能量色散X射線熒光光譜
    1.3 EDXRF能譜解析技術(shù)的研究發(fā)展
    1.4 研究意義和內(nèi)容
        1.4.1 研究意義
        1.4.2 研究?jī)?nèi)容
第二章 能量色散X射線熒光分析基本原理
    2.1 X射線熒光定性分析基礎(chǔ)
    2.2 X射線熒光定量分析基礎(chǔ)
        2.2.1 理論熒光強(qiáng)度
        2.2.2 基體效應(yīng)
        2.2.3 基體效應(yīng)校正方法
第三章 基于信號(hào)處理方法的在線EDXRF光譜的降噪方法
    3.1 儀器和樣品
        3.1.1 儀器參數(shù)
        3.1.2 測(cè)試樣品
    3.2 能譜降噪的評(píng)價(jià)標(biāo)準(zhǔn)
    3.3 基于卡爾曼濾波器和EM算法的EDXRF降噪方法
        3.3.1 卡爾曼濾波器和EM算法
        3.3.2 卡爾曼濾波器用于X射線熒光光譜降噪的效果
    3.4 基于小波分析的EDXRF降噪方法
        3.4.1 小波分析的基礎(chǔ)理論
        3.4.2 小波變換降噪處理方法和結(jié)果
    3.5 本章總結(jié)
第四章 在線X射線熒光光譜的基線校正方法
    4.1 用于基線評(píng)價(jià)的EDXRF光譜的模擬譜
    4.2 基于小波分析的EDXRF基線校正方法
        4.2.1 基于頻域分析的基線校正的理論基礎(chǔ)
        4.2.2 小波分析用于基線校正的效果
    4.3 基于加權(quán)剝峰最小二乘的EDXRF基線估計(jì)方法
        4.3.1 多元線性回歸介紹
        4.3.2 基于加權(quán)剝峰最小二乘的基線估計(jì)
    4.4 實(shí)際譜線的基線估計(jì)結(jié)果
    4.5 本章總結(jié)
第五章 在線X射線熒光光譜的定量分析建模方法
    5.1 建模數(shù)據(jù)整理
        5.1.1 補(bǔ)充模擬數(shù)據(jù)
        5.1.2 構(gòu)建在線EDXRF數(shù)據(jù)集
    5.2 最小二乘及其相關(guān)回歸方法基礎(chǔ)
        5.2.1 主成分回歸
        5.2.2 偏最小二乘回歸
    5.3 在線EDXRF定量分析的全譜多元線性回歸模型
        5.3.1 應(yīng)用普通最小二乘方法的建模結(jié)果
        5.3.2 應(yīng)用偏最小二乘回歸方法的建模效果
    5.4 基于隨機(jī)森林的EDXRF定量分析方法的基礎(chǔ)
        5.4.1 決策樹(shù)與集成學(xué)習(xí)的基礎(chǔ)理論
    5.5 基于隨機(jī)森林模型的EDXRF定量分析建模結(jié)果
        5.5.1 隨機(jī)森林模型參數(shù)的選定
        5.5.2 隨機(jī)森林定量分析模型的分析
    5.6 隨機(jī)森林特征選擇和多元線性回歸模型的結(jié)合
    5.7 本章總結(jié)
第六章 總結(jié)和展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文



本文編號(hào)：3539499