一种基于光谱数据的铁矿含量测量方法及系统与流程

本技术涉及光谱检测分析，具体涉及一种基于光谱数据的铁矿含量测量方法及系统。

背景技术：

1、钢铁作为全球消耗最大的金属材料之一，其产量和质量是对国家工业以及科技水平衡量的重要指标。钢铁生产的主要原材料是铁矿石，铁矿石的品位即为铁矿石的含铁量（铁元素的总量，tfe），以tfe%表示。铁矿石中的tfe决定了铁矿石品位以及是否可以直接用于冶炼。工业生产中使用的铁矿石要求其tfe范围大约为23%-70%，炼钢厂所使用的铁矿石要求其tfe需要在55%以上。

2、目前用于检测铁矿石中铁含量的方法主要有化学分析法与仪器分析法。化学分析法中的重铬酸钾滴定法虽然可以精确地检测铁矿石中的tfe，但是该方法容易造成环境污染且处理过程繁杂，流程长，不能及时的得到检测结果；仪器分析法中激光诱导击穿光谱（libs）技术具有快速、实时、多元素分析等特点，被广泛应用于多个领域。然而，在对铁矿石中铁元素进行定量分析时，传统的libs定量分析方法在进行含量测量时，通常会忽视基体效应的影响，导致定量分析的效果不好，影响检测精度。

技术实现思路

1、为了解决上述技术问题，本技术的目的在于提供一种基于光谱数据的铁矿含量测量方法及系统，所采用的技术方案具体如下：

2、本技术实施例提供了一种基于光谱数据的铁矿含量测量方法，该方法包括以下步骤：

3、获取各铁矿石样本在不同水分含量下的光谱数据；

4、基于各个样本的光谱数据中铁元素对应各谱线强度的平均水平以及谱线强度的最大值、最小值，结合各样本在不同水分含量下的噪声强度，确定各样本在各水分含量下的铁元素信噪比，进而确定各样本的最优水分含量；

5、基于当前水分含量下与最优水分含量下各样本光谱数据中铁元素谱线强度的变化差异，以及对应铁元素的谱线强度最大值之间的差异，结合当前水分含量和最优水分含量下各样本光谱数据中铁元素的含量占比，确定各样本的铁元素波动程度；

6、基于当前水分含量与最优水分含量差异以及对应铁元素信噪比之间的差异，并结合各样本的铁元素波动程度，确定各样本的水分影响程度；

7、基于各样本中铁元素与其他任一元素的谱线强度离散情况的差异，以及各样本中铁元素与其他任一元素的谱线强度值的差异，确定各样本中铁元素与其他任一元素的差异指数；

8、基于最优水分含量下不同样本中铁元素与其他任一元素的差异指数之间的差异，结合铁元素在不同样本中的谱线强度的整体差异以及所述其他任一元素在不同样本中的谱线强度的整体差异，确定不同样本之间铁元素相对其他任一元素的变化程度；

9、分析所有样本的光谱数据中铁元素含量及谱线强度的最大值间的线性关系，结合所述水分影响程度以及不同样本之间铁元素相对所有其他任一元素的变化程度的平均水平，确定样本中铁元素在进行基体校正后的实际含量。

10、可选地，所述各样本在各水分含量下的铁元素信噪比的确定过程为：

11、统计各样本在各水分含量下的光谱数据中铁元素的谱线强度的最大值、最小值以及各样本在各水分含量下的噪声强度；

12、将最大值与噪声强度的比值记为第一比值，将最小值与噪声强度的比值记为第二比值，第一比值与第二比值求和得到各样本在各水分含量下的铁元素信噪比。

13、可选地，所述各样本的最优水分含量为各样本的所述铁元素信噪比的最大值所对应的水分含量。

14、可选地，所述各样本的铁元素波动程度：

15、将各样本在最优水分含量下的光谱数据中每个元素在不同波长的谱线强度，组成各样本中每个元素的强度数据序列，将各样本在当前水分含量下铁元素在不同波长的谱线强度，组成铁元素的当前强度序列；

16、统计铁元素的当前强度序列与强度数据序列的元素个数的差异c1，分析铁元素的当前强度序列的一阶差分序列与强度数据序列的一阶差分序列之间大于零的元素个数的差异c2；

17、样本中的铁元素波动程度c表达式为：c= c1+ c2+c3；c3为样本在当前水分含量与最优水分含量对应铁元素特征谱线的最大强度的差值绝对值。

18、请参阅图3，图3为本实施例样本中铁元素波动程度分析流程示意图。

19、可选地，所述各样本的水分影响程度的计算公式为：；其中，y为样本的水分影响程度；c为样本的铁元素波动程度；e1为样本在当前水分含量与最优水分含量下铁元素信噪比的差值绝对值；e2为当前水分含量与最优水分含量的差值绝对值，t为大于零的预设数值。

20、可选地，所述各样本中铁元素与其他任一元素的差异指数的获取过程为：

21、分析最优水分含量下各样本中铁元素的所有谱线强度的离散程度以及各样本中其他任一元素的所有谱线强度的离散程度；

22、分析各样本中铁元素的强度数据序列与其他任一元素的强度数据序列的距离；

23、将两个离散程度的差异与所述距离进行融合，得到各样本中铁元素与其他任一元素的差异指数。

24、可选地，所述不同样本之间铁元素相对其他任一元素的变化程度的表达式为：

25、；

26、其中，为在第i个样本与第j个样本之间铁元素相对元素v的变化程度；分别为第i个样本、第j个样本中铁元素与第v种元素的差异指数；为第v种元素在第i个样本与第j个样本中谱线强度均值的差值绝对值；为铁元素在第i个样本与第j个样本中谱线强度均值的差值绝对值；norm()为归一化函数。

27、可选地，所述样本中铁元素在进行基体校正后的实际含量进一步包括：

28、拟合所有样本的光谱数据中铁元素含量及谱线强度的最大值间的线性关系，得到样本中铁元素未进行基体校正时的含量x，表达式为，a为斜率，b为截距，i为样本中铁元素谱线强度最大值；

29、基于不同样本之间铁元素相对所有其他任一元素的变化程度的平均水平以及大小关系，确定铁元素的各影响元素及对应的影响权重；

30、样本中铁元素在进行基体校正后的实际含量w，对应计算公式为：；其中，为第t种影响元素的含量，为第t种影响元素的影响权重，n为影响元素的个数；d为当前样本中水分含量与最优水分含量的差值；y为样本的水分影响程度；b为截距。

31、可选地，所述铁元素的各影响元素及对应的影响权重的确定包括：

32、分析各样本与其他所有样本之间的所述铁元素相对其他任一元素的变化程度的平均值，记为所述其他任一元素的变化均值，将所有样本的所有其他任一元素的所述变化均值进行阈值分割，将所述变化均值小于等于阈值所对应的元素，作为铁元素的影响元素；

33、所述各影响元素的所述影响权重为各影响元素的所述变化均值在所有影响元素的变化均值中的占比。

34、本技术实施例还提供了一种基于光谱数据的铁矿含量测量系统，所述系统包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。

35、由以上可见，本技术提供的一种基于光谱数据的铁矿含量测量方法及系统，至少具有如下有益效果：

36、本技术通过对检测样本的特征进行分析，考虑到水分含量造成的基体效应程度，通过信噪比成功找寻到最优水分含量，并通过构建水分影响程度，以评估水分含量差异对于铁元素谱线强度的影响程度，从而优化光谱数据在不同水分条件下的处理，减弱水分基体效应对铁元素含量检测的干扰；进一步的，考虑到不同基体元素对于铁元素的影响，通过评估铁元素谱线强度与基体元素在不同样本中的变化差异，构建变化程度，以实现对影响元素的筛选与影响程度的评估。有益效果在于：考虑到基体效应对于libs定量分析时的影响，通过对水分含量、基体元素影响程度的评估，对传统libs定量分析方法的校准曲线进行了优化，降低了基体效应带来的测量误差，提高了含量检测的准确性。