技术新讯 > 测量装置的制造及其应用技术 > 一种应用于金属材料定量检测的LIBS特征谱线筛选方法  >  正文

一种应用于金属材料定量检测的LIBS特征谱线筛选方法

  • 国知局
  • 2024-11-06 15:06:48

本申请属于金属材料检测,尤其涉及一种应用于金属材料定量检测的libs特征谱线筛选方法。

背景技术:

1、光谱数据选取作为光谱分析中重要的一环,在相关研究和工程中都有着举足轻重的地位。通常,光谱数据选取通过评估光谱数据相关指标来完成,如利用信噪比、分辨率和稳定性来衡量。尽管目前已诞生出多种有效的光谱选择技术来帮助获取到优质的光谱数据,但是逐条判别光谱受干扰性,并排除光谱发射线位置相邻、重叠峰等数据的方法较少,使得从中获取到高质量光谱信息仍然具有挑战性。例如,在进行激光诱导击穿光谱(libs)分析时,不同类型的元素发射线位置发生干扰或重叠,在对某一元素进行分析时易受到非目标元素的影响,利用这类谱线进行定量分析将会极大地干扰定量检测模型的稳定性与精度。

技术实现思路

1、有鉴于此,本申请的目的在于提供一种应用于金属材料定量检测的libs特征谱线筛选方法,通过对libs特征谱线进行洛伦兹拟合,提取出受干扰程度较低的第一目标谱线,同时进行敏感度与波动性分析筛选出更加稳定的第二目标谱线,以减少对发射线位置相邻发生干扰或重叠谱线的利用率,同时解决因为谱线相互干扰而导致定量精度无法提高的问题。

2、本申请提供了一种应用于金属材料定量检测的libs特征谱线筛选方法,包括:利用激光诱导等离子体技术获取具有不同目标元素浓度的金属材料样品的libs特征谱线;

3、对每一个目标元素浓度下的libs特征谱线进行洛伦兹拟合,以得到符合面积差值要求的该目标元素浓度下的第一目标谱线;

4、对不同目标元素浓度的第一目标谱线进行敏感度分析和波动性分析,得到能够反映所述金属材料样品元素含量变化的第二目标谱线。

5、进一步的,所述利用激光诱导等离子体技术获取具有不同目标元素浓度的金属材料样品的libs特征谱线,包括:

6、制备出具有不同元素浓度的多个金属材料样品;

7、利用激光诱导等离子体技术获取每一个金属材料样品的libs光谱;

8、根据预先确定的目标元素,基于nist数据库,从每一个libs光谱中提取出所述目标元素对应的libs特征谱线;

9、其中,所述目标元素为组成所述金属材料样品的金属元素。

10、进一步的,所述对每一个目标元素浓度下的libs特征谱线进行洛伦兹拟合,以得到符合面积差值要求的该目标元素浓度下的第一目标谱线,包括:

11、针对每一个目标元素浓度下的libs特征谱线,识别出每一个libs特征谱线的波峰,并以该波峰为中心,向两侧采集相同数量的数据点;

12、针对每一个libs特征谱线,基于采集到的数据点进行洛伦兹拟合,并计算波峰两侧的面积差值;

13、将面积差值小于预定阈值的libs特征谱线,确定为该目标元素浓度下的第一目标谱线。

14、进一步的,所述相同数量的取值范围为[3,8];每一边采集到的数据点的强度按照采集顺序递减。

15、进一步的,所述对不同目标元素浓度的第一目标谱线进行敏感度分析和波动性分析,得到能够反映所述金属材料样品元素含量变化的第二目标谱线,包括:

16、针对每一个第一目标谱线,根据该第一目标谱线的强度和所对应的目标元素的浓度,判断该第一目标谱线是否满足敏感度要求;

17、若判定该第一目标谱线满足敏感度要求,则利用z分数法判断该第一目标谱线是否满足波动性要求;

18、若判定该第一目标谱线满足波动性要求,则将该第一目标谱线确定为能够反映所述金属材料样品元素含量变化的第二目标谱线。

19、进一步的,根据该第一目标谱线的强度和所对应的目标元素的浓度,判断该第一目标谱线是否满足敏感度要求,包括:

20、若该第一目标谱线的强度和所对应的目标元素的浓度为正相关,则判定该第一目标谱线满足敏感度要求;

21、若该第一目标谱线的强度和所对应的目标元素的浓度不为正相关,则判定该第一目标谱线不满足敏感度要求,并剔除该第一目标谱线。

22、进一步的,所述利用z分数法判断该第一目标谱线是否满足波动性要求,包括:

23、若该第一目标谱线的z分数的绝对值小于2,则判定该第一目标谱线满足波动性要求;

24、若该第一目标谱线的z分数的绝对值不小于2,则判定该第一目标谱线不满足波动性要求,并剔除该第一目标谱线。

25、进一步的,其特征在于,通过以下公式计算所述第一目标谱线的z分数:

26、;

27、式中,代表第一目标谱线的强度,代表各第一目标谱线的强度的平均值,代表各第一目标谱线的强度的标准差。

28、进一步的,在得到能够反映所述金属材料样品元素含量变化的第二目标谱线之后,所述方法还包括:

29、将所述第二目标谱线作为输入变量,将该第二目标谱线所对应的目标元素浓度作为输出变量,训练人工神经网络模型,以得到金属材料定量检测模型;

30、其中,所述人工神经网络模型包括:输入层、注意力层、隐藏层和输出层。

31、本申请提供的应用于金属材料定量检测的libs特征谱线筛选方法,通过对libs特征谱线进行洛伦兹拟合,提取出受干扰程度较低的第一目标谱线,同时进行敏感度与波动性分析筛选出更加稳定的第二目标谱线,以减少对发射线位置相邻发生干扰或重叠谱线的利用率,同时解决因为谱线相互干扰而导致定量精度无法提高的问题。

技术特征:

1.一种应用于金属材料定量检测的libs特征谱线筛选方法,其特征在于,所述方法包括:

2.如权利要求1所述的方法,所述利用激光诱导等离子体技术获取具有不同目标元素浓度的金属材料样品的libs特征谱线,包括:

3.如权利要求1所述的方法,其特征在于,所述对每一个目标元素浓度下的libs特征谱线进行洛伦兹拟合,以得到符合面积差值要求的该目标元素浓度下的第一目标谱线,包括:

4.如权利要求3所述的方法,其特征在于,所述相同数量的取值范围为[3,8];每一边采集到的数据点的强度按照采集顺序递减。

5.如权利要求1所述的方法,其特征在于,所述对不同目标元素浓度的第一目标谱线进行敏感度分析和波动性分析,得到能够反映所述金属材料样品元素含量变化的第二目标谱线,包括:

6.如权利要求5所述的方法,其特征在于,根据该第一目标谱线的强度和所对应的目标元素的浓度,判断该第一目标谱线是否满足敏感度要求,包括:

7.如权利要求5所述的方法,其特征在于,所述利用z分数法判断该第一目标谱线是否满足波动性要求,包括:

8.如权利要求7所述的方法,其特征在于,通过以下公式计算所述第一目标谱线的z分数:

9.如权利要求1所述的方法,其特征在于,在得到能够反映所述金属材料样品元素含量变化的第二目标谱线之后,所述方法还包括:

技术总结本申请提供了一种应用于金属材料定量检测的LIBS特征谱线筛选方法,包括:利用激光诱导等离子体技术获取具有不同目标元素浓度的金属材料样品的LIBS特征谱线;对每一个目标元素浓度下的LIBS特征谱线进行洛伦兹拟合,以得到符合面积差值要求的该目标元素浓度下的第一目标谱线;对不同目标元素浓度的第一目标谱线进行敏感度分析和波动性分析,得到能够反映所述金属材料样品元素含量变化的第二目标谱线。所述方法能够减少对发射线位置相邻发生干扰或重叠谱线的利用率,同时解决因为谱线相互干扰而导致定量精度无法提高的问题。技术研发人员:林京君,代攀杨,黄玉涛,林晓梅受保护的技术使用者:长春工业大学技术研发日:技术公布日:2024/11/4

本文地址:https://www.jishuxx.com/zhuanli/20241106/325376.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。