激光诱导击穿光谱中化学计量学方法研究及其在冶金分析的应用Chemometric methods in laser induced breakdown spectroscopy and their applications in metallurgical analysis.pdf

《激光诱导击穿光谱中化学计量学方法研究及其在冶金分析的应用Chemometric methods in laser induced breakdown spectroscopy and their applications in metallurgical analysis.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：０６５７．３１９学校代码；１０６９７密级：公开学号；２０１２１０１４２’藝＞衣八作巧王亨恆巧交ＤＯＣＴＯＲＡＬＤＩＳＳＥＲＴＡＴＩＯＮＸ’激光诱导击穿光谱中化学计量學方法研究及其在冶金分析的度用学科名妳：分析化学ｍｍｍ作者：张天龙指导老师：李华教授西北大学学位评定委员会二〇—五年Ｒｅｓｅａｒｃｈａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｉｎｍｅｔａｌｌｕｒｇｉｃａｌａｎａｌｙｓｉｓｏｆｃｈｅｍｏｍｅ－ｔｒｉｃｓｍｅｔｈｏ

2、ｄｓｉｎｌａｓｅｒｉｎｄｕｃｅｄｂｒｅａｋｄｏｗｎｓｐｅｃｔｒｏｓｃｏｐｙＡｕｔｈｏｒ：ＴｉａｎｌｏｎｇＺｈａｎｇＭｅｎｔｏｒ：Ｐｒｏ色ｓｓｏｒＨｕａＬｉ虹ｓｔｉｔｕｔｅｏｆＡｎａｌｔｉｃａｌＳｃｉｅｎｃｅＮｏｒｔｈｗｅｉｓｔＵｎｉｖｅｒｓｉｔｙ，ｙ２０１５西北大学学位论文知识产权齊明书目本人完全了解学校有关巧护知识产权的规定，Ｐ：研巧；生在校攻读学位期间论文工作的知识产权单位属于西北大学。学校有权保留并向国家有关部口或机构送交论文的复印件和电

3、子版。本人允许论文被查阅和借阅。学校可Ｗ将本学位论文的全部或部分内容编入有关数据库进行检索，可Ｗ采用影印、缩印或扫描等复制手段保存和汇编本学位论文。同一时，本人保证，毕业后结合学位论文研究课题再撰写的文章律注明作者单位为西北大学。保密论文待解密后适声明。＾＼＾＾学位论文作者签名；：ｙ＿指导教师签名■クｔ／分月ｉｉ日化年少月主日（７女年西北大学学位论文独创性声明本人声明：所呈交的学位论文是本人在导师指导下进巧的研究工作及取得的研究成果。据我所知，除了文中特

4、别加Ｗ标注和致谢的地方外，本论文不包含其他人己经发表或撰写过的研究成果，也不包含为获得西北大学或其它教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。学位论文作者签名：ｉ－成７处年月／日摘要钢铁和炉渣是炼钢工业的重要产品。为，其组分直接影响炼钢产品的质量和性能了。保障炼钢过程的顺利进行，有必要对冶金工业的各个环节实施快速、实时分析传统分析技术具有制样复杂、耗时和无法在线检测等缺点，严重制约了冶金工业的自动

5、化和智能化步伐。一ａｓｅｒ－ｔｒＵＢ巧是激光诱导击穿光谱（Ｌｉｎｄｕｃｅｄｂｒｅａｋｄｏｗｎｓｐｅｃｏｓｃｏｐｙ，种基于原子发，具有制样简单，射光谱的新兴定量分析技术、快速、在线Ｗ及实时分析等优势在炼钢过程控制和炉渣现场分析方面得到了广泛应用。由于Ｌ旧Ｓ信号容易受基体效应、自吸，从而严重影响其定性定量分析的准确性收效应Ｗ及其它因素的干扰。借助化学计量学方法可Ｗ克服这些因素的影响，从复杂的光谱数据中提取有用信息并建立更加稳健的分析模型。本文应用多种化学计量学方法结合Ｌ旧Ｓ

6、技术对钢铁、炉渣样品进行定性定量分析：，通过优化和改进算法来提高其分析性能。全文共分六章，其研究内容主要为一第章首先介绍了激光诱导击穿光谱技术的概况、基本原理，、优缺点和应用领域然后对化学计量学在ＬｉＢＳ技术中的研究进展做了评述，最后提出本课题的研究背景、研究意义Ｗ及研究内容。第二章通过构建随机森林回归（Ｒａｎｄｏｍｆｏｒｅｓｔｒｅｇｒｅｓｓｉｏｎ，ＲＦＲ）模型来同时分析钢铁一化后的钢铁Ｌ２２０－中的五种微量元素倒、Ｍｎ、灯、Ｎｉ和Ｃｕ）。采用归ＩＢＳ光谱（４００ｎｍ）

7、作为输入变量来构建偏最小二乘（Ｐａｒｔｉａｌｌｅａｓｔｓｑｕａｒｅｓ，ＰＬＳ）、支持向量机（Ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｓ，ＳＶＭ卿ＲＦ民校正模型，通过对比Ｈ种校正模型对钢铁中五种兀素的定量分析结果，ＲＦ艮模型能够得到比较满意的定量分析结果，具有较好的预测能力。第王章通过构建最小二乘支持向量机（ＬｅａｓｔｓｑｕａｒｅｓＳ叩ｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｓ，ＬＳＳＶＭ）校正模型来同时分析炉渣中的七种组成（ＣａＯ、Ｓｉ〇２、ＡＩ２Ｏ３、ＭｇＯ、Ｆｅ２〇３、

8、Ｍｎ〇２和Ｔｉ〇２）。小波滤噪后的全波段Ｌ旧Ｓ光谱作为输入变量分别构建了ＰＬＳ和ＬＳＳＶＭ校正模型。采２－用网格全局寻优来优化ＬＳＳＶＭ模型参数径向基核函数参数丫和ａ。在最优模型参数条件下，采用测试集炉渣样品对两种校正模型进行外部验证，均方根误差和相关系数作为评价参数。结果表明，ＬＳＳＶＭ模型具有优异的预测性能。第四章构建了随机森林（Ｒａｎｄｏｍｆｏｒｅｓｔ，ＲＦ）结合ＵＢＳ技术的钢铁牌号识别方法。在一最优化的