激光诱导击穿光谱技术结合神经网络定量分析钢中的Mn和Si  

Quantitative Analysis of Mn and Si of Steels by Laser-Induced Breakdown Spectroscopy Combined with Neural Networks

作　　者：孙兰香[1,2] 于海斌[1] 丛智博[1] 辛勇[1] 

机构地区：[1]中国科学院沈阳自动化研究所工业信息学重点实验室,辽宁沈阳110016 [2]中国科学院研究生院,北京100049

出　　处：《光学学报》2010年第9期2757-2765,共9页Acta Optica Sinica

基　　金：国家863计划(2009AA04Z160);中国科学院知识创新工程重要方向项目(KGCX2-YW-126)资助课题

摘　　要：激光诱导击穿光谱(LIBS)作为一种快速的化学组成分析技术,在冶金过程的原位、在线及远程分析方面展现了突出的应用前景和研究价值。利用神经网络建立定标模型,结合LIBS技术对不同品种钢中的Mn和Si组分进行定量分析,研究了不同输入方式对神经网络性能的影响,并与光谱分析中常用的内标法进行对比。结果表明,对于化学体系复杂的多基体钢的定量分析,神经网络定标法能够更充分利用光谱中的信息,有利于校正基体效应和谱线之间的干扰;但是,神经网络的输入方式对网络性能具有重要影响,只有在合理选择输入方式下才能有效提高测量重复性和准确性。As a speedy analytical technique of chemical compositions, laser-induced breakdown spectroscopy （LIBS） is appealing in metallurgical industry for in-situ, on-line or long-range applications. Combined with LIBS, neural networks are used to calibrate and quantify the concentration of Mn and Si of different kinds of steels. The performance of the neural networks with different inputs is studied. Compared with the common internal calibration methods, neural networks can utilize more information of spectra, and better correct the matrix effect and line interference. The inputs of the neural networks, however, need serious consideration, since they have a great effect on the measurement reproducibility and accuracy.

关 键 词：激光诱导击穿光谱 神经网络 定量分析 多基体钢 

分 类 号：O433.54[机械工程—光学工程] TN247[理学—光学]