铁矿石是冶金工业的基础原材料,其酸度测定有助于提高原材料的利用率,与冶金产品的质量。传统分析技术具有分析时间长、样品前处理复杂,迫切需求一种铁矿石酸度快速分析技术。激光诱导击穿光谱(Laser-induced breakdown spectroscopy)是一种基于原子发射光谱的新兴光谱分析技术,具有无需复杂样品前处理、快速分析与远程探测等优势,因而在冶金过程与分析方面具有广阔的应用前景。自由定标(Calibration free,CF-LIBS)是一种无需标样且在一定程度上能够减小基体效应影响的全新定量分析技术,但定量分析的准确度容易受很多因素的影响。本论文考察了CF-LIBS定量分析的主要因素,发展了CF与化学计量学结合的方法,以提高铁矿石酸度定量的准确性,可为冶金原料的快速筛选与过程控制提供新思路和新方法。本论文共分为四章,主要研究内容如下:首先,开展CF和偏最小二乘回归(Partial least squares regression,PLSR)技术的铁矿石酸度分析方法对比研究。首先对铁矿石粉末进行压片,采集20个铁矿石样品LIBS光谱,使用二分搜索算法和最小误差法原则搜索最佳等离子体温度和最佳校正样品,利用最佳校正样品的参数校正未知样品的其它参数,并计算未知样品的酸度。在PLSR中,以CF所选择的特征分析线作为输入变量,构建校正前和校正后的PLSR模型,并且采用5折交叉验证优化的模型参数,计算了未知样品的酸度,结果表明CF能够获得较低的均方根误差和较好的相关系数。其次,采用CF与内标法结合,建立铁矿石酸度分析方法。首先引入内标元素绘制分析粒子的定标曲线,并借助定标曲线的斜率计算强度比,然后利用强度比和标准样品中校正元素的浓度获得未知样品的粒子浓度,计算出铁矿石的酸度,结果表明,使用该方法,酸度测定的相对误差有了很大的降低,相比传统的CF方法,该方法克服了基体效应等优势。最后,建立基于CF结合粒子群优化(Particle swarm optimization,PSO)技术的铁矿石酸度分析方法,首先引入加权得分作为评价指标选择内参考线,校正自吸收的分析线,然后采用PSO技术优化等离子体温度,利用最佳的等离子体温度和校正的强度计算未知样品的酸度,结果表明,酸度的计算值接近酸度的真实值,该方法借助PSO技术,获得了准确度的等离子体温度,从而提高酸度定量的准确性。