论文部分内容阅读
激光诱导击穿光谱(LIBS)技术具有快速、微损、多元的优势,已成为物质检测分析的重要手段,但仍存在灵敏度偏低、精密度较差等缺陷。为改善上述不足,本文利用自制80ns固体激光器(波长1064nm,单脉冲能量20~200mJ),探究了长脉宽(百纳秒级)激光诱导击穿铜合金(BYG19431锡青铜)等离子体光谱特性以及在低气压(9.6×10~4,9.2×10~4,8.8×10~4和8.4×10~4Pa)下的光谱特性;并对LIBS光谱的数据分析算法进行了探讨研究。1.研究了80ns脉冲诱导击穿铜合金光谱特性。研究发现,在相同的激光能量(20mJ)下,脉宽80ns激光比传统的8ns激光LIBS光谱具有更高的灵敏度和谱线强度:与8ns相比,80ns激光作用下铜合金中较低含量元素及较难激发元素谱线(Zn I 328.23nm、Ni I 331.56nm和Sn I 333.05nm)净信号强度分别增强40.23、41.84、43.22倍。为了进一步探究实验机理,采用与传统的8ns对比的方法,研究了80ns激光诱导击穿铜合金光谱的时间分辨特性。结果表明,使用80ns激光脉冲时LIBS背景降低,整个演化时间段内,最大光谱强度相比8ns增强4.6倍,信背比(SNR)提高4倍,等离子体寿命延长40%,电子温度在整个期间均高于8ns。2.研究了低气压下80ns脉冲诱导击穿铜合金等离子体光谱特性。研究结果表明,随着环境气压降低,基体元素Cu自吸收程度大幅降低,等离子体温度升高,谱线展宽变窄。气压为8.4×10~4Pa时,与常压相比Cu I 324.75nm与Fe I 330.82nm谱线信背比分别增强5.31、2.43倍;电子温度提升了21.6%;Fe I 330.82nm谱线展宽由0.29nm降到0.21nm。3.探索研究了LIBS光谱预处理、特征提取以及定量分析算法。将激光(Nd:YAG固体激光器:波长1064nm,能量100mJ,脉宽8ns)诱导击穿铜合金样品获取的Pb与基体元素Cu的特征光谱数据进行主成分光谱特征提取,通过人工神经网络对铜合金中Pb元素的含量进行了定量分析。研究结果表明,两种特征量提取的人工神经网络方法得到的合金中Pb元素含量定标模型相关系数良好,均可达到0.987以上;与峰值强度特征提取法相比,经主元提取的人工神经网络方法得到的合金中Pb元素含量平均检测相对误差有较大的降低,由2.3%降至0.3%,主成分特征提取方法有效提高了LIBS光谱定量分析精度与稳定度。4.构建了一种包含8个隐含层,3个卷积流的一维卷积神经网络模型,以用于定量分析时的特征提取与分析工作。模型具有较强的特征定位与提取能力,同时卷积神经网络模型的透明性允许研究人员通过特征图的形式对其运作流程进行直观观察,弥补了很多智能算法灰盒、甚至黑盒的缺点,使得模型的构建减少了盲目性,提高了研究人员利用知识经验对模型合理性的判别能力。