基于时间分辨特性和非线性优化建模的钒钛资源LIBS定量分析方法

Based on the laser-induced breakdown spectroscopy (LIBS), the detection of the components has urgent requirments in the comprehensive utilization of the vanadium and titanium resources mining and metallurgy. The goal of this project is to improve the LIBS quantitative analysis accuracy of the components of the vanadium and titanium resources. The main research content that is from two aspects of improving the spectral quality and quantitative regression model include: 1) the study of the temporal characteristics of laser induced plasma and the analytical lines selection method based on spectral peak fitting and nonlinear dimensionality reduction; 2) the LIBS quantitative analysis method based on robust least squares support vector machine for solving the problem of spectral data fluctuation; 3) the LIBS quantitative analysis method based on co-training semi-supervised regression modeling and the calibration-free LIBS quantitative analysis method based on self-absorption correction by optimized analytical lines, for overcoming the difficulties of acquiring standard samples; 4) the chemical compound quantitative analysis method based on the molecular information of LIBS, for providing rapid analysis tools for detecting the oxide composition in the titaniferous slag and vanadium products. The expected research results not only has important significance of enhancing the efficiency of mining and mineral separation, optimizing the craft of preparing materials and metallurgical processand improving the level of V-Ti resources utilization, but also has wide application in the exploitation and utilization of rare earth, copper and other resources.

基于激光诱导击穿光谱技术（LIBS）的成分检测技术在钒钛资源矿冶综合利用中有迫切的需求。本课题以提高钒钛资源成分LIBS定量分析的准确度为目标，从提高光谱的质量和定量分析数学模型的准确度两方面入手，研究基于等离子体时间分辨特性的光谱采集与谱线强度定义新方法，解决LIBS多元素间光谱干扰问题；研究基于鲁棒最小二乘支持向量机的LIBS定量分析方法，解决光谱数据波动性大导致分析准确度下降的问题；研究改进迁移学习模型的LIBS定量分析方法，解决高温检测中样本数量少时导致分析准确度低的问题；研究基于内标线自吸收校正和等离子体温度优化估计的无标样LIBS定量分析方法，解决工业现场无法获取标样时难以进行定量分析的问题。课题预期成果对提高生产效率、优化生产工艺、提高钒钛资源产品质量稳定性有重要意义，在稀土、铜矿等其他资源的高效利用及化工、生物等其他领域中也有广阔前景。

智能制造的发展目标对冶金生产过程成分快速检测提出了更高的要求。火花直读光谱等常规元素成分检测技术对制样要求高，操作繁琐，实时性较差。本项目以钒钛资源利用为背景，围绕矿冶过程多元素成分快速检测的需求，针对矿冶产品成分复杂、谱线干扰严重、高温环境标样数量少、分析元素特征谱线和元素含量间存在非线性等难点，从减小谱线干扰和非线性建模入手，重点研究提高LIBS定量分析准确度的方法，主要完成的研究工作包括：. （1）针对LIBS实验系统多参数优化问题，以合金钢和钒渣为对象，通过研究LIBS光谱时间分辨特性，提出了基于多谱线光谱强度信背比的光谱质量评价方法和LIBS实验参数多因素优化模型，为多元素定量分析提供高质量光谱数据奠定了基础。. （2）针对多元素共生情况下LIBS光谱干扰问题，提出了基于选择性集成学习的多元素LIBS定量分析方法，成本低，易操作且无需过多数据预处理。对钒渣和球团矿的实验结果表明：相比于忽略干扰谱线影响的回归模型，该方法可有效降低平均相对误差。. （3）针对光谱数据波动性大导致分析准确度下降的问题，提出了基于鲁棒最小二乘支持向量机的LIBS定量分析方法，铅铜合金的实验结果表明，相比于现有方法，具有更好的鲁棒性和预测精度。. （4）针对高温环境下标样数量不足的问题，提出了基于改进TrAdaboost迁移学习的高温环境下LIBS定量分析方法。对合金钢标样的实验结果表明，相比于利用传统机器学习建立的少标样回归模型，该方法具有更小的平均相对误差。. （5）针对工业现场标样难以获取的情况，提出了基于改进内标线自吸收校正和等离子体温度优化估计的LIBS自由定标定量分析方法。对合金钢样实验结果表明，该方法对Cr、Ni、Mn和Fe的分析精度优于传统LIBS自由定标方法，可为LIBS技术在矿冶现场应用提供理论和技术基础。. 项目研究成果对提高生产效率、优化生产工艺、提高矿冶生产质量稳定性有重要意义，相关研究思路也可推广到荧光光谱、拉曼光谱等其他分析技术中。此外，在电力、化工、生物、环保等领域也具有广阔的应用前景。