激光诱导击穿光谱技术结合自吸收修正和偏最小二乘法的铁矿石酸度分析

发布时间：2022-01-09 04:49

　　铁矿石冶炼过程中对其酸度进行准确把控将对铁矿石利用率及冶炼过程产生严重影响。因此,亟需一种铁矿石酸度快速准确分析方法。实验基于激光诱导击穿光谱（Laser-induced breakdown spectroscopy,LIBS）技术结合偏最小二乘回归（Partial least squares regression,PLSR）方法成功地提出了一种铁矿石酸度快速定量分析方法。首先,采集了20组铁矿石样品的LIBS光谱数据,并采用美国国家标准与技术研究院（National Institute of Standards and Technology,NIST）数据库对铁矿石的LIBS特征谱线进行标定。然后,采用内参考线自吸收修正（Internal reference for self-absorption correction,IRSAC）和5折交叉验证分别对光谱数据以及PLSR模型潜变量（Latent variables,LVs）进行优化。最后,基于优化后的光谱数据以及LVs构建了PLSR模型用于预测集铁矿石酸度的分析。结果表明,该模型具有较好的预测性能,其预测集决定系数（R_p<... 

【文章来源】：冶金分析. 2020,40(12)北大核心

【文章页数】：7 页

【部分图文】：

激光诱导击穿光谱实验装置示意图

在LIBS采集过程中，等离子体受光学厚度的影响而产生自吸收效应，严重影响了分析线的强度值，造成了等离子体温度理论值和真实值的差异，降低了铁矿石酸度定量分析的准确性。因此，必须修正自吸收效应对光谱强度的影响，提高LIBS定量分析的准确性。图2所示为7#样品的特征光谱图（参考NIST数据库对元素Ca、Mg、Si和Al进行了识别）。表2所示为铁矿石酸度定量分析的分析线数据。结合图2和表2可以看出，其中Mg(368.35nm和363.95nm）、Si(334.50nm、472.22nm和481.05nm）、Cu(249.22nm、324.75nm和327.40nm）和Al(308.21nm和309.27nm）的特征谱线较多，受自吸收效应的影响，Si元素和Mg内参考线的强度明显高于其他分析线的强度，导致定量分析结果不准确。因此，采用内参考线自吸收修正（IRSAC）方法修正受自吸收效应影响的元素分析线。2.2 铁矿石LIBS光谱自吸收效应修正

基于不同输入变量下构建的PLSR模型结果见表3。由表3可以看出，相比于未经修正谱线强度的分析线作为PLSR模型的输入变量，以IRSAC修正的分析线作为PLSR模型输入变量的校正集均方根误差（RMSEC）为1.405%，决定系数（RC2）为0.999 0，在自吸收修正的基础上用5折交叉验证优化PLSR模型参数的均方根误差（RM-SECV）为2.682%，决定系数（R2CV）为0.994 5。由此可得，采用IRSAC修正后的谱线能在很大程度上降低自吸收效应的影响，优化模型性能，提高定量分析结果的准确性。为了进一步探究基于IRSAC修正的PLSR模型的预处理性能，从而对未知样品（3#、6#、8#、10#、12#和18#）进行预测。从图5分析结果可以看出，相比原始分析线做输入变量构建的PLSR模型，修正后分析线作为PLSR模型输入变量的预测值与真实值的平均相对误差（MRE）更小，预测集的均方根误差（RMSEP）更小，预测集的决定系数（RP2）更大。因此，通过IRSAC修正后的LIBS谱线作为输入变量构建的PLSR模型对铁矿石酸度的定量分析具有更好的预测性能。图5 不同输入变量下PLSR模型对铁矿石酸度的预测结果


本文编号：3577992