关键词:
原子发射光谱
火花放电发射光谱
激光诱导击穿光谱
基线拟合
谱峰识别
摘要:
合金材料成分检测是机械设计与制造的核心基础之一,合金的成分检测方法分为化学分析法、电化学分析法和光谱分析法等。化学分析方法较为成熟,但耗时耗材。光谱分析法具备检测速度快、无需样品制备等显著优势。现代光谱分析包括火花放电发射光谱分析和激光诱导击穿光谱分析,后者是当今光谱分析的前沿。但是火花放电发射光谱分析的定量精度有进一步提高的要求,激光诱导击穿光谱分析还没有形成完整的技术体系。本文对不同激发光源的光谱特性进行分析,得到合理的光谱数据分析算法,以提高火花放电光谱分析的精度;建立激光诱导击穿光谱分析有效体系。主要工作内容如下:
(1)研究火花光源与激光光源激发系统和光谱特性。对火花光源控制电路进行分析,研究火花放电过程中的电路参数(电容、电感和电阻)对放电电流的影响,构建了火花光源的系统框架;对激光光源的检测系统进行分析研究,构建了激光光源激发光谱系统。以铝合金样品为研究对象分别探究了火花光源和激光光源的时间及距离参数对光谱的影响,确定了火花光源与激光光源激发系统的最佳实验参数。基于锰元素建立两种光源特征光谱的定量分析模型,相关系数分别为99.90%和89.83%。
(2)针对获取的合金光谱存在背景基线问题,提出一种改进平滑迭代光谱信号基线拟合算法。该方法通过窗口选取区间中较小点进行插值,并通过平滑迭代逐渐降低初始基线中异常值点对基线的影响,对比平滑迭代前后各点斜率变化率判断基线中异常点的影响,直到迭代至异常点对基线的影响忽略不计,获得最终的基线。该算法对比无模型法等几种算法,在模拟光谱中该算法的拟合基线RSD为最小,值为8.25%,表明该算法具有较高的稳定性和平滑性;在实际光谱中,拟合镁合金标样光谱基线,以锌元素建立定量分析模型,该算法的相关性最大,值为99.85%,且预测均方根误差最小,值为0.5912。因此本文提出的基线校正方法能够得到光滑的基底信号,对合金的光谱背景有较好的抑制作用,为合金的光谱定量分析提供计算依据。
(3)针对合金光谱的特征谱峰定性定量分析,提出了一种连续小波系数多特征谱峰位置识别算法。用模拟光谱数据分析,研究了小波系数中脊线和谷线的变化规律,使用阈值和脊线、谷线跟踪法排除噪声,使用山脊和山谷来确定谱峰位置和区间。验证该算法在不同噪声水平下光谱的谱峰位置,在模拟光谱中实现了谱峰和区间的全部识别,且峰位误差均小于0.1nm。进一步,分别选取镁合金和铝合金进行光谱特征元素区间识别,通过对特征元素区间进行积分定量,建立了锌元素和锰元素的定量模型,实验结果表明:模型相关系数为99.89%和96.90%,该算法在原有锰元素的模型相关系数基础上提高了7.07%。该算法将为火花放电光谱和激光激发光谱的实际合金元素定量分析提供支持。
综上,本文研究不同激发光源的系统和光谱特性,提出了适合于火花放电光源和激光光源获得光谱的数据分析算法,提高了火花放电发射光谱合金成分的定量分析精度,建立了激光诱导击穿光谱合金成分分析算法,将为解决合金检测领域的实际工程问题提供有效的技术依据。