关键词:
激光诱导击穿光谱
废钢
麻雀搜索算法
核极限学习机
定量分析
摘要:
废钢是电炉炼钢的重要原料,为有效利用废钢,需对废钢中各元素进行检测。提出了麻雀搜索算法优化的核极限学习机(SSA-KELM)与激光诱导击穿光谱技术(LIBS)相结合的新方法,对中低合金钢和低合金钢的钢样共12组样品进行元素含量建模分析。首先通过便携式LIBS光谱仪采集两类共计12种不同的废钢样品在170~400nm范围内的激光诱导击穿光谱数据,为降低实验波动影响,每个试验样品的表面均匀选取28个不同的位置进行检测,使用K值校验剔除粗大误差,并将剩余数据进行平均处理,最终得到12个样品共336组平均光谱数据;然后对获得的光谱数据进行基线校正和归一化处理,降低基线波动影响;然后选出待检测元素的多条相关谱线共65条作为模型的输入特征,接着对光谱数据进行训练集与测试集的划分,从每类钢种中随机选择一个样品,提取其处理后的光谱数据作为模型的测试集,剩余数据作为模型的训练集,利用麻雀搜索算法(SSA)对核极限学习机(KELM)进行参数寻优,针对相关元素进行建模。最终所建立的C、Cu、Mn、Cr、Ni、Si、V、Al、Ti元素的模型在验证集的相关决定系数(R2)和均方根误差(RMSE)平均为0.996和0.016。实验比较了单变量校正模型和基于遗传算法优化的核极限学习机(GA-KELM)的多变量校正模型的定量分析效果,结果表明,与单变量校正模型和遗传算法和核极限学习机(GA-KELM)模型相比,SSA-KELM模型的所有指标都有显著提高,作为多变量模型的KELM与麻雀搜索算法相结合,能够有效的减弱多种因素对待分析元素的干扰,增强定量分析的性能,通过与便携式LIBS系统结合,可用于现场作业,实现对废钢中各元素含量的快速精准检测。