权利要求
1.基于激光诱导击穿光谱对矿石分类与实时定量分析的检测新方法，其特征在于：包括如下步骤：
步骤1：用15Mpa的机械粉末压饼机将矿石样品压制成厚2mm、直径为13mm的小圆饼。获取同一类样品不同位置被激光激发后等离子体的光谱数据，每个位置重复测量5次，每种样品采集100组光谱数据。对同一样品分别重复测试N组，平均样品元素分布不均匀的影响，进而获取每个样品中元素成分的真实含量；
步骤2：利用拉依达准则对各个样品的异常光谱数据进行剔除，拉依达准则一般假设数据具有征态分布，计算数据的标准偏差并根据要求划定概率区间，最后对超出概率区间的粗大误差进行剔除、对峰位漂移修正和缺失峰补全。
异常光谱剔除算法实现：
(1)采集到的LIBS光谱用Xij表示，Xij指编号为i的样品第j个样本点的光谱数据，将每个通道光谱强度求和，各通道总光强中位数对应的光谱作为该样本中心点
(2)求出每一个样本点离中心点的距离(即欧式距离之后将其归一化(0-1)；
(3)计算剩余误差并按贝塞尔公式算出标准偏差σ，若某个测量值Dj的剩余误差vj满足则认为是含有粗大误差值的坏值，应予剔除。
步骤3：采用主成分分析结合支持向量机的分类方法。利用支持向量机对模型分类，将预处理后的全部光谱数据采用主成分分析法降维，在降维之后，随机选择了训练集和预测集，提取训练集的前10个主成分构造特征空间，在特征空间下采用小样本的5-折交叉验证来对训练集训练，然后对建模集和预测集进行分类正确率达到100％，可以对矿石进行准确分类。
步骤4：利用步骤(3)所述的方法进行分类后，对光谱数据进行相关性变量筛选偏最小二乘回归法(R-PLS)。将全部光谱强度作为输入数据，Fe的含量作为回归目标变量。模型的回归效果、定标精度、预测精度、预测误差分别用决定系数(R2)、校正集的均方根误差(RMSEC)、预测集的均方根误差(RMSEP)、平均相对误差(ARE)来综合衡量。
步骤5：对矿石分类后在进行R-PLS，最终得到待测物中Fe的含量，其正确率相比未分类+PLS和分类+PLS有了很大的提高。
2.根据权利要求1所述的方法，其特征在于：步骤2中从待测物质的全部光谱数据中：首先对其进行异常光谱数据的筛选与剔除降低谱线的波动性，然后将光谱背景积分强度归一化、
声明：
“矿石分类与实时定量分析的光谱检测新方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
5990
编辑：中冶有色网
来源：北京理工大学
分享 0
举报 0
收藏 0
反对 0
点赞 0
2025年05月16日 ~ 18日 
