刘艳丽 ,孙永长 ,安治国 ,石玉龙 ,黄晓红 ,宋 超

(1.河钢集团钢研总院,石家庄 050000;2.华北理工大学 人工智能学院,唐山 063210)

以废钢为主要原料的电炉炼钢在钢铁行业绿色发展战略中发挥重要作用。在“碳达峰”和“碳中和”的双碳战略目标部署下,国家对传统工业在环境保护、技术升级等方面提出了更高的要求[1]。废钢成分快检是废钢判别的重要手段,对节约资源与环境保护具有重要作用。相较于传统方法,激光诱导击穿光谱(LIBS)技术不需要复杂的样品制备过程,具有样品破坏小、现场快速分析等明显优势,在冶金[2-4]、食品[5-6]、地质勘探[7-8]等领域研究广泛。近年来,开发适用于工业现场应用的在线、便携仪器装置是LIBS领域的重要发展方向之一。

废钢中的元素组分较多、谱线复杂、干扰较大,采用内标法、自由定标法等单变量分析方法难以满足工业的精确度要求。多变量分析方法能够有效减少基体效应,降低光谱及噪声的干扰,提升预测效果,是提高LIBS精确度的重要手段。文献[9]提取钢铁样品中铁、锰、铬等元素的特征谱线,将其作为输入,建立了神经网络模型,研究了不同输入方式对模型预测准确度的影响。文献[10]选取铅、铜元素光谱中强度较高的波段进行分析,通过主成分分析方法降维,实现了铜合金中铅元素含量的预测。文献[11]采用偏最小二乘法(PLS)结合变量选择法对光谱数据进行筛选,通过建立的模型来定量分析土壤中的铜和镍。鉴于此,本工作采集12个钢铁标准样品的光谱数据,进行光谱预处理后,对碳、硅、锰、钒、钛、铬、镍和铜元素的光谱波段进行筛选,建立了上述8种元素的偏最小二乘回归(PLSR)定量分析模型,通过评价指标对模型进行评估。……