首页 > 论文 > 激光与光电子学进展 > 57卷 > 05期(pp:053002)

改进粒子群算法优化SVR的LIBS钢液元素定量分析

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

钢铁作为重要的建筑材料,其元素含量直接影响钢材的性能,因此严格控制好钢液中各种元素的含量是保证钢铁性能的重中之重。本文通过激光诱导击穿光谱(LIBS)对钢液表面的不同位置进行激发检测,对得到的光谱数据进行归一化预处理,通过主成分分析法筛选出代表性因素,将得到的4个因素作为输入信息,针对钢液中Mn、 Ni、Cr和Si四种元素,训练并建立定标模型,利用Cat-fish PSO算法选出最优参数值,最后用测试集来验证模型的预测效果。实验结果表明,Cat-fish PSO-SVR的R2大于0.95,RSD均值为3.53%,RMSE能控制在1.5%以内,均优于普通SVR预测模型,能够快速精确检测出元素含量,为LIBS在线准确定量分析钢液元素提供了借鉴性较高的优化算法。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop57.053002

作者单位:

    华北理工大学
    华北理工大学
    华北理工大学电气工程学院

引用该论文

杨友良,王禄,马翠. 改进粒子群算法优化SVR的LIBS钢液元素定量分析[J].激光与光电子学进展,2020,57(05):053002.