激光与光电子学进展, 2020, 57 (19): 193002, 网络出版: 2020-09-23 复制并引用该论文  本文已被引 2 次  被引通知

图 & 表

图 1. 神经网络结构图

Fig. 1. Structure of neural network

下载图片 查看原文

图 2. LIBS实验系统原理图

Fig. 2. Schematic of LIBS experimental system

下载图片 查看原文

图 3. 铝合金的光谱图

Fig. 3. LIBS spectrum of aluminum alloy

下载图片 查看原文

图 4. 5个主要非铝元素的一元线性定标曲线。(a) Mg;(b) Si;(c) Fe;(d) Mn;(e) Cu

Fig. 4. Univariate linear calibration curves of five main nonaluminum elements. (a) Mg; (b) Si; (c) Fe; (d) Mn; (e) Cu

下载图片 查看原文

图 5. v_spread对RBF模型性能的影响

Fig. 5. Effect of v_spread on the performance of RBF model

下载图片 查看原文

图 6. 5种主要非铝元素的RBF神经网络预测结果。(a) Mg;(b) Si;(c) Fe;(d) Mn;(e) Cu

Fig. 6. Prediction of five main nonaluminum elements by RBF neural networks. (a) Mg; (b) Si; (c) Fe; (d) Mn; (e) Cu

下载图片 查看原文

表 1铝合金标样中主要非铝元素的含量

Table1. Content of main non-Al elements in different standard samples of aluminum alloy

Standardsample Mass fraction /% Si Fe Cu Mn Mg 3003 0.135 0.384 0.1580 1.0700 0.013 5052 0.120 0.150 0.0030 0.0060 2.560 5083 0.044 0.086 0.0009 0.6170 4.220 5962 0.587 0.392 0.0830 0.4170 3.410 5963 0.279 0.650 0.1170 0.2150 4.720 6061 0.640 0.546 0.2900 0.0940 1.000 6063a 0.390 0.135 0.0025 0.0036 0.825 6063b 0.419 0.187 0.0710 0.0550 0.540

查看原文

表 2分析谱线

Table2. Spectral lines for analysis

Element Analytical spectral line /nm Al 281.61, 305.01, 308.21, 358.64, 396.17 Mn 257.55, 259.37, 263.21, 279.48 Mg 277.99, 279.06, 280.25, 285.21 Fe 234.33, 238.18, 302.05 Si 288.15, 390.55 Cu 324.73, 327.41

查看原文

表 3采用不同模型对铝合金标样进行定量分析的结果

Table3. Quantitative analysis results calculated by different models for standard samples of aluminum alloy

Element RMSE /% R2 Linearcalibration RBF Linearcalibration RBF Si 8.10 0.18 0.741 0.959 Fe 7.49 0.33 0.781 0.968 Cu 7.74 0.13 0.764 0.972 Mn 7.97 0.36 0.973 0.995 Mg 5.52 0.55 0.986 0.994

查看原文

潘立剑, 陈蔚芳, 崔榕芳, 李苗苗. 基于激光诱导击穿光谱与径向基函数神经网络的铝合金定量分析[J]. 激光与光电子学进展, 2020, 57(19): 193002. Lijian Pan, Weifang Chen, Rongfang Cui, Miaomiao Li. Quantitative Analysis of Aluminum Alloy Based on Laser-Induced Breakdown Spectroscopy and Radial Basis Function Neural Network[J]. Laser & Optoelectronics Progress, 2020, 57(19): 193002.