锌溶液中痕量Cu 2+、Co 2+的检测光谱预处理方法
1 引言
常见的离子浓度检测光谱方法包括紫外可见分光光度法(UV-Vis)[1]、原子吸收法、原子荧光法、X射线荧光法等。其中,紫外可见分光光度法是一种重要的、易于实现在线多金属离子浓度检测方法。传统的紫外可见分光光度法主要用于检测低浓度的单金属或多金属离子[2]溶液,很少有人同时测量基体与待测离子浓度比高达60000的锌溶液中Cu2+、Co2+的浓度。在采用紫外可见分光光度法检测锌溶液中Cu2+、Co2+的浓度时,由于Cu2+的浓度低,有效波段窄,易被其他离子的信号覆盖,因此很难对其进行检测。
光谱预处理方法一般分为两种:1)光谱去噪,如小波变换[3]。小波变换在信号分析中的应用十分广泛,按阈值划分可将其分为小波硬阈值变换和小波软阈值变换,这两种变换各具特点,硬阈值变换失真少,软阈值变换更加平滑。牟丽等[4]提出的小波阈值去噪算法不仅继承了已有的阈值函数的优点,还减小了去噪带来的误差。Tverdohleb等[5]将小波分析应用于复杂非平稳振荡信号的研究,利用该方法在特定点检测到了对应的信号特征和信号差异。2)信号提取,传统的光谱预处理方法为导数预处理。李本祥等[6]研究了二阶导数光谱结合波数信息选择的中红外光谱定量分析方法。杨秀坤等[7]应用二阶导数光谱研究了基于红外显微光谱的兔子动脉中胆固醇分布的分析方法。上述的导数光谱预处理一般为一阶、二阶等整数微分,不同阶次的光谱预处理对于信号的提取效果不同,合适的光谱预处理阶数能更好地提取被掩蔽的待测离子信息。同时,进行高阶微分时,多方面因素导致光谱信号噪声放大,掩蔽了待测离子的有效光谱信息。因此,优化信号微分的阶数,既能减小离子光谱覆盖率,提取待测离子的光谱信息,又能降低噪声干扰,实现锌溶液中痕量Cu2+、Co2+浓度的同时检测。
2 紫外可见分光光度法的原理
当一束平行的单色光通过某一均匀的有色溶液时,在入射光波长、强度以及溶液温度、厚度一定时,溶液吸光度与溶液离子活度成正比。即
式中:
式中:
图 1. 三种单离子的光谱分析。(a)单离子原始光谱;(b) 波长点信息占比离子分析图
Fig. 1. Spectra analysis of three single ions. (a) Original spectra of single ions; (b) ion proportion at wavelength point
3 光谱预处理
3.1 分数阶微分
分数阶微分[8]将微分从整数阶推广到了任意阶数。本研究使用Caputo的分数阶微分定义,这是工业应用中最常见的一种分数阶微分定义。
3.2 微分光谱的特性
低灵敏度、低浓度和窄有效光谱带的Cu2+信号被完全覆盖,而且三种离子的光谱信号严重重叠,这些因素影响了多组分浓度的同时测定,因此需要重构Cu2+的波峰,以降低离子覆盖率。
图 2. 不同阶次的光谱信号。(a)原始光谱信号;(b)原始光谱滤波信号;(c)一阶光谱滤波信号;(d)二阶光谱滤波信号
Fig. 2. Spectral signals with different orders. (a) Original spectral signals; (b) original spectral filtering signals; (c) first-order spectral filtering signals; (d) second-order spectral filtering signals
由
微分过程将会放大噪声信号[9-10],加之原始光谱信号噪声也较大,因而求导过程进一步放大了噪声。因此,必须对光谱曲线进行去噪处理,但去噪处理也会造成一定程度的信号失真。虽然微分后的离子覆盖度(CD)大幅降低,但可能会增大信号的失真。因此,应该综合考虑这两方面的因素后再对光谱进行预处理,以获得满足低覆盖度、低失真度的光谱信号。
3.3 优化指标的定义
针对低灵敏度、窄有效光谱带宽Cu2+光谱信号完全被覆盖的问题,可以使用微分滤波方法加以解决。对Cu2+预测影响最大的因素主要为被Zn2+信号覆盖和微分滤波方法造成的信号失真,因此,将覆盖度和失真度(DD)作为优化指标,以微分阶数为变量,使用多目标优化的方法求取最佳阶数,解决待测离子光谱信号被完全覆盖的问题。其中:覆盖度用来表征待测离子的可用信息和受干扰程度;失真度则用来表征微分滤波预处理后的光谱与原始光谱在信号信息方面的差异。
当一个波长点处的待测离子吸光度小于其他离子的吸光度时,即可视为待测离子信息被覆盖,即覆盖度定义为待测离子吸光度与总吸光度之比小于0.5的波长点数与总波长点数之商,其中待测离子覆盖度越低,说明待测离子的可用信息越多,受其他离子的影响越小。当覆盖度为1时,即表示待测离子的光谱信息被其他离子的光谱信息完全覆盖,如原始光谱信号中的Cu2+。吸光度之比矩阵如下
式中各离子的浓度均为各离子浓度检测范围中值。
真实的光谱信号由物质信号和噪声信号叠加而成,当进行求导时,噪声信号被放大,干扰了物质的信号,因而需要进行滤波处理,但同时也要考虑滤波处理过程中的信号失真。本研究将物质信号求导后的光谱与真实光谱信号求导滤波后的光谱的平均相对误差作为失真度:
式中:
3.4 多目标优化模型的建立
使用多目标粒子群算法[11-12](MOPSO)求解带约束的多个非线性多元函数的最小值。MOPSO将应用于单目标上的粒子群算法(PSO)进行扩展后应用于多目标带约束的函数的求解上。将PSO扩展到求解多目标优化问题最直接的方法就是采用Pareto占优机制。本研究采用MOPSO解决多目标光谱微分阶次问题的求解。
待辨识参数为求导阶次
使用MOPSO求解这两个带约束的非线性函数的最小值,并根据实际情况选取Cu2+、Co2+光谱的微分阶数。
4 实验设计与结果分析
4.1 实验设计
检测湿法冶金锌液中痕量Cu2+、Co2+浓度的化学体系见
表 1. 试剂体系的选择
Table 1. Selection of reagent system
|
所有样本均以测试体系中加入16 g/L的Zn2+作参比进行背景扣除,光谱测量范围为400~800 nm。共72组数据,其中建模集48组,验证集8组,预测集16组。建模集采用正交实验进行设计。
4.2 光谱预处理
4.2.1 覆盖度函数拟合
对Co2+、Cu2+覆盖度与微分阶数进行函数关系拟合,拟合函数为
式中:
表 2. 不同阶数微分方法得到的覆盖度和失真度
Table 2. Coverage degree and distortion degree with differentiation methods with different orders
|
图 3. 不同离子覆盖度与阶次的关系。(a) Co2+; (b) Cu2+
Fig. 3. Relationship among coverage degrees and orders for different ions. (a) Co2+; (b) Cu2+
由
4.2.2 失真度函数拟合
失真度与阶数的函数模型为
拟合函数效果如
由
不同微分阶数光谱图如
图 4. 小波滤波-分数阶微分方法的失真度与阶数的拟合图
Fig. 4. Fitting plot of order and distortion degree with wavelet filtering-fractional differentiation method
图 5. 不同离子的非劣解集图。(a) Co2+; (b) Cu2+
Fig. 5. Non-inferior solution sets of different ions. (a) Co2+; (b) Cu2+
图 6. 不同微分阶数光谱图。(a)原始光谱图;(b) 1阶光谱图;(c) 2阶光谱图;(d) 1.4阶光谱图;(e) 1.5阶光谱图
Fig. 6. Spectra with different differential orders. (a) Original spectra; (b) first-order spectra; (c) second-order spectra; (d) 1.4-order spectra; (e) 1.5-order spectra
由
由
4.3 实验结果分析
将经过微分预处理后的光谱信号使用基于灵敏度、灵敏度之比和间隔相关系数[13]的多指标融合(MIF)特征波长提取方法进行波长点筛选,以减小覆盖问题与抑制差异问题的影响,以所选波长点为变量进行偏最小二乘(PLS)建模,并与原始信号、1阶信号、2阶信号预处理后再经过MIF_PLS建模后的结果进行对比,以预测均方根误差(RMSEP)、决定系数
表 3. 不同预处理结果的对比
Table 3. Comparison of results by different pretreatments
|
由
图 7. 预处理后基于多指标融合特征波长点提取
Fig. 7. Wavelength point selection based on multi-index fusion feature after pretreatment
图 8. 不同离子的预测质量浓度误差图。(a) Co2+; (b) Cu2+
Fig. 8. Errors between predicted and actual mass concentrations of different ions. (a) Co2+; (b) Cu2+
5 结论
针对同时检测锌溶液中Cu2+和Co2+浓度时存在的Cu2+光谱信号被完全覆盖的问题,以及三种离子光谱重叠严重的问题,本课题组提出了一种多目标优化微分阶数方法。该方法同时兼顾离子的信息覆盖问题和光谱微分滤波失真问题,分析了不同阶数微分的光谱特点。根据实际需求与光谱特点分析确定影响铜钴杂质离子检测的两个重要指标——覆盖度和失真度,并拟合微分阶次与两指标的函数关系、约束条件。然后,基于多目标粒子群优化算法对该多目标优化问题进行求解,分别求取了Co2+、Cu2+最适宜的微分阶数,其中Co2+的适宜阶次为1.4,Cu2+的适宜阶次为1.5。最后,对微分预处理方法解决离子光谱信息覆盖问题的性能进行了验证和分析,并结合特征波长筛选方法和建模方法对不同微分阶次预处理方法进行对比。结果表明,合适的阶数微分可重构完全被覆盖的低灵敏度、窄有效波段的离子波峰,解决光谱信号被完全覆盖的问题,并可最大程度地降低求导滤波的失真度。联合多指标融合特征波长点筛选及PLS建模方法对锌溶液中Co2+、Cu2+的浓度进行预测,Co2+的检测合格率为93.75%,Cu2+的合格率为100%,解决了同时检测锌溶液中痕量Cu2+、Co2+浓度的问题。
[2] 朱红求, 陈俊名, 尹冬航, 等. 一种基于紫外可见光谱的多金属离子浓度检测方法[J]. 化工学报, 2017, 68(3): 998-1004.
[4] 牟丽, 王海辉, 张育浩. 小波阈值去噪算法在XRD图谱去噪中的应用[J]. 应用数学进展, 2015, 4(3): 224-229.
Mu L, Wang H H, Zhang Y H. An improved wavelet threshold denoising algorithm for analysing signals in the XRD spectrum[J]. Advances in Applied Mathematics, 2015, 4(3): 224-229.
[5] TverdohlebJ, LimarevI, DubrovinV, et al. Wavelet analysis of complex nonstationary oscillatory signals[C]. 4th International Scientific-Practical Conference Problems of Infocommunications, Science and Technology (PIC S &T), 2017: 12- 20.
[6] 李本祥, 王玲, 董新荣. 二阶导数预处理法在中红外光谱定量分析中的应用研究[J]. 分析试验室, 2008, 27(7): 9-12.
[7] 杨秀坤, 钟明亮, 景晓军, 等. 基于主成分分析-二阶导数光谱成像的红外显微图像分析[J]. 光学学报, 2012, 32(7): 0711001.
[8] 张东. 塔西甫拉提·特依拜, 张飞, 等. 分数阶微分在盐渍土高光谱数据预处理中的应用[J]. 农业工程学报, 2014, 30(24): 151-160.
Zhang D. Tashpolat·Tiyip, Zhang F, et al. Application of fractional differential in preprocessing hyperspectral data of saline soil[J]. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(24): 151-160.
[9] 蔡剑华, 肖永良, 黎小琴. 基于广义S变换和奇异值分解的近红外光谱去噪[J]. 光学学报, 2018, 38(4): 0430005.
[10] 徐平, 肖冲, 张竞成, 等. 基于分组三维离散余弦变换字典的植物高光谱数据去噪方法[J]. 光学学报, 2017, 37(6): 0630003.
[11] Coello CA, Lechuga MS. MOPSO: a proposal for multiple objective particle swarm optimization[C]. Proceedings of the 2002 Congress on Evolutionary Computation, 2002: 1051- 1056.
[12] 张元志, 刘勇, 侯华毅, 等. 基于粒子群优化算法的生物组织固有荧光光谱复原方法[J]. 中国激光, 2016, 43(5): 0504001.
[13] 朱红求, 龚娟, 李勇刚, 等. 一种高锌背景下痕量钴离子浓度分光光度测量法[J]. 光谱学与光谱分析, 2017, 37(12): 3882-3888.
Article Outline
朱红求, 陈俊名, 阳春华, 李勇刚, 龚娟. 锌溶液中痕量Cu 2+、Co 2+的检测光谱预处理方法 [J]. 光学学报, 2019, 39(1): 0130001. Hongqiu Zhu, Junming Chen, Chunhua Yang, Yonggang Li, Juan Gong. Spectral Pretreatment Method for Detection of Trace Cu 2+ and Co 2+ in Zinc Solution [J]. Acta Optica Sinica, 2019, 39(1): 0130001.