基于自行设计搭建的远程激光诱导击穿光谱(LIBS)系统, 完成了远程LIBS的聚焦特性分析, 并对远程 LIBS技术应用于镍基高温合金成分分析的实验方法进行了研究。 该LIBS系统具备激光发射光路和信号采集光路同轴且独立变焦的特点, 通过自动聚焦, 可实现1~10 m的远程分析。 研究表明: 受激光聚焦焦深的影响, 等离子体光信号可探测范围随系统工作距离的增大而增大, 即系统对聚焦精确度的要求降低; 同时, 烧蚀斑点尺寸增大导致的功率密度减小及信号采集立体角的减小, 会使得谱线强度随工作距离的增大成四次方反比关系衰减。 分别使用无内标的标准曲线法和有内标的标准曲线法建立了GH4169镍基高温合金中Ni, Cr, Nb, Mo, Ti和Al六种元素的标准曲线, 有内标的标准曲线的拟合优度R²(0.999 7, 0.999 4, 0.998 7, 0.999 1, 0.998 1和0.999 7)明显优于无内标的标准曲线(0.953 2, 0.876 6, 0.897 4, 0.914 5, 0.938 4和0.991 6)。 对比了LIBS和X射线荧光光谱(XRF)两种分析技术, 对于常量元素Ni, Cr, Nb和Mo, 两种方法的相对标准偏差分别在1.74%~3.90%以及0.10%~0.52%, 相对误差分别在0.21%~0.92%以及0.64%~2.25%; 对于微量元素Ti和Al, 两种方法的相对标准偏差分别为5.58%, 4.15%以及2.39%, 5.64%, 相对误差分别为2.75%, 2.93%以及4.68%, 2.39%。 由于激光诱导等离子体的不稳定性、 烧蚀样品量少的特点, 远程LIBS方法的精密度稍逊于XRF方法, 但LIBS方法通过重复多次测量, 可以有效减小测量误差, 表明LIBS技术应用于镍基高温合金的远程在线分析具有一定的可行性。

铝合金作为重要的金属材料, 广泛应用于各领域, 但大量的铝合金废料却难以进行分类回收。 二次资源的回收利用是我国工业绿色、 可持续发展的助推器, 如何快速、 简便地对铝合金废料进行识别分类则成为了铝合金废料回收利用的先决条件。 激光诱导击穿光谱(LIBS)是近年来发展快速的一种分析技术, 具有快速、 全元素分析、 实时、 原位、 远距离检测等优点, 已广泛应用于塑料、 土壤、 肉类、 钢铁等识别研究, 大多采用最小二乘判别分析法、 簇类独立软模式、 人工神经网络、 支持向量机、 随机森林等算法来建立模型。 基于迭代型树的XGBoost算法具有正则化、 并行处理运算、 内置交叉验证和高度的算法灵活性等优势, 其模型结构相对简单、 运算量较小, 且准确率较高, 成为近年来机器学习中极受欢迎的算法, 因而被广泛应用。 基于六种铝合金样品的600组光谱数据, 根据NIST原子发射光谱数据库进行光谱特征提取, 确定光谱特征谱线的分类依据。 利用XGBoost算法进行自动分类及排序, 将处理后的光谱数据随机划分为训练集和测试集, 通过训练集构建算法模型, 提取其分类特征; 利用测试集检验模型的稳定性和可用性, 防止出现过拟合。 XGBoost在固定参数下得到的模型具有一定的自适应性, 较少受数据集的影响, 总体准确率可达96.67%。 其分类特征与已知的元素含量信息相吻合, 证明了基于光谱的特征谱线数据, 可为分类识别提供参考; 同时还可根据XGBoost生成的特征评分来对光谱谱线特征的重要性进行排序。 实验结果表明, LIBS可用于不同种类铝合金的快速识别, 为废弃金属的分类回收提供了一种新的技术。