为了解决光电伺服平台中的输入饱和问题，采用了基于过渡过程的滑模控制算法。过渡过程算法是基于时间最优理论设计的，将跳变的输入信号变为一个缓慢上升的信号，使系统的初始跟踪误差减小，从而避免了输入饱和现象，提高了系统的稳定性。结果表明，该方法可以有效消除输入饱和现象，适用于光电伺服平台的目标跟踪，具有重要研究与应用价值。

为了研究再加热双脉冲激光诱导击穿光谱(LIBS)对信号的增强机制, 分别采用单脉冲LIBS和再加热双脉冲LIBS两种方式烧蚀合金钢样品产生等离子体, 利用高分辨率的中阶梯光栅光谱仪采集等离子体发射光谱信号, 同时用快速成像ICCD相机观测等离子体形态的变化, 研究了两种烧蚀方式下等离子体的时空演变特性。通过比较两种烧蚀方式下等离子体产生初期光谱信号和图像的时间演变规律, 发现再加热双脉冲LIBS提高了等离子体温度, 且当信号采集延时等于再加热双脉冲的脉冲间隔时, 等离子体温度的衰减速率发生变化; 再加热双脉冲LIBS使等离子体图像强度增加, 等离子体的中心区域高度和宽度分别增大了23.5%和15.1%。空间分布的研究结果表明, 与单脉冲LIBS相比, 当到样品表面的距离大于0.6 mm时, 等离子体中的Fe Ⅱ和N Ⅰ谱线强度有较明显的增强, 而Fe Ⅰ谱线在空间不同位置处的增强程度都较小, 局部区域有减小的现象; 再加热双脉冲LIBS使等离子体温度增加了约2　000　K, 等离子体中产生了一个较大的高温区域。综合时空演变的实验结果说明再加热双脉冲对光谱信号增强的机制主要是由于第二束激光对第一束激光烧蚀样品产生的等离子体再次激发, 使等离子体温度增加, 进而引起等离子体辐射强度增加。

现有的激光诱导击穿光谱定量分析模型大多是基于激光诱导等离子体处于局部热平衡这一假设, 而实际上等离子体只是在有限的时间、 空间内近似处于热平衡状态。 非热平衡状态下各个能级上的粒子布居数不服从玻尔兹曼分布, 故用某一能级的单一谱线做定量分析会带来一定误差。 考虑到等离子体的非热平衡状态, 提出了一种多元非线性定量分析模型, 该模型充分利用了待分析粒子的不同上能级对应的多条跃迁谱线信息, 能够有效减小信号不稳定对定量分析结果的影响。 利用此模型和建立在等离子体局部热平衡假设上的单谱线内标模型分别对30块钢铁样品中Mn元素的含量进行定量分析对比, 对比结果表明, 多元非线性模型的测量准确性和重复性均优于单谱线内标模型。

炉渣成分的实时在线检测是目前金属冶炼企业迫切需求的一项技术.本文利用激光诱导击穿光谱技术结合偏最小二乘回归模型对炉渣中的CaO、MgO、Al2O3和Fe进行定量分析.采用背景修正和基于等离子体成像强度的谱线归一化法对光谱进行预处理, 有效提高了光谱强度的准确性和稳定性.利用25块已知成分的炉渣样品建立偏最小二乘回归定量分析模型, 并用其预测另外5块样品成分.CaO、MgO、Al2O3和Fe预测结果的平均相对误差分别为4.7%、11.5%、17.9%和12.5%.实验结果表明, 激光诱导击穿光谱结合偏最小二乘回归方法可实现炉渣成分实时在线检测.

为克服自吸收效应对炉渣样品定量分析结果的影响, 基于快速模拟退火算法的优化过程, 结合等离子体发射光谱的基本理论, 发展了一种基于多种粒子发射谱线的自吸收校正算法, 给出了该算法的流程图。 利用前述自吸收校正算法分别对精炼渣和高炉渣样品的激光诱导等离子体发射光谱强度进行校正, 并结合无标分析法, 对比分析了自吸收校正算法对样品成分定量分析结果的影响。 对比自吸收校正前后的Boltzmann图可以看出, 经自吸收校正后, 等离子体中各粒子的温度均稳定在11600K左右, 结果明显趋于一致。 利用自吸收校正后同种粒子的等离子体光谱构建的Boltzmann图中, 除一组数据外, 其他数据在Boltzmann图中的截距基本一致。 利用经自吸收校正后的谱线, 对两种炉渣样品成分进行定量分析的结果表明: 对于精炼渣, MgO的定量分析结果精度不高, 若不分析MgO的含量, 则CaO, Al2O3和SiO2等成分定量分析结果的相对误差会明显降低; 对于MgO含量为8.49%的高炉渣样品, Al2O3定量分析结果的精度最高, 相对误差为2.38%, MgO最低, 相对误差为28.27%, 但基本可以反映出该成分在样品中的含量。

利用具有时间分辨功能的ICCD相机对空气中激光诱导击穿合金钢产生的等离子体成像，同时采集了等离子体产生的发射光谱，针对焦距为100 mm的聚焦透镜，研究了透镜到样品的距离(LTSD)对发射光谱强度、等离子体温度和等离子体形态的影响，并分析了产生影响的物理机制，对透镜到样品表面5个不同距离下等离子体光谱信号在样品表面垂直方向上的空间演变进行了分析。结果表明，透镜到样品的距离对等离子体的光谱信号、等离子体形态以及空间分布具有较大的影响。等离子体图像的像素强度与等离子体温度的变化规律基本一致，分别在透镜距离样品表面92 mm和107 mm处取得峰值, 而92 mm处对应最大值。对样品表面垂直方向上等离子体光谱信号的空间分布研究结果表明，不同聚焦位置下所产生的等离子体温度的空间分布不同，等离子体中不同谱线的光谱强度在空间的演变规律也有差别。

采用1064 nm的激光对炉渣样品进行烧蚀，分析了影响炉渣中信号稳定性的一些因素。激光能量在小范围波动（±2%）对信号的稳定性影响很小，参考激光能量和光谱信号强度无明显关系。当激光频率降低至4 Hz以下时，信号的相对标准偏差下降至10%左右。当激光聚焦位置位于样品表面下3 mm时信号强度和稳定性最优。熔渣样品信号的稳定性高于粉渣样品，不同渣系的炉渣的稳定性也不相同。对于原子线，不同点烧蚀的稳定性远远优于单点烧蚀稳定性，而对于离子谱线，两种不同的烧蚀稳定性差别不大。

采用激光诱导击穿光谱技术对炉渣中的Ca、Mg含量进行了定量分析。由于炉渣成分复杂, 建立的一元回归关系式往往得不到理想的结果,这时需要考虑多个自变量的回归分析问题。 为了分析炉渣中Ca、Mg元素的含量,将炉渣中Mg、Ca、Fe、Si、Al的原子谱线强度以及Mg、Ca的 离子谱线强度作为输入向量。由于不同谱线强度相差过大时,会使在计算出的权重系数中不同 谱线所占的比重大不相同。为了消除不同谱线强度差距过大的影响,对光谱强度进行标准化处理, 把所有谱线强度的值放在了一个相似的范围。综合对比分析了非线性多元函数定标、BP神经网络定 标以及径向基网络(RBF神经网络)定标在炉渣成分分析中的作用,并重点分析了RBF神经网络定标 相对于传统非线性定标方法的优势。

激光诱导击穿光谱(LIBS)已经被证明是极具潜力的物质定性、定量分析工具之一。将激光诱导击穿光谱结合自组织映射神经网络技术，引入到石油勘探录井领域，对五类岩心样品（火山灰岩、泥岩、页岩、砂岩、白云岩）进行了岩性自动分类，为以后在录井现场实现岩性在线快速识别奠定基础。使用构造特征变量和主成分分析两种方法对原始光谱进行特征提取，相应的特征参量和主成分分别作为自组织映射神经网络的输入变量。两种输入方式下，神经网络对全部44块岩心样品岩性分类的准确率分别为75%和86%。其中以主成分作为网络输入变量，对火山灰岩、砂岩、白云岩的分类准确率可达100%。实验分析表明：在进一步提高对泥岩和页岩的区分能力后，LIBS有望成为录井领域新的岩性快速识别技术。

为对炉渣中的Ca、Mg含量进行定量分析,将反向传播神经网络与激光诱导击穿光谱技术相结合,采用自适应 学习速率结合附加动量的方法对25种样品进行网络仿真训练,建立了定标模型。鉴于网络输入对提高测量结 果重复性和准确性的影响,训练过程中着重研究了仅使用元素谱线积分强度及将一段背景谱线强度与元素谱 线积分强度相结合的两种网络输入对网络性能的影响,并在非训练样品中任意抽取5种样品,对定标模型进 行了验证。结果表明,在分析成分复杂的炉渣中的Ca、Mg含量时,采用加入一段背景谱线积分强度的网络输 入,神经网络能够更充分的利用光谱中的信息,对消除基体效应和谱线之间的干扰具有较好的预测效果。