激光诱导击穿光谱(LIBS)技术因其在线、原位、多元素同时测量等优点,在物质成分检测上得到广泛应用。但是,LIBS技术常受到自吸收及基体效应的干扰,分析的准确度较低,同时,随着光谱仪分辨率的不断提高,数据维度越来越高,其中包括大量对成分分析无用的冗余信息,这就增加了建模的复杂度。为了降低建模的复杂度,减少光谱数据维度以提取最有用的光谱信息,同时减少自吸收及基体效应的非线性干扰对定量分析精度的影响,在传统偏最小二乘(PLS)方法的基础上,提出了利用循环筛选特征变量来校正自吸收及基体效应影响的非线性PLS模型。以铁精矿矿浆样本为分析对象,结果表明,与传统PLS方法相比,所提出的基于循环变量筛选的非线性PLS模型的定量分析精度显著提高,测试样品的均方根误差(RMSE)从1.15%降到0.70%,决定系数R²从0.51提高到0.86。

结合激光诱导击穿光谱(LIBS)技术,设计激光清洗在线监测系统以实时监测激光清洗的质量。实验所用的激光器为光纤激光器,其可以在多维空间中加工应用。首先确定激光清洗速度,并研究LIBS随激光单脉冲能量密度的变化规律,用来表征碳纤维复合材料清洗的效果。然后在数据分析的处理上,采用均值平滑去除背景的方法处理包络状的光谱连续背景;采用DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法实现光谱噪声和有效数据的分离;采用皮尔逊系数分析的方法确定激光清洗的最佳烧蚀次数,为激光清洗实现过程自动优化控制提供判定依据。最后采用扫描电子显微镜分析碳纤维表面形貌特征,证实LIBS技术在线监测激光清洗效果的有效性。

MgO含量是磷矿浮选过程中最为关注的指标之一。 实现浮选过程中MgO含量的快速检测, 对于优化浮选过程、 提高效率、 降低成本有着非常实际的意义。 因此, LIBS技术被引入到了磷矿中镁元素含量的分析。 常用于LIBS分析的Mg元素特征谱线（如Mg Ⅱ 279.6 nm, Mg Ⅱ 280.3 nm, Mg Ⅰ 285.2 nm）多为共振线, 谱线强度易受自吸收效应影响, 导致谱峰强度下降, 影响分析准确性。 提出一种基于近似Voigt函数的拟合方法： 首先通过近似函数对Voigt函数进行简化； 再通过低含量样本确定谱峰中心和理想条件下的半峰宽； 进而通过计算谱峰所在区域线型的斜率, 确定用于拟合的谱翼区域； 最终通过对谱峰两翼受自吸收效应影响较小的光谱进行拟合, 得到更接近理论线型的谱线。 在定量分析磷矿样品中的镁元素含量应用中, 使用拟合后的Mg Ⅰ 285.2 nm谱线区域面积作为分析谱线强度, 以拟合的Si 288.2 nm谱线区域面积作为参考谱线强度, 使用内标法对镁元素含量进行了标定。 对比未拟合直接内标的方法, 该方法的标定确定系数（R2）由0.923提升至0.998, 均方根误差（RMSE）和平均相对误差（ARE）分别由0.96, 38.65%下降到0.16, 2.79%, 说明该方法使磷矿镁元素定量分析的整体测量准确性得到了有效的提升。

在工业现场生产水泥的过程中, 各种成分的含量直接影响着水泥的质量, 因此如何快速准确地监测水泥中各个成分的含量意义重大。 采用的实验方式为, 将不经过任何预处理的水泥粉末直接放入位于二维移动平台上的物料盒中, 通过激光诱导击穿光谱（LIBS）直接对水泥粉末表面的不同位置进行激发检测, 对得到的光谱数据首先进行归一化和主成分分析等预处理操作, 然后针对水泥中Ca, Si, Al, Fe, Mg五种元素, 分别建立偏最小二乘（PLS）和支持向量回归（SVR）两种定量分析模型进行方法比较。 此外, 对比了粉末状水泥与压片式水泥两种测量方式的结果。 实验结果表明, 采用粉末状水泥直接测量的方式下, 针对水泥样品元素浓度与所得到的光谱中特征线强度的关系, SVR方法比PLS方法更具优势, 粉末状水泥直接测量的精度接近压片式测量的精度, 说明LIBS技术对水泥粉末状样品直接在线测量具有可行性。

相比于传统的固体激光器,光纤激光器有利于设备的小型化和激光诱导击穿光谱(LIBS)技术的推广。将光纤激光器LIBS(Fiber-LIBS)技术应用于铝合金牌号的识别,采用数据筛选、归一化、支持向量机和主成分分析相结合的分类算法,对6种牌号共24块铝合金样品按牌号分类。结果表明:与单纯应用支持向量机的分类算法相比,数据筛选、归一化、支持向量机和主成分分析相结合的分类算法能够将平均预测准确率从92.34%提高到99.83%,并且可将建模时间缩短一个数量级以上。实验结果表明了光纤激光器应用于LIBS系统中进行金属牌号识别的可行性。

为了实现钢铁等金属熔炼过程中实时、 在线监测元素组分含量, 设计了一种远程双脉冲激光诱导击穿光谱(LIBS)分析系统, 对远距离的样品进行非接触式远程测量、 成分分析。 首先利用固体标准钢样对系统进行了测试以及标定, 为下一步利用此系统在线监测熔融钢液组分含量提供了基础。 实验结果表明: 激光远距离聚焦光斑在1 mm左右; 双脉冲烧蚀比单脉冲烧蚀深度深很多; 双脉冲最佳延时在不同距离下不一致; 3.1 m处双脉冲增强效果比2.1 m处更好, 其中Ti(Ⅰ)319.99 nm增强最显著为5.19倍; 各种元素的标定曲线相关系数r都在0.99左右, 重复精度(RSD)基本都小于5%, 测量偏差(RMSE)都小于0.021%, 2.1 m处的检出限相比3.1 m处更低, 2.1 m处多数元素检出限小于500 ppm。

在炼钢中合金浓度的检测和控制对产品质量影响很大， 激光诱导击穿光谱(laser induced breakdown spectroscopy, LIBS）技术具有快速、 非接触、 无需制样等特点， 非常适合应用于合金成分的在线分析。 但是由于合金中的C, S, P元素的成分含量都很低， 其原子发射谱线极易淹没在复杂的铁元素特征谱线之中， 造成这些重要元素在线定量分析困难。 以合金钢标准光谱样品为研究对象， 获取激光诱导击穿光谱数据， 采用定标曲线法（calibration curve, CC）和偏最小二乘法（partial least squares, PLS）， 对合金钢样品的主量和微量元素进行定量分析。 比较两种方法的定标结果得出： 对于主量元素， PLS方法的定量分析水平优于传统的CC法； 更重要的是对于微量元素， 由于特征谱线极弱， CC法无法得出定量结果， 而PLS法仍然具有良好的定量分析能力。 同时， 将PLS法回归模型特征谱线处的回归系数与原始有背景干扰的光谱强度数据进行比较， 阐述了LIBS数据定量分析中PLS方法的优势。 结果表明， 在激光诱导击穿光谱合金成分分析中， PLS方法适合用于C等微量元素的定量分析。

激光诱导击穿光谱（LIBS）为多元素同时分析提供了一种简单、快速的分析工具。对LIBS多元素同时分析时实验参数优化，提出了一个“综合信背比(ISBR)”的优化目标函数。基于二次回归正交设计(QROD)构建了激光脉冲能量、检测延时、样品距透镜距离、积分时间这些因素对目标函数影响的多因素模型。结果表明，目标函数可以顾及多条谱线性能，为多元素同时分析提供参数优化的依据。利用QROD方法建立多因素模型，可以获得比单因素逐个优化更优的实验条件，并大大减少了实验次数。

当采用概率母函数将单传感器PHD 滤波推广到多传感器情形时，针对计算繁琐，难于实现的问题，本文基于集中式融合系统的有序滤波思想，提出多传感器、多目标有序粒子PHD 跟踪算法，该算法通过选取与各传感器相关的重要性密度函数，层层更新各传感器的采样粒子，达到多传感器多目标有序PHD 跟踪。实验结果表明，当仅仅使用单传感器对多目标进行跟踪时，虚警概率较高时一些粒子会严重偏离原始目标轨迹，导致目标数目估计出现偏差，而采用多传感器多目标有序PHD 跟踪可以有效减小多目标距离跟踪误差，提高跟踪精度。