“复杂环境智能感测技术”工信部重点实验室, 北京理工大学光电学院, 北京 100081
矿物分类与识别是地质研究领域的重要内容, 对地质勘探和环境演化的研究具有重要意义。 然而, 传统的矿石分类识别方法依靠专业人员通过矿石的外形及物理性质进行人工鉴定, 主观性强, 准确率低, 激光诱导击穿光谱技术(LIBS)由于其元素“指纹”特性、 灵敏度高以及快速在线检测的特点, 非常适合用于地质研究领域。 利用共焦激光诱导击穿光谱技术与机器学习结合, 提高了矿石分类识别的精准度, 利用共焦LIBS系统获得8种天然矿石样品(金矿、 铜矿、 银辉矿、 赤铁矿、 铝矿、 方铅石、 磷灰石以及闪锌矿)的光谱数据, 采用主成分分析方法(PCA)对数据进行降维处理, 并对降维后的数据采用线性判别分析(LDA)、 最邻近规则(KNN)以及支持向量机(SVM)三种方法进行特征谱线的高精准分类识别。 首先, 采用标准铜片作为样品, 对比了非共焦LIBS系统和共焦LIBS系统的稳定性及其对PCA主成分累计贡献率的影响, 结果表明与非共焦LIBS系统相比, 共焦LIBS系统的稳定性提升了63.75%, 主成分累计贡献率提高了17.81%; 然后, 采用共焦LIBS系统获取上述8种矿石样品的光谱信息, 并进行去噪等预处理, 采用PCA对矿石特征数据进行提取, 并保留累计贡献率达到99.4%的前10维特征空间; 最后, 将特征数据分别与LDA, KNN以及SVM结合构建分类模型, 进行种类识别。 结果表明, PCA方法与LDA和KNN方法结合的分类准确度分别为95.78%和92.58%, 而与SVM相结合的方法, 准确率可达到97.89%。 因此, 采用共焦激光诱导击穿光谱技术与PCA和SVM相结合的方法, 可为地质勘探和矿物识别领域提供一种快速、 高准确度的分类识别方式, 具有广阔的应用前景。
激光诱导击穿光谱 共焦LIBS 主成分分析 机器学习 Laser-induced breakdown spectroscopy Confocal LIBS Principal component analysis Machine learning
1 清华大学机械系,北京,100084
2 西北工业大学凝固技术国家重点实验室,陕西西安,710072
研究了激光重熔工艺参数对三种不同成分的Cu-Mn合金重熔区微观组织生长方向的影响.结果表明,熔池中微观组织的生长方向强烈地受激光工艺参数(激光输出功率和扫描速度)和合金成分的影响.通过选择合适的工艺参数,实现了与Bridgman法类似的超高温度梯度快速定向凝固,其温度梯度可高达106 K/m,速度可高达24 mm/s.利用激光表面熔凝技术实现超高温度梯度快速定向凝固的关键在于:1) 在激光熔池内获得与激光扫描速度方向一致的温度梯度;2) 根据合金凝固特性选择适当的激光工艺参数以获得胞晶组织.
激光表面熔凝 超高温度梯度 定向凝固
1 清华大学机械系 北京 100084
2 西北工业大学凝固技术国家重点实验室 西安 710072
利用激光快速熔凝技术对DD2单晶合金在超高温度梯度和快速凝固条件下的组织形态和元素的微观偏析行为进行了研究。实验结果表明激光重熔后微观组织较铸态组织显著细化,枝晶间析出相被抑制,合金元素的微观偏析行为大为改善。
激光快速凝固 偏析 DD2单晶