面向天然页岩与砂岩矿物元素组分快速定量分析的检测需求，笔者搭建了具有自动化分析功能的显微分析激光诱导击穿光谱系统，并采用该系统对油气页岩与砂岩天然岩石样本进行了快速检测。分析了砂岩与页岩光谱的不确定度差异，形成了流程化的包括光谱数据提取、筛选、校正、归一化的预处理方法，有效降低了单一样本与样本间光谱不确定度。基于偏最小二乘回归，形成了模型输入参数优化流程，避免了模型过拟合与欠拟合，提高了定量预测准确度。对岩石中的Si、Ca、Fe、Al、Mg等元素进行了定量分析，多数样本的平均预测均方根误差小于1%。本研究为天然岩石的矿物组分分析与岩性识别提供了技术支持。

针对核工业辐照环境下铀等元素组分远程测量的需求，基于光纤式激光诱导击穿光谱系统，研究了铀矿石样品中铀元素谱线强度的影响因素及其定量测量方法。在实验中，采用光纤传输30 mJ脉冲激光并将其聚焦在铀矿石粉末压片上产生激光诱导等离子体，然后通过同轴光纤回传等离子体自发光。首先，研究了气氛环境对铀元素谱线的影响。结果显示：氦气气氛下铀质量分数为0.425%的样本的U II 409.013 nm谱线的信噪比相比空气气氛下提高了1.37倍，同时，氦气气氛下铀质量分数为0.0726%的样本的U II 409.013 nm谱线的信噪比达到了8.9。其次，根据谱线信噪比、信背比和净强度将系统的探测延时优化至1000 ns。最后，提出了一种基于内标法原理的多元线性定标方法，通过引入基质元素与铀的谱线比值进行回归，使得铀的检测限达到142 mg/kg，定量限达到426 mg/kg。与基于谱线峰值的单变量回归方法相比，所提多元线性定标方法将铀元素的定标决定系数R²从0.9711提升到0.9984，均方根误差从0.200%减小到0.0404 %。本文方法和研究结果可为铀元素含量的测量提供技术支撑。

针对飞秒脉冲激光诱导击穿光谱（fs-LIBS）中Al靶温度对AlO分子光谱的影响进行了实验研究。通过测量AlO分子的光谱强度和振动温度，发现Al靶温度对fs-LIBS技术中AlO分子的光谱特性有显著的影响。研究结果表明，提高靶材温度能有效增强fs-LIBS中AlO分子的光谱信号强度，并提高分子的振动温度和寿命。此外，时间分辨光谱分析结果还揭示出在高Al靶温度条件下，AlO分子的辐射寿命较长，光谱信号强度较强。这意味着在高温下，分子能够停留更长的时间，增加了光谱信号的持续时间。通过调控飞秒激光能量和靶材温度，可以获得更强的分子发射和光谱信号，从而实现更高的灵敏度和准确性。研究结果为fs-LIBS技术中样品温度对分子光谱的调控机制研究提供了实验数据。

为了满足信息化时代对信息加密安全性的要求，提出一种基于激光诱导击穿光谱（LIBS）技术的信息安全加密方法。使用常用的葡萄糖酸锌片和去离子水配制的水溶液在白纸上书写需要加密的信息，通过分析白纸和涂抹葡萄糖酸锌水溶液的白纸的LIBS光谱，发现Zn I在328.23 nm、472.22 nm和481.05 nm处的光谱线可以解读加密信息。通过扫描获得载有加密信息的白纸上不同位置处的LIBS光谱，并进一步通过去除基线、归一化和光谱叠加提高光谱强度空间分布的对比度，使得加密信息较清晰完整地被解读出来。实验结果表明，该方法通过生活中常用的葡萄糖酸锌片，实现了高效隐藏信息提取，具有安全性高、成本低和制作便捷等优点，为LIBS在信息加密领域提供了新思路，具有一定的潜在应用价值。

耐热钢微观组织及机械性能会随着服役过程发生退化，对老化状态的实时快速监测对安全运行及生产具有重要意义。基于便携式激光诱导击穿光谱（LIBS）设备对获取的T91光谱特征进行降维并优化了老化等级评估模型，实现了对T91耐热钢老化等级的快速诊断。分别采用主成分分析与线性判别式分析（LDA）的降维方法，对光谱特征进行优化精简。而后基于降维后的数据，进一步采用K最近邻算法和支持向量机（SVM）算法来建立金属老化等级评估模型，讨论了建模关键参数选择对模型性能的影响。结果表明，经过LDA降维的光谱数据能实现更好的聚类分布，可有效提高评估模型的准确率。同时，应用LDA-SVM模型能获得最高的老化等级评估准确度，达94.58%。所采用的模型建模方法可有效实现基于便携式LIBS的T91耐热钢老化等级评估。

钪（Sc）被广泛用于固体氧化燃料电池、陶瓷材料、催化剂与轻质高温合金等的制造，是不可或缺的重要战略资源，稀土矿石中Sc元素的定量分析对于稀土矿的勘探、开采具有重要意义。笔者提出了一种基于激光诱导击穿光谱（LIBS）结合随机森林（RF）算法的稀土矿石样品中Sc元素定量分析的方法。首先，考察了不同光谱预处理方法对RF校正模型预测性能的影响；然后，利用变量重要性测量（VIM）进行RF校正模型输入变量的选择与优化。为了进一步验证VIM-RF模型的预测性能，将其与标准曲线法、偏最小二乘（PLS）以及基于波段选择的RF模型进行了比较。最后，在最优化的光谱预处理（WT）和VIM阈值（阈值为0.016）等条件下，建立了基于小波变换结合VIM的RF校正模型。结果表明，VIM-RF校正模型表现出了良好的预测性能：RCV2为0.9981，RMSE_CV为0.0430 mg/kg，MRE_CV为0.0047，RP2为0.9993，RMSE_P为0.4964 mg/kg，MRE_P为0.0481。因此，LIBS技术结合RF算法可以有效实现稀土矿石中稀土元素Sc的定量分析，可为稀土矿石的品位分析与精准开采提供借鉴。

快速准确测定铁矿石中的硅、 铝、 钙、 镁含量对铁矿石质量评价具有重要作用。 受制于多变量分析方法过拟合现象以及不同种类样品基体效应, 使用激光诱导击穿光谱（LIBS）准确测定铁矿石中硅、 铝、 钙、 镁含量仍然是当前存在的挑战。 采用变量重要性-反向传播人工神经网络（VI-BP-ANN）辅助LIBS定量分析铁矿石中硅（以SiO2计）、 铝（以Al2O3计）、 钙（以CaO计）和镁（以MgO计）的含量。 在这项研究中, 收集了12种244批铁矿石代表性样品的LIBS光谱, 优化了光谱预处理方法, 使用随机森林（RF）对LIBS光谱特征的重要性进行了测量, 使用袋外(OOB)误差优化RF模型参数, 变量重要性阈值用于优化BP-ANN校准模型的输入变量。 变量重要性阈值和神经元数量通过五折交叉验证（5-CV）的测定系数（R2）和均方根误差（RMSE）进行优化。 结果显示测试样本SiO2、 Al2O3、 CaO和MgO含量预测均方根误差（RMSEP）分别为0.377 2 wt%、 0.133 9 wt%、 0.059 2 wt%和0.141 1 wt%, R2分别为0.970 1、 0.955 4、 0.987 1、 0.997 5。 相比于使用相同的预处理方法作为PLS、 SVM、 RF和BP-ANN四种模型的输入, VI-BP-ANN在校准集和预测集都显示出出色的预测能力。 结果表明LIBS与VI-BP-ANN的结合有潜力在实际应用中实现铁矿石硅、 铝、 钙、 镁含量的快速准确预测。

飞机蒙皮激光除漆过程的在线监测, 是实现分层可控除漆、 满足适航维修要求的重要手段, 也是推进激光除漆工程应用、 飞机维修自动化的核心技术。 激光诱导击穿等离子体光谱（LIBS）技术可通过激光材料作用过程中产生的等离子体发射光谱快速分析材料表面元素变化, 实现激光清洗表面状态的在线监测。 基于搭建的高频纳秒红外脉冲激光除漆LIBS在线监测平台, 分别采集了不同激光功率下, 面漆、 底漆、 铝合金基体去除过程中的3类LIBS光谱（各100幅）。 分析了不同激光功率下, 各类光谱示踪元素特征谱线的变化情况, 初步筛选了12条特征谱线作为光谱识别的特征。 进一步对这12个特征进行主成分分析（PCA）, 并将前3个主成分（PC1、 PC2、 PC3）构成的数据集作为支持向量机（SVM）识别模型的输入量, 建立了3类光谱的识别模型。 形成了多漆层结构激光分层可控清除过程的LIBS在线监测判定规则, 并对该规则的有效性进行了实验验证。 结果表明, 与低频脉冲激光单点作用采集的针状LIBS光谱相比, 基于该平台采集的LIBS光谱普遍存在较强的连续背景（大于5 000 a.u.）以及1.5 nm左右的半峰全宽; 针对此类光谱设计了改进均值平滑滤波算法, 在去除背景光谱的同时有效避免了特征谱线强度失真; 示踪元素的特征谱线存在不稳定性; 主成分分析中前3个主成分PC1、 PC2、 PC3对光谱的解释率达95%, 在其构成的三维空间中, 同类光谱呈区域性聚集; PCA-SVM模型对训练集、 测试集的识别准确率分别为99.44%、 100%; 验证实验结果表明3类光谱的识别模型与在线监测判定规则有效。 所建立的识别模型与判定规则, 可为飞机蒙皮激光分层除漆过程监测及自动化解决方案提供核心技术支撑。