[发明专利]一种遗传算法结合激光诱导击穿光谱提高自由定标分析精度的方法

说明书

技术领域

本发明涉及一种遗传算法结合激光诱导击穿光谱提高自由定标分析精度的方法，属于光谱分析技术领域。

背景技术

激光诱导击穿光谱(laser-induced breakdown spectroscopy, LIBS)是一种新兴的原子发射光谱技术，LIBS技术以其快速、无需复杂样品前处理和多元素同时分析等优势已经被成功地应用于金属和合金、艺术品、文物遗产、环境样品、地质样品、生物医学样品和核材料的定量分析。

定标曲线法是定量分析中的常用方法，通过对一系列具有浓度（或）含量梯度的标样进行测量，建立待测组分对应的光谱积分强度（或积分面积）与含量之间的标准曲线模型，利用该模型即可对未知样品的成分含量进行预测。在光谱分析领域，常见的定标曲线法，如内标法、外标法等是最基本的定量分析方法，尤其是内标法一定程度上可以提高LIBS定量分析精度，因而得到广泛应用。但外标法和内标法都需要基体匹配的一系列标样，且标样比较昂贵；另外，当测量环境不稳定，被测样品成分种类复杂时，建立的标准曲线极容易受到基体效应的干扰。

自由定标法（Calibration-free, CF)是适用于LIBS分析的另一种重要的定量分析技术手段。该方法最大的特点是不需要通过标样建立定标曲线而是通过等离子体发射机理建立数学模型来描述元素含量和光谱强度之间的关系，它能够一定程度上避免基体效应的影响。自由定标计算过程中最关键的一步就是等离子体温度的求解，通常是通过建立玻尔兹曼平面图来计算，理论上说玻尔兹曼曲线是平行的，也就是说，等离子体中各元素的温度应该是一致的，但实际情况中由于各元素特征谱线受到不同程度自吸收效应的影响，不能客观反映谱线的真实强度，从而严重影响到自由定标方法的定量分析性能。

遗传算法（Genetic Algorithm, GA）是一种启发式的全局寻优方法，它是借鉴自然界中的物质遗传进化思想而提出的。遗传算法的基本思想是借鉴生物进化论，将寻优问题模拟为生物物种的进化过程，通过复制、交叉、变异等作用产生下一代物种，然后通过比较淘汰适应度低的个体，保留适应度高的个体，随着进化过程的推进，种群中适应度高的个体越来越多，最终将进化出适应度值最高的个体即为最优解。

发明内容

本发明的目的是提供一种遗传算法结合激光诱导击穿光谱提高自由定标分析精度的方法，可以获得更加准确的等离子体温度，提高自由定标的定量分析性能。

本发明实现过程如下：

一种遗传算法结合激光诱导击穿光谱提高自由定标分析精度的方法，包括以下步骤：

（1）利用激光诱导击穿光谱系统对铝青铜合金样品分别进行光谱数据采集；

（2）对获得的光谱图进行小波变换滤噪处理后选择分析线和内标线；

（3）在自由定标理论公式中引入一个自吸收系数进行校准光谱强度；

（4）通过遗传算法从标样中寻求最佳的等离子体温度；

（5）获得等离子体温度后利用内标线将未知样品的温度校正到该温度，计算出未知样品的含量。

上述步骤（2）中，对每个样品的每个粒子选择一条被假设忽略自吸收的内标线。

上述步骤（3）中，将各分析线与选择的内标线作比即可估算出分析线的校准强度。

上述步骤（4）中，通过校准后的光谱强度获取玻尔兹曼图，进而得到了一系列温度，在最大和最小温度间用遗传算法获得最佳的等离子体温度。

本发明的优点与积极效果：本发明将遗传算法和LIBS光谱结合提高自由定标的分析精度，本发明提到了一种基于内标—外标自迭代校正的自由定标法（Internal reference—external standard for iteration correction, IRESIC）。引入内标线能够减小自吸收效应，校准谱线的光谱强度。这时遗传算法被用到一个标样中来寻求最佳的等离子体温度，能够克服自吸收对不同粒子的不同影响，这也是首次将遗传算法用到自由定标中来计算温度。通过获得的最佳温度计算出未知样品的含量，进而和传统的自由定标相比较，该方法大大提高了自由定标的分析精度。

附图说明

图 1是IRESIC的操作流程图；

图2是标准样品经IRESIC初始化校正前后的玻尔兹曼图；

图3是遗传算法迭代结果；

图4是未知样品经IRESIC校正前后的玻尔兹曼图。

具体实施方式

以下以1个标样和1个未知样为例，结合附图和实例来进一步说明本发明的操作流程，但本发明不限于此例。