[发明专利]一种基于拉曼光谱和PCA-HCA的不同品位磷矿的鉴别和分类方法

说明书

本发明公开了一种拉曼光谱技术结合PCA‑HCA的不同品位磷矿鉴别和分类的方法，属于光谱应用技术领域。包括：取不同品位的磷矿样品，采用拉曼光谱仪获取各个样本的拉曼光谱原始信息；对采集的拉曼光谱原始信息进行预处理，并对经过预处理后的拉曼光谱结合主成分分析(PCA)和层次聚类分析(HCA)建立判别模型，实现待测磷矿样品的分类。该方法简化了样品的预处理步骤，避免了繁琐的化学过程，缩短了检测时间，具有快速，准确度高，无损等优点，对鉴别不同品位的磷矿有重要的推动作用，为矿井下快速、实时和在线检测提供了新思路，对提高磷矿的开采效率，降低开采成本及环境保护有重要意义。

技术领域

本发明涉及光谱应用技术领域，尤其涉及一种基于拉曼光谱和PCA-HCA的不同品位磷矿的鉴别和分类方法。

背景技术

磷矿是我国重要的战略资源，它既是多种磷制品的重要矿物原料，同时也是食品安全和精细磷化工的物质基础。我国磷矿总储量丰富，但富矿少，90％的磷矿品位低于26％，平均品位仅为16.85％，大部分矿石需要经过选矿才能利用。评价磷矿石的品位是选矿过程中的一个重要环节，在我国，磷矿石品位是指磷矿石中P2O5的含量，通过有效P2O5含量的测定对磷矿进行初筛，可以预测磷矿的工业开采价值和开采难度。

当前测定磷矿石品位的方法有物理方法和化学方法，包括常规化学分析法、红外光谱法、核磁共振法、X射线、等离子体质谱法(ICP-MS)、离子交换法、色谱法、质谱法等。但其中大多数方法需要在实验室中进行，且检测过程相对繁琐，有的方法需要对样品进行复杂的前处理，不能很好的适应当今对大量样品快速检测，尤其是矿下现场检测分析的需要。寻找一种快速有效的磷矿品位鉴别和分类方法，提高磷矿资源利用效率，对我国工业和农业可持续发展具有重要意义。

拉曼光谱是一种新兴的分子指纹技术，可得到样品内部的物理、化学和深层结构信息，对物质进行表征，检测过程迅速且不破坏样品。与红外光谱相比，拉曼光谱振动叠加效应较小，谱带更清晰，更易通过矿石光谱信息中特征峰的归属对矿石结构信息进行判断。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于拉曼光谱和PCA-HCA的不同品位磷矿的鉴别和分类方法。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种基于拉曼光谱和PCA-HCA的不同品位磷矿的鉴别和分类方法，该方法包括以下步骤:

S1、取多种已知品位的磷矿粉末样品，对其进行压片处理，得到不同品位对应的压片样品；

S2、对各个压片样品选取若干个测量点，进行激光拉曼光谱测量，分别得各测量点的拉曼光谱；

S3、对各测量点的拉曼光谱的原始信息进行预处理，包括平滑、基线校正和一阶导数处理，得到对应的预处理谱图；

S4、采用步骤S1-S3得到的各种不同品位的磷矿样品预处理谱图，建立数据库；

S5、编写主成分分析与系统聚类分析MATLAB程序，对步骤S4中得到的数据库进行主成分分析-系统聚类分析，建立PCA-HCA判别模型；

S6、对待测品位磷矿样品进行鉴别和分类：在相同条件下测量待测品位磷矿样品，将测量的光谱经过预处理后导入PCA-HCA判别模型中，实现待测磷矿样品的分类判别。

进一步地，本发明的步骤S2中采用共聚焦激光拉曼光谱测量方法，得到各测量点的拉曼光谱。

进一步地，本发明的步骤S2中对各个压片样品选取的测量点数量不小于50个。

进一步地，本发明的步骤S3中进行预处理中的基线校正方法采用airPLS法基线校正。

进一步地，本发明的步骤S5中主成分分析-系统聚类分析PCA-HCA判别模型的建立：判别距离采用欧式距离，其定义式为：