[发明专利]基于能量色散X射线谱的粉煤灰物相分析方法有效
申请号: | 201510605117.7 | 申请日: | 2015-09-22 |
公开(公告)号: | CN105241904B | 公开(公告)日: | 2018-01-16 |
发明(设计)人: | 吴丹琳;王培铭;刘贤萍;袁勇 | 申请(专利权)人: | 同济大学 |
主分类号: | G01N23/223 | 分类号: | G01N23/223;G01N23/20;G01N23/203 |
代理公司: | 上海正旦专利代理有限公司31200 | 代理人: | 张磊 |
地址: | 200092 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及一种基于能量色散X射线谱的粉煤灰物相分析方法,具体步骤(1)通过化学分析或X射线荧光光谱分析粉煤灰的化学组成;(2)通过X射线衍射分析粉煤灰的矿物组成;(3)确定需要采集能谱面分布图像的元素种类;(4)采集粉煤灰的背散射电子图像与元素能谱面分布图像,并对主要物相进行能谱点分析;(5)设计物相分析方法,综合处理同一区域各元素的能谱面分布图像,然后,去除分析结果中的噪声,获得粉煤灰的分相伪彩色图以及物相分析结果。本发明所述的物相分析方法对晶态、非晶态物相均有效,对低含量物相也敏感。该方法可用于分析构成粉煤灰的物相种类,计算物相的体积百分含量,观测物相的空间分布。 | ||
搜索关键词: | 基于 能量 色散 射线 粉煤 灰物相 分析 方法 | ||
【主权项】:
基于能量色散X射线谱的粉煤灰物相分析方法,其特征在于具体步骤如下:(1) 分析粉煤灰的化学组成:通过化学分析或X射线荧光光谱分析粉煤灰的化学组成,根据测得的元素种类和元素含量信息,将所获得的元素种类初步确定为需要采集能谱面分布图像的元素种类;(2) 确定晶态物相组成:根据X射线衍射图谱获得粉煤灰中的晶态物相种类,将所述晶态物相种类以及步骤(1)获得的粉煤灰的化学组成作为能谱图像分相方法的设计依据之一;(3) 确定需要采集能谱面分布图像的元素种类:将步骤(1)和步骤(2)的测试结果、粉煤灰中常见的化学元素、粉煤灰的来源信息进行综合分析,最终确定需要采集能谱面分布图像的元素种类;(4) 背散射电子图像采集与能谱分析:在粉煤灰样品中选择有代表性的区域作为测试区域,采集背散射电子图像以及步骤(3)确定的每个元素的能谱面分布图像,然后,观察所得的背散射电子图像与元素能谱图像的物相构成特点,在此基础上,对测试区域中的典型物相进行能谱点分析;通过能谱点分析初步探测到粉煤灰的物相组成;(5) 物相划分:根据X射线衍射、元素能谱面分布图像、能谱点分析结果,设计分相方法,将同一测试区域的多张元素能谱面分布图像叠合处理,判断测试区域中各个像素的物相种类,然后,去除分析结果中的噪声,得到粉煤灰的物相种类、含量、空间分布信息以及分相伪彩色图;所述的分相方法采用决策树分析法,具体如下:(5.1)决策树的根节点设计:将测试区域中的每个像素位置作为根节点;(5.2)决策树的叶节点设计:将物相识别目标作为叶节点,每个叶节点只有一个前驱节点,没有后继节点;所述物相识别目标为下述物相中一种以上:SiO2 ;Al2O3;由Al、Si和O元素构成的物相;由K、Al、Si和O元素构成的物相;由Na、Al、Si和O元素构成的物相;CaSO4相;由Ca、Al、Si和O元素构成的物相;由Ca、Mg、Al、Si和O元素构成的物相;镁相;铁相;钛相;氟相;磷相;(5.3)处理元素能谱面分布图像的种类:能够将Si、Al、Ca、Fe、S、Mg、K、Na、Ti、F、P和O元素的能谱面分布图像进行叠合处理;(5.4)决策树的内节点设计:决策树上除根节点和叶节点之外,其余节点均为内节点,每个内节点只有一个前驱节点,两个后继节点,即一个内节点经过判断之后会产生两个树枝,两个树枝上各设置一个后继节点,当两个后继节点分别为下一个内节点时,每一个内节点又会产生两个树枝;依此类推,直至树枝经过若干次分叉后判断出具体的物相,即抵达叶节点,对应的树枝便停止分叉;所述内节点分为两类:第一类内节点是将某一元素能谱面分布图像上各像素的灰度与设定的灰度阈值进行对比,高于阈值的像素判断为信号,其余像素视为噪声;第二类内节点是将两种元素的灰度值之比与设定的阈值进行比较,用以区分由相同元素按照不同比例关系构成的物相;(5.5)决策树分析法中的图像处理顺序:首先分析Si元素的能谱面分布图像,然后分析Al元素的能谱面分布图像,后续其他元素的处理顺序可按需要调整;(5.6)判断物相种类的方法:判断测试区域中任一像素位置的物相种类时,需要综合分析各元素能谱面分布图像中相同位置处的像素信息,各种物相的判断原则是:对于SiO2:在Si元素和O元素的能谱面分布图像中是信号,在Al元素和Mg元素的能谱面分布图像中是噪声;对于Al2O3:在Si元素的能谱面分布图像中是噪声,在Al元素和O元素的能谱面分布图像中是信号;对于Al、Si和O元素构成的物相:在Si元素和Al元素的能谱面分布图像中是信号,在Ca元素、K元素和Na元素的能谱面分布图像中是噪声;当观测到测试区域中由Al、Si和O元素构成的物相在一种以上时,用O/Si、O/Al或者Al/Si对其进一步区分,上述比值均为像素的灰度值之比;对于K、Al、Si和O元素构成的物相:在Si元素、Al元素和K元素的能谱面分布图像中是信号,在Ca元素的能谱面分布图像中是噪声;对于Na、Al、Si和O元素构成的物相:在Si元素、Al元素和Na元素的能谱面分布图像中是信号,在Ca元素和K元素的能谱面分布图像中是噪声;对于CaSO4相:在Si元素和Al元素的能谱面分布图像中是噪声,在Ca元素和S元素的能谱面分布图像中是信号;对于Ca、Al、Si和O元素构成的物相:在Si元素、Al元素和Ca元素的能谱面分布图像中是信号,在Mg元素的能谱面分布图像中是噪声;对于Ca、Mg、Al、Si和O元素构成的物相:在Si元素、Al元素、Ca元素和Mg元素的能谱面分布图像中是信号;对于镁相:在Si元素、Mg元素和O元素的能谱面分布图像中是信号,在Al元素的能谱面分布图像中是噪声;对于铁相:在Si元素、Al元素、Ca元素和F元素的能谱面分布图像中是噪声,在Fe元素的能谱面分布图像中是信号;对于钛相:在Si元素、Al元素、Ca元素和Fe元素的能谱面分布图像中是噪声,在Ti元素的能谱面分布图像中是信号;对于氟相:在Si元素、Al元素和Ca元素的能谱面分布图像中是噪声,在Fe元素和F元素的能谱面分布图像中是信号;对于磷相:在Si元素、Al元素和S元素的能谱面分布图像中是噪声,在Ca元素和P元素的能谱面分布图像中是信号;将最终无法归类为任何一种物相的像素判断为孔隙,上述决策树分析法要遍历测试区域的每个像素位置。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于同济大学,未经同济大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201510605117.7/,转载请声明来源钻瓜专利网。