一种基于遗传算法的LIBS定标定量分析方法技术

本发明专利技术涉及一种基于遗传算法的LIBS定标定量分析方法，具体步骤为：1)获得LIBS光谱数据；2)获取待测元素特征光谱；3)参数编码，形成遗传算法初始种群；4)计算种群中各个个体适应度；5)按选择、交叉和变异概率形成新种群；6)重复4)、5)至满足结束条件，输出最优谱线(谱线对)位置；7)根据最优谱线(谱线对)进行定标(内定标)定量分析。以本方法得到的最优谱线(谱线对)作为分析线(分析线和参考线)，可以实现对待测元素浓度较为准确的定量分析。其优点在于无需人工选择分析线(参考线)，可以准确的找到高判定系数(R2)、低检出限(LOD)与低相对标准差(RSD)的元素谱线(谱线对)作为分析线(分析线和参考线)。

【技术实现步骤摘要】

本专利技术属于光谱分析及物质材料组成成分分析领域，具体来讲是一种基于遗传算法的LIBS定标定量分析方法。
技术介绍
激光诱导击穿光谱(LIBS)分析技术，是一种采用脉冲激光作为能量源的发射光谱分析技术，可以实现物质化学元素的定性和定量分析。它具有无需制样、直接快速、样品损失量小等特点，近年来成为了冶金分析、文物保护、地质化学、环境工程等领域的研究热点。定标(内定标)曲线分析法是通过对已知浓度标准样品的LIBS测量，绘制谱线强度——元素浓度的关系曲线(定标曲线)，在测量分析样品光谱强度以后，直接通过关系曲线得到元素的浓度的定量分析方法。作为最基础的定量分析方法，无论是基于单个谱线强度的基本定标分析法还是基于分析线与参考线对的内定标分析法，其主要依赖的是分析线(参考线)的选择。选择清晰准确、干扰小的谱线是定标法的关键。传统的分析线(参考线)是由分析人员通过观察谱线，结合光谱数据库和自身经验进行选择的。随着LIBS测量数据量的增加，这种人工选择分析线(参考线)的方法效率低下，基本无法找到全局最优的谱线，由此产生的定标曲线对测量样品进行定量分析很难达到良好而稳定的效果。
技术实现思路
针对现有技术中存在的上述不足之处，本专利技术要解决的技术问题是提供一种能够自动最优谱线搜索，并利用得到的最优谱线实现定标曲线法元素浓度定量分析的基于遗传算法的LIBS定标定量分析方法。本专利技术为实现上述目的所采用的技术方案是：一种基于遗传算法的LIBS定标定量分析方法，包括以下步骤：步骤1：获取标准样品的LIBS数据，确定波长范围；步骤2：载入特征谱线数据库，读取待测元素在步骤1确定的波长范围内的全部特征光谱位置信息，在特征谱线数据库对应元素的特征谱线位置附近寻峰，确定测量的LIBS数据中相对应的特征谱线具体位置；步骤3：根据LIBS数据长度、选择谱线数量确定编码位数，形成遗传算法初始种群；步骤4：以判定系数R2、检出限LOD和相对标准差RSD的加权和作为适应度函数，寻找种群内最优谱线对应的个体；步骤5：对初始种群进行选择、交叉和变异操作，将得到的新个体重插入原种群形成新种群；步骤6：重复步骤4、步骤5，直至遗传算法满足结束条件，结束整个算法过程，输出最终得到的最优谱线位置；步骤7：应用最优谱线对待测元素浓度进行定标定量分析。所述特征谱线数据库为已知信息，由高纯度物质测量或原子发射光谱数据库获得。还包括：对步骤2中得到的特征光谱位置信息，在待测样品LIBS数据的相应位置附近做寻峰处理。所述根据LIBS数据长度、选择谱线数量确定编码位数，具体为：对于在长度为length的数据中选择n条谱线，其编码位数由确定确定。所述适应度函数为：fitness=1000a×1-R21-R02+1000b×LODLOD0+1000c×RSDRSD0]]>其中R2为判定系数，为判定系数惩罚阈值，LOD为检出限，LOD0为检出限惩罚阈值，RSD为相对标准偏差，RSD0为相对标准差惩罚阈值，a、b、c分别为三个参数对应的惩罚因子的指数。所述步骤5根据LIBS数据长度选择种群大小、交叉概率、变异概率、选择概率，形成新种群。所述交叉概率介于0.7～0.9之间，变异概率介于0.05～0.15之间，选择概率介于0.7～0.9之间。所述结束条件为：若干代进化后最优适应度个体没有变化或达到设置的最大进化代数。本专利技术具有以下优点及有益效果：1.不需通过观察LIBS测量光谱人工选择分析线(参考线)，只需通过设置合理的适应度函数即可得到相应的最优谱线，这样得到的谱线更具有全局最优性，通过其建立的定标曲线能够更准确的描述其与元素浓度间的关系。2.通过改变遗传算法染色体编码结构和长度，相应的调整适应度函数，可以灵活的选择不同元素、不同评价指标的多条谱线，即可用于单一变量的定量分析方法，又可为多变量的定量分析方法提供初始数据。3.本专利技术所采用的方法，是应用遗传算法，结合光谱数据库中特征谱线信息，设置合理的适应度函数，通过种群进化来达到自动搜索光谱范围内待测元素最优谱线的目的，最终给出LIBS测量范围内的最优谱线，以此为分析线(参考线)建立定标分析曲线对元素浓度进行定量分析。附图说明图1为本专利技术方法实现流程图；图2为低合金钢样品最优谱线对定标曲线法定量分析结果本专利技术方法流程图。具体实施方式下面结合附图及实施例对本专利技术做进一步的详细说明。本专利技术针对LIBS信号中不同元素特征谱线位置不同，不同浓度的同种元素特征谱线强度值不同的特点，寻找最优特征谱线位置，根据其谱线强度确定对应元素浓度。如图1所示，方法开始后读取由LIBS实验平台获得的实验光谱数据作为输入，找到待测元素对应的各个谱线，通过遗传算法优化，选择出最优谱线位置，并通过其建立定标曲线对待测元素浓度进行分析。具体实现步骤如下：步骤1：获取样品的LIBS数据，确定波长范围。其中涉及到的样品为标准样品，待测元素有准确浓度；LIBS数据通过实验测量获得。步骤2：载入特征谱线数据库，读取待测元素在步骤1确定的波长范围内的全部特征光谱位置信息。特征谱线数据库由高纯度物质测量或原子发射光谱数据库获得，为标准特征谱线数据库，适用于所有样品。在特征谱线数据库对应元素的特征谱线位置附近寻峰，确定测量的LIBS数据中相对应的特征谱线具体位置。由于实验环境和参数、操作的不同，测量得到的LIBS数据对应特征谱线位置的谱峰会存在偏移，通过在标准库中特征谱位置附近范围的最小位移寻峰操作，找到具体LIBS数据中的特征谱线位置。步骤3：根据最终获得的谱线数量确定编码位数，形成遗传算法初始种群。步骤4：以判定系数(R2)、检出限(LOD)和相对标准差(RSD)的加权和作为适应度函数，寻找最优谱线对应的个体。通过添加、删除参与评价的参数和调整参数权值，可以调节最优值关注的重点，得到更适应待测样品特性和实验环境的适应度函数。步骤5：对初始种群进行选择(复制)、交叉和突变操作，重插入原种群形成新种群。通过保留父代种群的高适应度个体和插入子代种群中的高适应度个体形成一个具有更高适应度而不同于父代种群的新种群。根据LIBS数据长度选择种群大小(一般为100)、交叉概率(0.7～0.9)、变异概率(0.05～0.15)、选择概率(0.7～0.9)，形成新种群。步骤6：重复步骤4、步骤5，直至遗传算法满足结束条件，结束整个算法过程，输出最终得到的最优谱线(谱线对)位置。算法结束条件一般设置为N代进化后最优适应度个体没有变化或达到设置的最大进化代数，以尽可能保证得到的最优值为全局最优。步骤8：应用最优谱线(谱线对)对待测元素浓度进行定标(内定标)定量分析。整个方法除了选线实现定标曲线法定量分析外，也可以通过改变编码长度和结构，调整适应度函数，选择出多条最优谱线，为其他多元定量分析方法提供初始数据。按以上所述方法分别分析10块低合金钢标准样品中Cr、Ni、Mn、Si四种元素的浓度，以其中8块样品作为训练样本，剩余2块样品作为验证样本，测试方法的最终效果。设定适应度函数如下：fitness=1000a×1-R21-0.95+1000b×LOD1000+1000c×10&time本文档来自技高网...

【技术保护点】
一种基于遗传算法的LIBS定标定量分析方法，其特征在于，包括以下步骤：步骤1：获取标准样品的LIBS数据，确定波长范围；步骤2：载入特征谱线数据库，读取待测元素在步骤1确定的波长范围内的全部特征光谱位置信息，在特征谱线数据库对应元素的特征谱线位置附近寻峰，确定测量的LIBS数据中相对应的特征谱线具体位置；步骤3：根据LIBS数据长度、选择谱线数量确定编码位数，形成遗传算法初始种群；步骤4：以判定系数R2、检出限LOD和相对标准差RSD的加权和作为适应度函数，寻找种群内最优谱线对应的个体；步骤5：对初始种群进行选择、交叉和变异操作，将得到的新个体重插入原种群形成新种群；步骤6：重复步骤4、步骤5，直至遗传算法满足结束条件，结束整个算法过程，输出最终得到的最优谱线位置；步骤7：应用最优谱线对待测元素浓度进行定标定量分析。

【技术特征摘要】
1.一种基于遗传算法的LIBS定标定量分析方法，其特征在于，包括以下步骤：步骤1：获取标准样品的LIBS数据，确定波长范围；步骤2：载入特征谱线数据库，读取待测元素在步骤1确定的波长范围内的全部特征光谱位置信息，在特征谱线数据库对应元素的特征谱线位置附近寻峰，确定测量的LIBS数据中相对应的特征谱线具体位置；步骤3：根据LIBS数据长度、选择谱线数量确定编码位数，形成遗传算法初始种群；步骤4：以判定系数R2、检出限LOD和相对标准差RSD的加权和作为适应度函数，寻找种群内最优谱线对应的个体；步骤5：对初始种群进行选择、交叉和变异操作，将得到的新个体重插入原种群形成新种群；步骤6：重复步骤4、步骤5，直至遗传算法满足结束条件，结束整个算法过程，输出最终得到的最优谱线位置；步骤7：应用最优谱线对待测元素浓度进行定标定量分析。2.根据权利要求1所述的一种基于遗传算法的LIBS定标定量分析方法，其特征在于，所述特征谱线数据库为已知信息，由高纯度物质测量或原子发射光谱数据库获得。3.根据权利要求1所述的一种基于遗传算法的LIBS定标定量分析方法，其特征在于，还包括：对步骤2中得到的特征光谱位置信息，在待测样品LIBS数据的相应位置附近做寻峰处理。4.根据权利要求1所述的一种基于遗传算法的...

【专利技术属性】
技术研发人员：孙兰香，于海斌，张鹏，丛智博，辛勇，
申请(专利权)人：中国科学院沈阳自动化研究所，
类型：发明
国别省市：辽宁;21