The present invention discloses a quantitative analysis method of total iron and alkalinity in sinter, specifically a quantitative analysis method of total iron and alkalinity in sinter based on the combination of nuclear limit learning machine and laser induced breakdown spectroscopy. The method includes sample preparation, acquisition of laser spectrum data, establishment of limit learning machine correction model, establishment of nuclear limit learning machine model and detection of samples to be tested sinter. The invention has the advantages of fast analysis speed and high accuracy, and is of great significance for guiding steelmaking process.
【技术实现步骤摘要】
一种烧结矿中全铁及碱度的定量分析方法
本专利技术属光谱定量分析
,涉及一种烧结矿中全铁及碱度的定量分析方法,具体说为一种基于核极限学习机结合激光诱导击穿光谱的烧结矿中全铁及碱度的定量分析方法。
技术介绍
烧结矿是高炉冶炼的主要原料(80%以上),其质量的好坏对于钢铁工业的持续和稳定发展具有重要的意义。它是将各种含铁原料、辅料及适量的燃料和溶剂按工艺要求进行配比后,在烧结设备上进行烧结。全铁是重要的高炉冶炼控制元素,其含量的高低对烧结矿品质起着决定性作用。碱度是烧结工艺的重要指标,通常使用碱性氧化物CaO与酸性氧化物SiO2的质量分数的比值表示。通过调节烧结矿的碱度,从而改变入炉原料的整体碱度,保证高炉铁水较低的硫含量和吨铁焦比。因此,烧结矿的全铁含量和碱度分析对高炉冶炼的过程分析与控制至关重要。传统的烧结矿分析方法包括X荧光分析(XRF),ICP-AES等,但是ICP-AES分析要求复杂的样品制备,阻碍了其在原位在线分析中的应用。尽管XRF可作为一种无损分析方法,并已在很多领域得到应用,但是该方法对于轻元素的分析是非常困难的。激光诱导击穿光谱技术(LIBS)是一种且激光作为激发源的新型物质元素分析技术,因其具有快速、多元素同时分析、无需复杂样品前处理与远程探测等优势,被称为“未来的一颗巨星”,进而在冶金领域具有很大的应用潜力。目前,LIBS技术在冶金工业的应用主要包括原材料筛选、产品质量监测和废料回收与再利用等。激光诱导击穿光谱技术(LIBS)对于原材料的研究主要集中于铁矿石,对于烧结矿的研究较少。LIBS技术的定量分析最常用的方法是单变量的,它的回 ...
【技术保护点】
1.一种烧结矿中全铁及碱度的定量分析方法,包括以下步骤:步骤1,准备成分已知的烧结矿样品,从中随机选取大于样品总数50%的样品作为校正集样品,其余样品作为测试集样品;步骤2,采用激光诱导击穿光谱系统对上述烧结矿样品进行光谱数据采集,分别得到校正集样本数据和测试集样本数据,校正集样本数据和测试集样本数据均包含样本的光谱数据和成份含量数据;步骤3,对步骤2获得的样本数据采用最大强度归一化法进行预处理;步骤4,建立极限学习机模型;步骤5,采用高斯核函数进一步构建核极限学习机模型,并使用预处后的校正集样本数据通过网格搜索和5‑折交叉验证对模型的惩罚因子C和 核参数γ 进行优化;步骤6,将优化后的惩罚因子C和 核参数γ代入核极限学习机模型 ,作为最终的检测烧结矿中全铁和碱度的K‑ELM模型;步骤7,利用测试集样本验证步骤6中模型的有效性,验证结果通过均方根误差RMSE和相关系数R来评价;步骤8,将待测试烧结矿样品采用激光诱导击穿光谱系统采集光谱据,输入上述检测烧结矿中全铁和碱度的K‑ELM模型,即可测出待测试烧结矿的全铁和碱度的含量值。
【技术特征摘要】
1.一种烧结矿中全铁及碱度的定量分析方法,包括以下步骤:步骤1,准备成分已知的烧结矿样品,从中随机选取大于样品总数50%的样品作为校正集样品,其余样品作为测试集样品;步骤2,采用激光诱导击穿光谱系统对上述烧结矿样品进行光谱数据采集,分别得到校正集样本数据和测试集样本数据,校正集样本数据和测试集样本数据均包含样本的光谱数据和成份含量数据;步骤3,对步骤2获得的样本数据采用最大强度归一化法进行预处理;步骤4,建立极限学习机模型;步骤5,采用高斯核函数进一步构建核极限学习机模型,并使用预处后的校正集样本数据通过网格搜索和5-折交叉验证对模型的惩罚因子C和核参数γ进行优化;步骤6,将优化后的惩罚因子C和核参数γ代入核极限学习机模型,作为最终的检测烧结矿中全铁和碱度的K-ELM模型;步骤7,利用测试集样本验证步骤6中模型的有效性,验证结果通过均方根误差RMSE和相关系数R来评价;步骤8,将待测试烧结矿样品采用激光诱导击穿光谱系统采集...
【专利技术属性】
技术研发人员:丁宇,陈海秀,严飞,
申请(专利权)人:南京信息工程大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。