一种烧结矿中全铁及碱度的定量分析方法技术

本发明专利技术公开了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。该方法包括样品准备、获取激光光谱数据、建立极限学习机校正模型、建立核极限学习机模型及检测待测烧结矿样品等步骤。本发明专利技术分析速度快、准确度高，对指导炼钢过程有着重要的意义。

A quantitative analysis method for total iron and basicity in sinter

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，它的回归模型是通过测试样品待测元素含量与单个特征峰的积分强度建立的。由于激光能量波动、样品不均匀和基体效应的存在，单变量校正模型不能满足定量分析的需求。
技术实现思路
本专利技术的目的是针对上述现有技术中的不足，提供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。本专利技术的目的是通过以下技术方案实现的：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全铁及碱度成份含量；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，采用预处理过的测试集样本数据据验证所建立的烧结矿中全铁和碱度K-ELM模型，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采用激光诱导击穿光谱系统采集光谱据数，并输入烧结矿中全铁和碱度核极限学习机模型K-ELM即得全铁和碱度的含量值。本专利技术的进一步设计在于：步骤1中，所述烧结矿样品进行压片样品前处理时，先将烧结矿样品研磨成粉末，分别压片制作成薄片状样品。先将烧结矿样品研磨成粉末后过200目筛网，再压制成4mm厚的薄片状样品。步骤1中，烧结矿样品的数量至少在20件以上；随机选取占总数50％-80％的样品作为校正集样本，其余样品作为测试集样本。步骤2中，每个烧结矿样品随机挑选20个测量位点进行采集，每个测量光谱是10次激光脉冲信号的叠加。步骤7中验证时，均方根误差RMSE应小于0.1％，相关系数R应大于0.9，否则需重新调整模型参数，重复步骤1-6。本专利技术相比现有技术具有如下有益效果：1.本专利技术的方法包括样品准备、获取激光光谱数据、建立极限学习机校正模型、建立核极限学习机模型及检测待测烧结矿样品等步骤。该能够有效避免校正速度过慢以及过拟合的问题，且能够克服随机初始化权重和偏置导致结果的不稳定性的现象。因此在，该方法结合LIBS技术，将会实现对烧结矿快速准确的定量检测。2.本专利技术对指导炼钢过程有着重要的意义，有助于冶金原料的过程分析与控制，大大降低了分析时间，节省了生产成本，在一定程度上避免了原材料和能源的浪费，在冶金行业有着广阔的市场应用前景。3.本专利技术分析速度快，每次测量时间约在1-3秒，有效提升了冶炼过程中烧结矿成分分析的效率。4.本专利技术准确度高，降低了由激光脉冲能量的波动性、样品表面的不均匀性以及其它非目标因素带来的影响；5.本专利技术无需样品前处理，针对任何形状的样品均可直接开展测量，节省了样品处理时间；无损检测，微区分析降低了对样品的损伤；6.本专利技术实现了烧结矿的原位在线实时分析，提升生产线能力；有助于冶金原料的过程分析与控制，大大降低了分析时间，节省了生产成本，在一定程度上避免了原材料和能源的浪费。具体实施方式下面结合实施例对本专利技术作进一步说明：实施例一本例的激光诱导击穿光谱系统包含调QNd:YAG激光器，波长为1064nm，激光器重复频率1Hz，脉冲宽度为1ns，激光脉冲能量150mj；延时器，延时精度为10ns；三通道光纤光谱仪，波长范围为200-500nm，分辨率为0.07nm，压片机。在实验过程中，为了获得信噪比好的谱图，每个谱图是由20次信号累加获得的。为了防止检测到韧致辐射的脉冲激光，优化后激光能量为80mJ，延时时间3μs。1)样品准备：选择30个成分含量已知的烧结矿样品(石钢京诚装备技术有限公司)，每个烧结矿样品用球磨机研磨并过200目筛子。为了便于实验测量，每个样品被制成大约4mm厚的薄片。从30个样品中随机选出20个样品作为校正集样品，用于建立极限学习机校正模型KLM，剩余10个样品作为测试集样品，用于验证校正模型的正确性；每个薄片随机挑选20个测量位点进行采集，每个测量光谱是10次激光脉冲信号的叠加以便提高其信噪比。2)使用激光诱导击穿光谱系统对烧结矿样品进行光谱采集，由于成分含量已知，分别得到测试集样本数据和校正集样本数据；30个烧结矿样品共获得600个分析光谱(每个烧结矿样品20个分析光谱)和30个全铁及碱度成份含量。其中选取的20个校正集样品的400个分析光谱和20个校正集样品的全铁及碱度成份含量的作为校正集样本数据，剩余的10个测试样本的200个分析光谱和10个校正集样品的全铁及碱度成份含量的作为测试集样本数据。3)由于激光脉冲能量的波动性、样品表面的不均匀性以及其它非目标因素的存在，使得采集到的LIBS光谱重现性较差，为了减小样本内部之间的差异性，采用最大强度归一化法对步骤2所获得的校正集样本数据和测试集样本数据进行预处理；4)建限学习机模型；5)采用高斯核函数作为进一步构建核极限学习机模型(K-ELM)，并采用预处理后的校正集样本数据通过网格搜索和5-折交叉验证，对核极限学习机模型(K-ELM)中惩罚因子C和核参数γ进行优化，以提升模型的泛化能力；C和γ的取值范围均为(21，22，...，219，220)，结果表明，最优的模型参数(C，γ)为(211，24)。网格搜索：将所有参数的本文档来自技高网...

【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