基于遗传算法优化基本参数快速生成X荧光光谱的方法技术

本发明专利技术提出基于遗传算法优化基本参数快速生成X荧光光谱的方法，涉及X射线荧光光谱学领域。本发明专利技术首先建立12～92号元素的最优仪器因子G

【技术实现步骤摘要】
基于遗传算法优化基本参数快速生成X荧光光谱的方法
本专利技术涉及X射线荧光光谱学领域，特别涉及基于遗传算法优化基本参数快速生成X荧光光谱的方法。
技术介绍
随着光谱科学研究的逐步发展和光谱分析技术应用领域的不断扩大，基于光谱信息的样品成分分析技术的实际需求越来越大，在定性定量检测技术中快捷性和准确性成为两个关键因素。因此，如何快速、精确、无损地生成X射线荧光光谱(X-RayFluorescencespectrometry,XRF)并应用于定性定量分析则显得尤为重要。传统生成X射线荧光光谱的方法主要通过蒙特卡罗仿真模拟程序和实验测量标准样品实现，其存在耗时长、检测效率低等问题。而将基于Sherman方程的基本参数算法(FundamentalParameters，FP)应用于X射线荧光光谱分析领域，突破了传统生成X射线荧光光谱的方法中存在的众多问题，优点如下：(1)生成X射线荧光光谱速度快，不涉及蒙特卡罗仿真模拟计算耗时长的问题，有利于之后建立多组分元素的光谱信息数据库；(2)解决元素相邻谱线间的光谱干扰问题，提高元素定性和定量分析的准确性；(3)相较于实验测量法，无需购买标准样品，不涉及部分样品价格较贵、不易购买的问题，降低检测分析成本；(4)得到的XRF光谱的背景吸收基本可以忽略，降低后续分析难度，提高检测效率。目前Sherman方程在X射线荧光光谱分析中仅应用于对相对强度的计算和矩阵效应的校正，而在相对强度计算时仪器因子Gi可以被消除，因此尚未有对仪器因子Gi的计算和研究工作。此外，相对强度计算无法通过数学模型和物理过程直接快速地生成X射线荧光光谱，不能满足在XRF元素光谱分析中建立大数据库的要求。
技术实现思路
针对上述现有技术中存在的问题，本专利技术提供了基于遗传算法优化基本参数快速生成X荧光光谱的方法，建立快速生成连续的X射线荧光光谱的理论模型，实现以秒级的速度生成多元素任意组成的样品光谱，以极小的时间成本构建具有大量数据的X射线荧光光谱信息。为实现上述目的，本专利技术采用的技术方案如下：基于遗传算法优化基本参数快速生成X荧光光谱的方法，其特征在于，包括以下步骤：步骤1：根据Sherman方程初步生成标准样品的X射线荧光光谱，并与所述标准样品的实测光谱数据对比，基于遗传算法优化标准样品中各分析元素仪器因子Gi，进而得到元素周期表中12～92号元素的最优仪器因子Gi′，并建立最优仪器因子Gi′数据库，具体步骤如下：步骤1.1：导入标准样品含量信息，根据Sherman方程将标准样品中各分析元素的含量信息转换为发射光谱强度Ii(λi)，并生成离散光谱(Flux)；其中i为分析元素，即标准样品中序号为12～92的元素，λi为分析元素i的特征X射线的波长；步骤1.2：通过高斯函数将步骤1.1所得标准样品中各分析元素的离散光谱Ii(λi)展宽为连续光谱(Spectrometry)步骤1.3：假定标准样品中各分析元素的仪器因子初始值为1，将标准样品中各分析元素的连续光谱与其对应的仪器因子相乘并累加计算获得标准样品的连续光谱I(λi)，公式如下：步骤1.4：以步骤1.3所得标准样品的连续光谱I(λi)与标准样品实测光谱I的均方预测误差(EMSPE,EstimatedMeanSquarePredictiveError)为评价函数，通过遗传算法优化评价函数中分析元素i的仪器因子Gi，使得均方预测误差小于0.2，将优化后的Fe元素最优仪器因子设为基准1，按比例得到优化后的其他各分析元素的最优仪器因子Gi′，最终建立元素周期表中12～92号元素的最优仪器因子Gi′数据库；其中，i＝1…N，N为标准样品中分析元素的个数总和；步骤2：输入待测样品的含量信息，根据步骤1.1的方法生成待测样品中各分析元素的发射光谱强度Ii′(λi)，并生成离散光谱；步骤3：通过高斯函数将步骤2所得待测样品中各分析元素的离散光谱分别展宽为连续光谱步骤4：基于步骤1所得各分析元素的最优仪器因子Gi′和步骤3所得连续光谱计算得到待测样品的连续X射线荧光光谱I′(λi)，公式如下：进一步地，步骤1.1中根据Sherman方程将分析元素i的含量信息转换为波长为λi的特征X射线的发射光谱强度Ii(λi)的转换表达式为：ki＝Ji·ωi·pi(4)μs(λj)＝Ciμi(λj)+Cjμj(λj)(9)其中，i为分析元素；j为矩阵元素，即标准样品中除分析元素i外的其他元素；λi为分析元素i的特征X射线的波长；Ii(λi)为分析元素i发射波长为λi的特征X射线的光谱强度；Gi为分析元素i的仪器因子；Ci、Cj分别为标准样品中分析元素i和矩阵元素j的质量分数；ki为分析元素i的激发因子，为荧光产额ωi、谱线分数pi和吸收跃变因子Ji三者的乘积；λ0为入射X射线的最小波长；λedgei为入射X射线对于分析元素i的吸收边缘波长；λ为入射X射线的入射波长，其范围为0.177A～0.413A；Io(λ)为入射波长λ的光谱强度分布；μi(λ)为分析元素i在入射波长λ下的质量吸收系数；s为元素相互作用的表示；μ′s(λ)为标准样品在入射波长λ下的有效质量吸收系数；μ″s(λi)为标准样品在特征X射线波长λi下的有效质量吸收系数；δij(λ)为分析元素i与矩阵元素j的矩阵效应的叠加；φ′为入射X射线的入射角；φ″为特征X射线的出射角；N为标准样品中分析元素的个数总和；Cn为分析元素n的质量分数；μn(λ)为分析元素n在入射波长λ下的质量吸收系数；μn(λi)为分析元素n在特征X射线波长λi下的质量吸收系数；当入射波长λ小于矩阵元素j的特征X射线波长时Dj(λ)＝1，否则为0；当矩阵元素j的特征X射线波长λj小于分析元素i的特征X射线波长时Di(λj)＝1，否则为0；kj为矩阵元素j的激发因子；μj(λ)为矩阵元素j在入射波长λ下的质量吸收系数；μi(λj)为分析元素i在特征X射线波长λj下的质量吸收系数；μs(λj)为标准样品在特征X射线波长λj下的质量吸收系数；Pij为i与矩阵元素j二次荧光的表示。进一步地，步骤1.2和步骤3所述高斯函数定义为：Ei＝12.3981/λ(11)其中，λ为入射X射线的入射波长，Ei为入射X射线的能量，E′为X射线测量探测器中能量沉淀的部分，即入射X射线的能量减去出射的二次荧光射线的能量，σ为控制高斯峰宽度的重要参数，σ(Ei)为在入射X射线的能量为Ei时的σ参数。进一步的，步骤1.4所述步骤1.3所得标准样品的连续光谱I(λi)与标准样品实测光谱I的均方预测误差表达式为：其中，n为标准样品实测光谱的光谱道数，m为第m道光谱。本专利技术的有益效果为：本专利技术基于Sherman方程正向生成任意样品的各分析元素离散光谱，并通过高斯函数展宽为连续光谱，基于各分析元素对应的最优仪器因子Gi′，快速生成该样品的连续的X射线荧光光谱本文档来自技高网...

【技术保护点】
1.基于遗传算法优化基本参数快速生成X荧光光谱的方法，其特征在于，包括以下步骤：/n步骤1：建立元素周期表中12～92号元素的最优仪器因子G

【技术特征摘要】
1.基于遗传算法优化基本参数快速生成X荧光光谱的方法，其特征在于，包括以下步骤：
步骤1：建立元素周期表中12～92号元素的最优仪器因子Gi′数据库，具体步骤如下：
步骤1.1：导入标准样品含量信息，根据Sherman方程将标准样品中各分析元素的含量信息转换为发射光谱强度Ii(λi)，并生成离散光谱；其中i为分析元素，λi为分析元素i的特征X射线的波长；
步骤1.2：通过高斯函数将步骤1.1所得离散光谱展宽为连续光谱
步骤1.3：假定标准样品中各分析元素的仪器因子初始值为1，结合步骤1.2所得连续光谱计算得到标准样品的连续光谱I(λi)，公式如下：



其中，Gi为分析元素i的仪器因子；
步骤1.4：以步骤1.3所得标准样品的连续光谱I(λi)与标准样品实测光谱I的均方预测误差为评价函数，通过遗传算法优化评价函数中分析元素i的仪器因子Gi，使得均方预测误差小于0.2，将优化后的Fe元素的最优仪器因子设为基准1，按比例得到优化后的其他各分析元素的最优仪器因子Gi′，最终建立元素周期表中12～92号元素的最优仪器因子Gi′数据库；其中，i＝1…N，N为标准样品中分析元素的个数总和；
步骤2：输入待测样品的含量信息，根据步骤1.1的方法生成待测样品中各分析元素的发射光谱强度Ii′(λi)，并生成离散光谱；
步骤3：通过高斯函数将步骤2所得离散光谱展宽为连续光谱
步骤4：基于步骤1所得各分析元素的最优仪器因子Gi′和步骤3所得连续光谱计算得到待测样品的连续X射线荧光光谱I′(λi)，公式如下：





2.根据权利要求1所述基于遗传算法优化基本参数快速生成X荧光光谱的方法，其特征在于，步骤1.1中根据Sherman方程将分析元素i的含量信息转换为波长为λi的特征X射线的发射光谱强度Ii(λi)的转换表达式为：



ki＝Ji·ωi·pi(4)












μs(λj)＝Ciμi(λj)+Cjμj(λj)(9)
其中，i为分析元素；j为矩阵元素；λi为分析元素i的特征X射...

【专利技术属性】
技术研发人员：李福生，马捷思，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51