基于激光诱导击穿光谱与径向基函数神经网络的铝合金定量分析

采用激光诱导击穿光谱(LIBS)技术激发铝合金标样表面的不同位置,得到320组光谱数据;然后对原始光谱数据进行预处理,并选取铝合金中6种主要元素的20条特征谱线构成320×20光谱数据矩阵;再采用主成分分析法对光谱矩阵进行降维,使模型输入变量从20个降至6个;最后,将经过主成分降维的光谱数据作为径向基函数神经网络的输入量,对铝合金中5种主要非铝元素(Si、Fe、Cu、Mn和Mg)建立多元定标模型。结果表明:该模型的拟合优度均值为0.978,均方根误差均值为0.31%;主成分分析结合径向基函数神经网络的方法能够有效减小参数波动,并能校正基体效应,提高模型定量分析的精度和稳定性,尤其是对于Fe、S