CN113092450A - 一种大气气溶胶快速检测溯源装置及方法 - Google Patents
一种大气气溶胶快速检测溯源装置及方法 Download PDFInfo
- Publication number
- CN113092450A CN113092450A CN202110397734.8A CN202110397734A CN113092450A CN 113092450 A CN113092450 A CN 113092450A CN 202110397734 A CN202110397734 A CN 202110397734A CN 113092450 A CN113092450 A CN 113092450A
- Authority
- CN
- China
- Prior art keywords
- aerosol
- sample
- ball valve
- different
- atmospheric aerosol
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 44
- 239000005427 atmospheric aerosol Substances 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 21
- 239000000523 sample Substances 0.000 claims abstract description 68
- 239000000443 aerosol Substances 0.000 claims abstract description 42
- 239000013307 optical fiber Substances 0.000 claims abstract description 10
- 238000005070 sampling Methods 0.000 claims abstract description 10
- 230000005855 radiation Effects 0.000 claims abstract description 6
- 230000003595 spectral effect Effects 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 17
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 10
- 210000002569 neuron Anatomy 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 239000007787 solid Substances 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 abstract description 4
- 239000000779 smoke Substances 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000002536 laser-induced breakdown spectroscopy Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000001636 atomic emission spectroscopy Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000295 emission spectrum Methods 0.000 description 1
- 230000005281 excited state Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005283 ground state Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/71—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/71—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited
- G01N21/73—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited using plasma burners or torches
Landscapes
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Plasma & Fusion (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种大气气溶胶快速检测溯源装置及方法,包括激光器、聚焦透镜、信号探头、光纤、光谱仪、计算机、吸气泵、临时存储罐、球阀控制装置、导管、抽气泵;所述吸气泵与抽气泵之间连接有导管,导管靠近抽气泵处设有开口;正对着开口处设有聚焦透镜,激光器发射的激光能够通过聚焦透镜照射到导管的开口处;信号探头设于导管的开口处附近用于收集辐射光;信号探头通过光纤与光谱仪连接;光谱仪与计算机连接;吸气泵的下方设有样品临时存储罐,临时存储罐和导管间装有球阀控制装置,通过球阀的开闭与临时存储罐共同控制气溶胶样本的浓度。本发明提高了大气样品浓度,提高了检测限和采样率,降低了对信号采集的干扰,且检测成本低。
Description
技术领域
本发明属于光电检测技术领域,具体涉及一种大气气溶胶快速检测溯源装置及方法。
背景技术
激光诱导击穿光谱技术是一种原子发射光谱技术,通过高能量的脉冲激光在样品表面激发等离子体,等离子体中处于激发态的原子与离子在向低能级或基态跃迁的过程中将发射出特定频率的光子,产生不同的特征谱线,代表了样品元素种类和浓度信息,相当于不同物质的“光谱指纹”。该技术对于气溶胶的直接检测存在稳定性不佳、采样率过低等问题,同时只能对样品的元素组成情况进行分析。
BP神经网络是一种有监督式的机器学习算法,通过输入学习样本,使用反向传播算法对网络的权值和偏差进行多次调整训练,使输出的向量与期望向量尽可能地接近,当网络输出层的误差平方和小于指定的误差时训练完成,保存网络的权值和偏差。BP神经网络模型拓扑结构包括输入层、隐含层和输出层。
发明内容
本发明针对现有技术中的不足,提供一种大气气溶胶快速检测溯源装置及方法,旨在实现大气气溶胶元素的直接快速检测,提高大气气溶胶直接检测的光谱采样率;结合机器学习算法构建分类溯源模型,进一步实现对单一气溶胶的溯源。
为实现上述目的,本发明采用以下技术方案:一种大气气溶胶快速检测溯源装置,包括激光器、聚焦透镜、信号探头、光纤、光谱仪、计算机、吸气泵、临时存储罐、球阀控制装置、导管、抽气泵;
所述吸气泵与抽气泵之间连接有导管,导管靠近抽气泵处设有开口;正对着开口处设有聚焦透镜,激光器发射的激光能够通过聚焦透镜照射到导管的开口处;信号探头设于导管的开口处附近用于收集辐射光;信号探头通过光纤与光谱仪连接;光谱仪与计算机连接;
吸气泵的下方设有样品临时存储罐,临时存储罐和导管间装有球阀控制装置,通过球阀的开闭与临时存储罐共同控制气溶胶样本的浓度。
为优化上述技术方案,采取的具体措施还包括:
进一步地,装置还包括时序控制器,时序控制器与激光器及光谱仪连接;时序控制器用于设置光谱仪采集信号和固体激光器发射脉冲间的延时。
进一步地,临时存储罐上装有气压传感器;气压传感器与单片机电连接,实时向单片机传输罐内气压的变化情况。
进一步地,球阀控制装置由单片机控制,控制球阀保持开启状态,来实现实时在线检测;通过单片机调节球阀每次关闭的时间,来实现提高采样率的准在线检测。
进一步地,球阀控制装置包括舵机和机械球阀,由单片机控制舵机转动一定角度以控制机械球阀的开与关。
本发明还提供一种大气气溶胶快速检测溯源方法,包括如下步骤:
训练溯源模型:从实验室中采集的大量不同大气气溶胶样品的光谱数据中选择不同元素的特征谱线或整个光谱作为不同气溶胶的特征数据,同时根据不同大气气溶胶样品对特征数据中的每个样本设置标记,唯一标识每个样本所属的气溶胶种类;将上述特征数据和标记作为训练数据,用于训练产生溯源模型;
每次采集到的不同气溶胶样品的等离子体发射光谱数据,从光谱数据中选择不同元素的特征谱线或整个光谱作为其特征数据;将特征数据输入已训练好的模型,得到检测结果。
进一步地,根据不同大气气溶胶样品为每次的光谱设置标记具体为,使用独热编码方式,即使用k维向量作为标记,k为样品种类数目,通过某个维度取值为1而其它维度为0对不同样品进行区分。
进一步地,每个k维向量中仅有一个元素取值为1,其余为0;同种气溶胶样品的所有样本的k维向量标记中同一个元素取1,而不同气溶胶样品的样本标记中值为1的元素不同。
进一步地,溯源模型采用BP神经网络,将气溶胶样品的特征数据和标记分别作为模型的输入参数和预期输出值;对于模型的实际输出值,即k维输出向量,将向量中最大的元素置为1,其余元素设置为0,根据值为1的元素位置来确定模型预测的样本所属的气溶胶种类。
进一步地,在模型训练迭代的过程中,根据实际输出值和预期输出值的均方误差的负梯度方向对神经网络中不同层的神经元之间的连接权重和阈值进行调整,直到达到预先设置的迭代次数或误差小于预先设置的值时停止迭代,得到溯源模型。
本发明的有益效果是:1)本发明通过球阀和临时存储罐来提高大气样品浓度,提高检测限和采样率。
2)本发明通过气溶胶导管和双泵进出设计,减少信号探头和导管开口之间的样品溢出,降低对信号采集的干扰。
3)本发明基于机器学习算法建立气溶胶分类溯源模型,实现单一气溶胶的溯源。
4)通过本发明装置溯源时每次仅需要一个激光脉冲,检测成本低。
5)本发明操作简单快捷。
附图说明
图1是本发明的大气气溶胶快速检测溯源装置的结构示意图。
图2是本发明的球阀控制装置结构示意图。
图3是本发明实现单一气溶胶溯源功能的示意图。
附图说明:
1-激光器,2-聚焦透镜,3-信号探头,4-光纤,5-光谱仪,6-时序控制器,7-计算机,8-单片机,9-吸气泵,10-临时存储罐,11-气压传感器,12-球阀控制装置,13-导管,14-抽气泵,15-舵机,16-机械球阀。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
本发明提供了一种大气气溶胶快速检测溯源装置,包括激光器1、聚焦透镜2、信号探头3、光纤4、光谱仪5、计算机7、吸气泵9、临时存储罐10、球阀控制装置12、导管13、抽气泵14;
吸气泵9下方连接有导管13,导管13下端连接有抽气泵14,导管13靠近抽气泵14处设有开口,开口方向朝上;正对着导管13的开口处设有聚焦透镜2,激光器1发射的激光能够通过聚焦透镜2照射到导管13的开口处;信号探头3设于导管13的开口处附近用于收集辐射光;信号探头3通过光纤4与光谱仪5连接;光谱仪5与计算机7电连接;时序控制器6与激光器1及光谱仪5连接;时序控制器6用于设置光谱仪5采集信号和固体激光器1发射脉冲间的延时。
吸气泵9的下方设有样品临时存储罐10,临时存储罐10上装有气压传感器11;气压传感器11与单片机8电连接,实时向单片机8传输罐内气压的变化情况。临时存储罐10和导管13间装有球阀控制装置12,球阀控制装置12包括舵机15和机械球阀16,由单片机8控制舵机15转动一定角度以控制机械球阀16的开与关,通过球阀的开闭与临时存储罐10共同控制气溶胶样本的浓度。球阀控制装置12由单片机8控制,控制球阀保持开启状态,来实现实时在线检测;通过单片机8调节球阀每次关闭的时间,来实现提高采样率的准在线检测。
本发明还提供了一种大气气溶胶快速检测溯源方法,包括步骤:
训练溯源模型:从实验室中采集的大量不同大气气溶胶样品的光谱数据中选择不同元素的特征谱线或整个光谱作为不同气溶胶的特征数据,同时根据不同大气气溶胶样品对特征数据中的每个样本设置标记,唯一标识每个样本所属的气溶胶种类;将上述特征数据和标记作为训练数据,用于训练产生溯源模型;
每次采集到的不同气溶胶样品的等离子体发射光谱数据,从光谱数据中选择不同元素的特征谱线或整个光谱作为其特征数据;将特征数据输入已训练好的模型,得到检测结果。
在上述装置的作用下,可以采集到大量不同气溶胶样品的等离子体发射光谱数据,可以从光谱中选择不同元素的特征谱线或整个光谱作为不同气溶胶的特征数据。同时,需要对数据中的每个样本添加种类标记,唯一标识每个样本所属的气溶胶种类。这里的标记采用独热编码的方式,即对k种气溶胶样品进行分类识别,则每个样本的标记采用一个k维向量进行表示。每个k维向量中仅有一个元素取值为1,其余为0;同种气溶胶样品的所有样本的k维向量标记中同一个元素取1,而不同气溶胶样品的样本标记中值为1的元素不同。
本发明的一个实施例中以BP神经网络算法构建溯源模型。BP神经网络是根据误差反向传播算法训练的多层前馈神经网络,它使用梯度搜索技术来寻求最小化网络的实际输出值和预期输出值的误差方差。它一般包括输入层、隐含层和输出层三个部分,其中,输入层神经元个数一般等于输入参数的个数;输出层神经元的个数等于标记向量的维度,即采用独热编码时等于样品的种类数;而隐含层可以有多层,每层神经元的个数需要根据模型训练结果进行参数优化。隐含层的层数一般需要根据数据量的大小进行选取,在数据量不是特别大时,可以仅设置一层隐含层。
将气溶胶样品的特征数据和标记分别作为模型的输入参数和预期输出值;对于模型的实际输出值,即k维输出向量,将向量中最大的元素置为1,其余元素设置为0,根据值为1的元素位置即可确定模型预测的样本所属的气溶胶种类。在模型训练迭代的过程中,根据实际输出值和预期输出值的均方误差的负梯度方向对神经网络中不同层的神经元之间的连接权重和阈值进行调整,直到达到预先设置的迭代次数或误差小于预先设置的值时停止迭代,得到模型。进一步地,改变隐含层神经元的个数,进行同样的迭代训练,得到不同参数的模型。通过对不同气溶胶新的样本进行测试以评估模型性能,寻找最佳的模型作为参数优化后的溯源模型。
当进行实际的在线溯源应用时,通过上述系统实现气溶胶的在线检测,将特征数据通过模型预测出其标记,即可快速得出其种类,实现气溶胶的在线溯源。
作为本发明的一个实施例,以燃烧产生的烟雾(大气气溶胶的一种)为例进行阐述。首先利用激光诱导击穿光谱技术对不同的燃烧烟雾进行检测,获取大量光谱数据。选择机器学习算法(如BP神经网络算法),将光谱数据划分训练集和测试集,同时为不同烟雾的光谱数据设置各自的种类标记,接着训练分类模型。通过优化参数进一步完善气溶胶的分类溯源模型。
实际检测应用过程中,通过吸气泵9以一定的速率从大气中收集烟雾样品,在样品经过一端设有开口的导管13过程中,通过短焦聚焦透镜2聚焦后的高能量脉冲激光直接激发烟雾样品产生等离子体。导管开口下方设有外延,通过抽气泵14排出多余的大气气溶胶样品,减少弥散在信号探头3和激光击穿点之间空间中的烟雾样品对辐射信号的衰减与散射。辐射光直接由信号探头3收集,经光纤4传输到集成有CCD探测器的光谱仪5中进行分光和光电转换,通过便携式计算机7进行分析。光谱仪采集信号和固体激光器1发射脉冲间的延时通过时序控制器6进行设置。其中,固体激光器1输出的脉冲激光为纳秒量级,光谱仪5分辨率为0.1nm、可检测的范围时200-860nm。
在吸气泵的下方是一个样品临时存储罐10,上面装有气压传感器11,实时向单片机8传输罐内气压的变化情况。临时存储罐10和样品导管13间装有一个由单片机8控制的球阀控制装置12,可以先对样品进行一定压缩以提高浓度,再自动开启球阀通过导管对样品进行检测,提高采样率。如果球阀保持开启状态,则可实现实时在线检测;通过单片机8调节球阀每次关闭的时间,则可以实现提高采样率的准在线检测。其中,球阀控制装置由一个舵机15和一个机械球阀16构成,由单片机8控制舵机15转动一定角度以控制机械球阀16的开与关。单片机为Arduino uno 3开发板,舵机为90度旋转舵机。
将烟雾的检测结果作为分类溯源模型的输入,根据输出的标记可以确定该烟雾的类别,完成溯源。
本发明通过球阀和临时存储罐来提高大气样品浓度,提高检测限和采样率。本发明通过气溶胶导管和双泵进出设计,减少信号探头和导管开口间的样品溢出,降低对信号采集的干扰。本发明基于机器学习算法建立气溶胶分类溯源模型,实现单一气溶胶的溯源,每次仅需要一个激光脉冲,检测成本低。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (10)
1.一种大气气溶胶快速检测溯源装置,其特征在于,包括激光器(1)、聚焦透镜(2)、信号探头(3)、光纤(4)、光谱仪(5)、计算机(7)、吸气泵(9)、临时存储罐(10)、球阀控制装置(12)、导管(13)、抽气泵(14);
所述吸气泵(9)与抽气泵(14)之间连接有导管(13),导管(13)靠近抽气泵(14)处设有开口;正对着开口处设有聚焦透镜(2),激光器(1)发射的激光能够通过聚焦透镜(2)照射到导管(13)的开口处;信号探头(3)设于导管(13)的开口处附近用于收集辐射光;信号探头(3)通过光纤(4)与光谱仪(5)连接;光谱仪(5)与计算机(7)连接;
吸气泵(9)的下方设有样品临时存储罐(10),临时存储罐(10)和导管(13)间装有球阀控制装置(12),通过球阀的开闭与临时存储罐(10)共同控制气溶胶样本的浓度。
2.根据权利要求1所述的大气气溶胶快速检测溯源装置,其特征在于,装置还包括时序控制器(6),时序控制器(6)与激光器(1)及光谱仪(5)连接;时序控制器(6)用于设置光谱仪(5)采集信号和固体激光器(1)发射脉冲间的延时。
3.根据权利要求1所述的大气气溶胶快速检测溯源装置,其特征在于,临时存储罐(10)上装有气压传感器(11);气压传感器(11)与单片机(8)电连接,实时向单片机(8)传输罐内气压的变化情况。
4.根据权利要求3所述的大气气溶胶快速检测溯源装置,其特征在于,球阀控制装置(12)由单片机(8)控制,控制球阀保持开启状态,来实现实时在线检测;通过单片机(8)调节球阀每次关闭的时间,来实现提高采样率的准在线检测。
5.根据权利要求4所述的大气气溶胶快速检测溯源装置,其特征在于,球阀控制装置(12)包括舵机(15)和机械球阀(16),由单片机(8)控制舵机(15)转动一定角度以控制机械球阀(16)的开与关。
6.一种基于权利要求1所述的大气气溶胶快速检测溯源装置的大气气溶胶快速检测溯源方法,其特征在于,包括如下步骤:
训练溯源模型:从实验室中采集的大量不同大气气溶胶样品的光谱数据中选择不同元素的特征谱线或整个光谱作为不同气溶胶的特征数据,同时根据不同大气气溶胶样品对特征数据中的每个样本设置标记,唯一标识每个样本所属的气溶胶种类;将上述特征数据和标记作为训练数据,用于训练产生溯源模型;
每次采集到的不同气溶胶样品的等离子体发射光谱数据,从光谱数据中选择不同元素的特征谱线或整个光谱作为其特征数据;将特征数据输入已训练好的模型,得到检测结果。
7.根据权利要求6所述的大气气溶胶快速检测溯源方法,其特征在于,根据不同大气气溶胶样品为每次的光谱设置标记具体为,使用独热编码方式,即使用k维向量作为标记,k为样品种类数目,通过某个维度取值为1而其它维度为0对不同样品进行区分。
8.根据权利要求7所述的大气气溶胶快速检测溯源方法,其特征在于,每个k维向量中仅有一个元素取值为1,其余为0;同种气溶胶样品的所有样本的k维向量标记中同一个元素取1,而不同气溶胶样品的样本标记中值为1的元素不同。
9.根据权利要求6所述的大气气溶胶快速检测溯源方法,其特征在于,溯源模型采用BP神经网络,将气溶胶样品的特征数据和标记分别作为模型的输入参数和预期输出值;对于模型的实际输出值,即k维输出向量,将向量中最大的元素置为1,其余元素设置为0,根据值为1的元素位置来确定模型预测的样本所属的气溶胶种类。
10.根据权利要求9所述的大气气溶胶快速检测溯源方法,其特征在于,在模型训练迭代的过程中,根据实际输出值和预期输出值的均方误差的负梯度方向对神经网络中不同层的神经元之间的连接权重和阈值进行调整,直到达到预先设置的迭代次数或误差小于预先设置的值时停止迭代,得到溯源模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110397734.8A CN113092450A (zh) | 2021-04-13 | 2021-04-13 | 一种大气气溶胶快速检测溯源装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110397734.8A CN113092450A (zh) | 2021-04-13 | 2021-04-13 | 一种大气气溶胶快速检测溯源装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113092450A true CN113092450A (zh) | 2021-07-09 |
Family
ID=76677096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110397734.8A Pending CN113092450A (zh) | 2021-04-13 | 2021-04-13 | 一种大气气溶胶快速检测溯源装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113092450A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117269148A (zh) * | 2023-11-23 | 2023-12-22 | 山东智谷碳素研究院有限公司 | 一种基于libs技术的石油焦成分分析检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101915753A (zh) * | 2010-07-30 | 2010-12-15 | 浙江师范大学 | 基于遗传神经网络的激光诱导击穿光谱定量分析方法 |
US20110246145A1 (en) * | 2010-04-05 | 2011-10-06 | Multari Rosalie A | Methods For Forming Recognition Algorithms For Laser-Induced Breakdown Spectroscopy |
CN205691507U (zh) * | 2016-04-14 | 2016-11-16 | 浙江师范大学 | 一种大气气溶胶中重金属元素高灵敏定量检测装置 |
CN107300550A (zh) * | 2017-06-21 | 2017-10-27 | 南京大学 | 一种基于bp神经网络模型预测大气重金属浓度的方法 |
CN107831159A (zh) * | 2017-12-13 | 2018-03-23 | 中国科学院上海应用物理研究所 | 一种气溶胶中金属元素的检测装置 |
CN110018154A (zh) * | 2019-04-26 | 2019-07-16 | 南京信息工程大学 | 一种基于激光诱导击穿光谱的气溶胶检测装置及方法 |
CN110208252A (zh) * | 2019-06-30 | 2019-09-06 | 华中科技大学 | 一种基于激光诱导击穿光谱分析的煤灰熔点预测方法 |
-
2021
- 2021-04-13 CN CN202110397734.8A patent/CN113092450A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110246145A1 (en) * | 2010-04-05 | 2011-10-06 | Multari Rosalie A | Methods For Forming Recognition Algorithms For Laser-Induced Breakdown Spectroscopy |
CN101915753A (zh) * | 2010-07-30 | 2010-12-15 | 浙江师范大学 | 基于遗传神经网络的激光诱导击穿光谱定量分析方法 |
CN205691507U (zh) * | 2016-04-14 | 2016-11-16 | 浙江师范大学 | 一种大气气溶胶中重金属元素高灵敏定量检测装置 |
CN107300550A (zh) * | 2017-06-21 | 2017-10-27 | 南京大学 | 一种基于bp神经网络模型预测大气重金属浓度的方法 |
CN107831159A (zh) * | 2017-12-13 | 2018-03-23 | 中国科学院上海应用物理研究所 | 一种气溶胶中金属元素的检测装置 |
CN110018154A (zh) * | 2019-04-26 | 2019-07-16 | 南京信息工程大学 | 一种基于激光诱导击穿光谱的气溶胶检测装置及方法 |
CN110208252A (zh) * | 2019-06-30 | 2019-09-06 | 华中科技大学 | 一种基于激光诱导击穿光谱分析的煤灰熔点预测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117269148A (zh) * | 2023-11-23 | 2023-12-22 | 山东智谷碳素研究院有限公司 | 一种基于libs技术的石油焦成分分析检测方法 |
CN117269148B (zh) * | 2023-11-23 | 2024-02-09 | 山东智谷碳素研究院有限公司 | 一种基于libs技术的石油焦成分分析检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104251846B (zh) | 一种结合判别分析的激光诱导击穿光谱定量分析方法 | |
CN101915753B (zh) | 基于遗传神经网络的激光诱导击穿光谱定量分析方法 | |
CN102262075B (zh) | 基于分光法的激光诱导击穿光谱测量元素浓度的方法 | |
CN101413892B (zh) | 一种基于激光诱导等离子分析技术的飞灰成分在线检测装置 | |
CN112051256B (zh) | 基于cnn模型的待测元素含量libs测量方法、系统 | |
CN114544450B (zh) | 一种废气在线处理监测系统 | |
CN102053083A (zh) | 一种基于偏最小二乘法的煤质特性在线测量方法 | |
CN205691507U (zh) | 一种大气气溶胶中重金属元素高灵敏定量检测装置 | |
CN105651662B (zh) | 气溶胶质量浓度光学检测装置及其检测方法 | |
CN102004088A (zh) | 一种基于神经网络的煤质特性在线测量方法 | |
CN102507512A (zh) | 一种红外紫外双脉冲激光诱导击穿光谱在线原位检测方法 | |
CN109459396B (zh) | 大气颗粒物碳同位素在线激光探测分析仪及其使用方法 | |
CN104819958A (zh) | 傅里叶变换红外光谱气体检测中自动消除水汽干扰的方法与装置 | |
CN102590157B (zh) | 元素光谱分析方法及采用该方法的激光元素勘探设备 | |
CN113092450A (zh) | 一种大气气溶胶快速检测溯源装置及方法 | |
CN106198492A (zh) | 一种利用微藻libs信号检测水体重金属铅污染程度的方法 | |
CN109603340A (zh) | 一种智能型电气自动化除尘控制系统及方法 | |
CN213148673U (zh) | 基于激光散射法的大气颗粒物浓度测量装置 | |
CN105718749A (zh) | 一种基于大数据库辨识的煤质特性分析方法 | |
CN110208252A (zh) | 一种基于激光诱导击穿光谱分析的煤灰熔点预测方法 | |
CN116030310A (zh) | 一种基于激光诱导击穿光谱技术的样品分类方法及系统 | |
CN107727749A (zh) | 一种基于小波包融合特征提取算法的超声定量检测方法 | |
CN112505010A (zh) | 一种基于荧光光谱的变压器故障诊断装置及方法 | |
CN109297952B (zh) | 基于激光诱导击穿光谱技术的宣纸优劣鉴别系统 | |
CN105277531B (zh) | 一种基于分档的煤质特性测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210709 |