第36卷，第5期 2016年5月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 36,No. 5,pp1451-1457
May,2016
激光诱导击穿光谱定量化标定谱线自动选择方法
孔海洋1，2，3，孙兰香1.3*，胡静涛1.3，张鹏1.2.3
1.中国科学院沈阳自动化研究所，辽宁沈阳110016 2.申国科学院大学，北京100049
3.申国科学院网络化控制系统重点实验室，辽宁沈阳110016
摘要选择合适的特征谱线是以内标法对激光诱导击穿光谱进行定量化分析的前提，需要科研工作者精心分析和比较，往往耗费大量精力和时间，而且还不能保证结果最优。基于遗传算法为内标法提出了一种从原始光谱中自动选择分析线和参考线的方法，使用该方法从低合金钢样的LIBS光谱中为锰（Mn）、镍（Ni)、铬(Cr)、硅(Si)和铁(Fe)元素分别选择了用于内标法定量分析的分析线和参考线。优选得到的最优谱线为， Mn的分析线和相应的参考元素Fe的参考线分别是403.3068和368.7457nm，Si的分析线和相应的参考元素Fe的参考线分别是288.1577和427.1761nm，Cr的分析线和相应的参考元素Fe的参考线分别是 286.5100和272.7539nm，Ni的分析线和相应的参考元素Fe的参考线分别是352.4536和358.6985nm。最后基于优选得到的谱线以内标法对这些元素分别进行了定量分析，结果证明，使用这种谱线选择方法能
够自动从原始光谱中找到最优特征谱线，使内标法定量分析得到最好的结果，关键词激光诱导击穿光谱；遗传算法；谱线选择；定量分析；内标法；合金钢
中图分类号：0433.4
文献标识码：A
引言
DOI: 10. 3964/j. issn. 10000593(2016)05145107
中避选出最适合分析的特征谱线，往往需要研究者具备丰富的先验知识，即使经过大量比较和尝试，也难以保证能选择出最优谱线，
作为一种能够对物质进行实时、在线以及无损检测分析
的原子发射光谱分析技术，激光诱导击穿光谱（laser-induced breakdownspectroscopy，LIBS)受到了广泛的关注，尤其是进入21世纪以来，激光诱导击穿光谱的分析研究逐渐从对适用领域进行探案的粗放型研究转移到了开发高精度和高准确度的定性定量分析方法的集约型研究上来。越来越多的化学计量学方法被引人到激光诱导击穿光谱的研究中，这些方法包括适用于定性分析的聚类分析1-2]、人工神经网络[3-5}和支持向量机[-}方法，以及适用于定量分析的定标分析"]、内标分析[9-10]、无标分析[11-12]和人工神经网络[13-15]、偏最小二乘法[16等等。各国科研人员先后开发出了许多用于提升激光诱导击穿光谱分析精确度和准确度的专用方法，并取得了不错的结果，为激光诱导击穿光谱的广泛应用提供了可能。
无论是定性还是定量分析，选择合适的特征谱线是确保
获得最优分析结果的前提，然而如何从数目庞杂的光谱数据收稿日期：2015-01-17，修订日期：2015-04-27
国内外科研工作者针对这一间题进行了研究。Aydin 等1s提出了一种基于玻尔兹曼图（Boltzmannplot)从原始光谱中选择谱线的方法，首先预选一些未被干扰或没有交支重叠的特征谱线，然后籍此绘制玻尔兹曼图，接着将玻尔兹慈曼图上与回归线具有最大偏差的特征谱线舍弃，如此送代循环直到达到预设的决定系数的阔值，最终选出恰当的谱线。 Choi等[1}测量了玻璃基体中的的同位素的比率，结果发现，综合考谱线强度、谱线宽度和谱线偏移而选择合适的特征谱线，同时对其他时间分辨参数进行优化，可以获得更好的结果。杜振解等定义了相对强度比和波长偏差两个参数，设置了合理的阔值，别除了自吸和干抗扰严重的谱线，籍此对特征谱线进行筛选，选出了高合金钢样品中主要元素铁、铬、镍、锰、铜的分析线。胡志裕等于2012年在本刊报道了基于LabVIEW开发了一款能够对LIBS谱线进行自动识别的软件，在一定程度上实现了寻找特征谱线的目的。
然而，这些方法即使无需从原始光谱中对特征谱线逐
基金项目：国家（863计划)项目（2012AA040608），国家自然科学基金项目（61473279），中国科学院科研装备研制项目（YZ201247）资助
作者简介：孔海洋，1983年生，中国科学院沈阳自动化研究所博士研究生
≥通讯联系人
e-mail: sunlanxiang@ sia. cn
e-mail: kongsea@ gmail. con