用反向传播人工神经网络算法对合金进行定量分析方法的研究,基于LIBS技术
The journal of physical chemistry. A
|April 11, 2025
概括
本研究介绍了一种使用激光诱导分解光谱 (LIBS) 和反向传播人工神经网络 (BP-ANN) 的定量模型,用于5052个合金中的快速元素分析. 开发的方法准确地确定了元素度,提高了合金的质量控制.
科学领域:
- 材料科学 材料科学 材料科学
- 分析化学 分析化学
- 频谱学是一种光谱学.
背景情况:
- 快速的元素分析对于合金的分类和质量保证至关重要.
- 现有的方法可能缺乏实时工业应用所需的速度或准确性.
研究的目的:
- 开发一种定量模型来分析5052 Al-Mg合金中的元素分布.
- 将激光诱导分解光谱 (LIBS) 与反向传播人工神经网络 (BP-ANN) 结合起来,以提高分析性能.
主要方法:
- 利用LIBS从5个5052个Al-Mg合金样本 (共940个光谱) 中收集光谱数据.
- 使用700个培训和225个测试数据集开发了一个BP-ANN模型.
- 聚焦于396.15 nm的 (Al) 和279.54 nm的 (Mg) 的光谱线.
主要成果:
- 该BP-ANN模型在预测Al和Mg度方面取得了很高的准确性.
- 的确定系数为0.9862,的确定系数为0.9646.
- 观察到较低的平方根平均误差 (0.6609为Al,0.75005为Mg) 和平均绝对误差 (1.0986为Al,0.5504为Mg).
结论:
- 结合LIBS和BP-ANN方法为合金的定量元素分析提供了一个准确而稳定的方法.
- 这项技术有助于快速在线分析,支持工业质量控制和材料分类.
- 该模型显示了金属材料实时元素组成确定的巨大潜力.


