- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
用于矿物原位原子与分子分析的激光诱导击穿光谱与拉曼光谱新型联合仪器
摘要: 研发了一种结合激光诱导击穿光谱(LIBS)与拉曼光谱的仪器,用于矿物原位原子与分子组成分析。该装置由光学系统、样品室、拉曼光谱仪和LIBS光谱仪以及配备自主编写软件的控制系统组成。选取石膏、方解石、葡萄石、珍珠、青金石及多种溴化钠与碳酸钙混合物作为样品评估仪器性能。通过高斯拟合方法,成功识别出硫酸盐、碳酸盐、硅酸盐及结晶水,并清晰区分了不同结构的碳酸钙。拉曼光谱对溴化钠混合物中碳酸钙的检测限为5.7毫克/克。该新系统采用LIBS技术测定钙、镁、铁、钠、铝和碳元素,其中钙、钠和碳的检测限分别为90.2微克/克、84.6微克/克和2.5毫克/克。商用拉曼光谱仪的实验数据被用于验证并支持该新型仪器的测量结果。
关键词: 仪器设备、拉曼光谱、激光诱导击穿光谱(LIBS)、矿物、LIBRAS
更新于2025-11-25 10:30:42
-
用于锂离子电池的硅纳米线金属辅助化学蚀刻过程中的纳米颗粒排放
摘要: 作为高容量锂离子电池(LIBs)最具前景的负极材料之一,硅纳米线(SiNWs)已被广泛研究。金属辅助化学刻蚀(MACE)是制备硅纳米线的一种低成本、可扩展的方法。然而,该工艺产生的纳米颗粒排放因其对职业健康和公共健康的危害性而备受关注。本研究通过实验检测了三种尺寸(90纳米、120纳米和140纳米)硅纳米线MACE工艺产生的气载与水相纳米颗粒排放。制备的硅纳米线被用作锂离子纽扣电池负极,实验结果表明:采用90纳米、120纳米和140纳米硅纳米线的电池电极初始放电容量分别为3636 mAh g?1、3779 mAh g?1和3611 mAh g?1,初始充电容量分别为2721 mAh g?1、2712 mAh g?1和2539 mAh g?1。研究发现,每生产1千瓦时LIB电极时,140纳米硅纳米线的MACE工艺会产生高达2.48×10?颗粒/立方厘米的气载纳米颗粒浓度;120纳米硅纳米线的MACE工艺则产生质量浓度达9.95×10?毫克/升的高浓度水相颗粒排放。本研究可为锂电应用中硅纳米线MACE工艺的纳米颗粒排放提供实验数据,有助于未来该技术的环境影响评估与生命周期评价。
关键词: 锂离子电池(LIBs)、金属辅助化学蚀刻(MACE)、纳米颗粒排放、硅纳米线(SiNWs)
更新于2025-09-23 15:23:52
-
拉曼成像与激光诱导击穿光谱联用技术用于文化遗产中原始材料与降解材料的定量分析
摘要: 尽管非破坏性技术在文化遗产领域的量化应用颇具价值,但其发展尚不完善。过去数十年间,虽有多项研究采用拉曼光谱进行量化分析,但根据所用方法的不同,该技术提供的信息往往不够完整,在处理未知样本时可能导致误解。本研究提出一种创新的双重量化方法——结合拉曼成像(其代表性优于逐点分析)与激光诱导击穿光谱(LIBS)技术来分析文化遗产样本。为优化这一新方法,我们检测了多种含方解石杂质(部分覆盖草酸钙[土尿酸,CaC2O4·H2O]层、部分未覆盖)的白云质大理石样本。独立进行的拉曼成像数据分析与LIBS数据量化结果具有良好一致性,其偏差范围符合两种技术固有的不确定度。此外,采用便携式仪器对相同样本进行逐点拉曼分析与便携式LIBS检测时,所得结果不仅相互吻合,也与实验室仪器的分析结论高度一致。
关键词: 水合盐、量化分析、文化遗产、激光诱导击穿光谱(LIBS)、拉曼成像
更新于2025-09-23 15:23:52
-
[IEEE 2018年第37届中国控制会议(CCC) - 武汉(2018.7.25-2018.7.27)] 2018年第37届中国控制会议(CCC) - 基于LIBS技术和随机森林回归的合金钢元素在线检测与分析
摘要: 激光诱导击穿光谱(LIBS)技术可用于实时检测合金钢中的元素。传统LIBS技术的定量分析方法主要有校准法和无标样法,但存在预测精度低和过拟合两个缺点。随机森林回归(RFR)算法可用于分类和回归,能有效避免"过拟合"现象。因此,本文将随机森林回归算法与激光诱导击穿光谱相结合,应用于冶金行业中合金钢元素浓度的检测。同时,与基于LIBS的偏最小二乘法相比,结果表明结合LIBS技术的随机森林算法具有更高的预测精度、更低的均方根误差和更好的鲁棒性。
关键词: PLS(偏最小二乘法),均方根误差,定量分析,激光诱导击穿光谱(LIBS),随机森林回归(RFR)
更新于2025-09-23 15:22:29
-
BiSn共晶的多脉冲激光烧蚀:非化学计量元素转移与形貌分析
摘要: 采用波长351纳米、脉宽20纳秒的准分子激光器,对共晶BiSn靶材表面多个位点进行多组脉冲烧蚀。通过扫描电子显微镜、光学轮廓仪和能量色散光谱仪(EDS)分析了不同脉冲数下形成的烧蚀坑形貌。每组脉冲的最后一发激光均进行了激光诱导击穿光谱(LIBS)测量。不同脉冲组烧蚀坑的LIBS谱线中Bi I 472.25纳米与Sn I 563.16纳米峰强比从单脉冲最大值降至70脉冲组后的稳定值。各脉冲组的EDS元素面分布显示Bi原子丰度随LIBS谱Bi峰归一化强度降低而减少?;诳伺舴⒛P徒馐土松帐辞С煞直浠?。首次观测到显著流体力学效应形成的50微米高边缘结构,该异常形貌特征通过流体力学效应与反冲压力机制得以阐释。
关键词: 激光诱导击穿光谱(LIBS)、铋锡共晶、激光烧蚀、能量色散X射线光谱(EDS)、扫描电子显微镜(SEM)
更新于2025-09-23 15:21:01
-
利用激光诱导击穿光谱结合机器学习方法识别格雷夫斯眼病
摘要: 格雷夫斯眼病的诊断仍是一项重大挑战。我们采用激光诱导击穿光谱(LIBS)结合机器学习方法,成功区分了格雷夫斯眼病组织与健康对照样本。本研究对石蜡包埋的格雷夫斯眼病样本进行LIBS光谱采集,选取金属元素(钠、钾、铝、钙)、非金属元素(氧)及分子谱带(C-N、C-O)作为诊断指标。将选定光谱线分别输入线性判别分析(LDA)、支持向量机(SVM)、k近邻算法(kNN)和广义回归神经网络(GRNN)等监督分类模型。结果显示:LDA、SVM、kNN和GRNN的预测准确率分别为76.33%、96.28%、96.56%和96.33%;灵敏度分别为75.89%、93.78%、96.78%和96.67%;特异度分别为76.78%、98.78%、96.33%和96.00%。这表明LIBS联合非线性模型可显著提高格雷夫斯眼病的鉴别准确率。在三种非线性模型中,kNN表现最优。因此,LIBS结合机器学习方法是鉴别格雷夫斯眼病的有效手段。
关键词: 支持向量机(SVM)、线性判别分析(LDA)、格雷夫斯眼病、激光诱导击穿光谱(LIBS)、k近邻算法(kNN)、广义回归神经网络(GRNN)
更新于2025-09-23 15:21:01
-
快报:激光诱导击穿光谱技术在聚合物复合材料研究中的潜力
摘要: 采用激光诱导击穿光谱(LIBS)技术评估颗粒型环氧-铜复合材料中的填料含量。通过校准样品,提出了利用LIBS结果直接快速测量复合材料中填料的潜在应用。本工作所采用的方法使LIBS能够作为定量技术用于研究颗粒金属填充环氧复合材料,提供了一种直接估算填料体积分数的方法。
关键词: 激光诱导击穿光谱(LIBS)、环氧复合材料、铜、等离子体
更新于2025-09-23 15:21:01
-
共线双脉冲激光诱导击穿光谱(DP - LIBS)分析中药材黄花蒿的光谱特性
摘要: 采用共线双脉冲激光诱导击穿光谱(DP-LIBS)方法分析中国传统药材黄花蒿。通过镁(II)279.54 nm、CN 388.29 nm、钙(II)393.37 nm和铁(II)404.27 nm的光谱强度及信背比评估DP-LIBS激发下黄花蒿的光学发射特性,优化了时间演化特征、脉冲间隔及激光能量参数。重点报道了电子密度与等离子体温度随延迟时间的变化关系。结果表明:相比单脉冲(SP)LIBS,DP-LIBS具有更强的信号强度和更好的检测精度,对镁、CN、钙和铁元素的增强因子分别为7.2、8.9、13.8和3.4。本研究为黄花蒿提供了重要分析依据。
关键词: 信号增强、等离子体参数、双脉冲激光诱导击穿光谱(DP - LIBS)、黄花蒿
更新于2025-09-23 15:21:01
-
利用激光诱导击穿光谱和电感耦合等离子体-光学发射光谱法(ICP-OES)对面粉粉底中的健康危害毒素进行光谱诊断
摘要: 在这项工作中,我们采用激光诱导击穿光谱(LIBS)结合标准校准曲线(CC)-LIBS方法,对当地市场五种不同品牌粉底霜中的有毒重金属(铅、铬、镍)含量进行测定。这些样品含有铅、铬、镍等高致癌性元素,可能引发湿疹和特应性皮炎。通过选取铅(405.7 nm谱线)、铬(425.4 nm谱线)和镍(336.9 nm谱线)的最强原子跃迁谱线作为特征标记,实现了粉底样品中这三种重金属的同步检测。实验优化了LIBS参数(延迟时间、激光能量及透镜与样品间距)以提升光谱信噪比,并证实自吸收效应对分析谱峰影响可忽略。针对检出超标的三种重金属,我们对LIBS系统进行了校准。日常使用的粉底霜会导致人体累积相当剂量的重金属暴露,可能引发多种皮肤疾病。研究结果通过电感耦合等离子体发射光谱法(ICP-OES)进行了交叉验证。鉴于化妆品(尤其是粉底)的广泛使用可能影响全球数百万人的健康,本研究具有重要现实意义。
关键词: LIBS、湿疹性、致癌物、化妆品、特应性皮炎、粉饼中的毒素
更新于2025-09-23 15:19:57
-
利用激光诱导击穿光谱技术(LIBS)对鹿茸进行快速定性评估
摘要: 本研究旨在利用激光诱导击穿光谱(LIBS)技术建立一种快速分析方法,对鹿茸产品进行定性质量评估。我们采用主成分分析法筛选鹿茸LIBS光谱的特征谱线,并分别以全部谱线强度和特征谱线强度作为输入变量,构建了两个偏最小二乘判别分析(PLS-DA)分类模型来区分劣质与优质鹿茸。这两个模型的正确分类率(CCR)均为100%。为检验模型稳健性,我们使用未参与建模训练集的样本进行判别,其正确分类率分别为87.5%和100%。结果表明,LIBS结合PLS-DA技术可有效评估鹿茸质量,而采用特征谱线强度作为输入变量能进一步提升模型稳健性。
关键词: 定性评价、偏最小二乘判别分析(PLS-DA)、鹿茸、主成分分析(PCA)、激光诱导击穿光谱(LIBS)
更新于2025-09-23 15:19:57