基于激光诱导光谱的石墨舟激光清洗实时检测技术

针对石墨舟表面氮化硅去除的自动检测难题,研究激光清洗过程中光谱信号的变化规律,实时判断石墨舟表面的激光清洗状态。实验归纳出激光清洗后典型的石墨舟表面状态类型,通过检测和分析激光诱导光谱曲线,筛选出关键的特征谱线,研究特征谱线强度的变化规律,对比常规的极限学习机(ELM)和白鲸优化算法(BWO-ELM)的分类准确率,实现石墨舟表面激光清洗状态的自动分类识别。研究结果表明,选定的特征谱线包括Si(Ⅰ)390.49 nm、N(Ⅰ)396.02 nm、C(Ⅱ)588.84 nm。特征谱线的波峰强度变化规律充分反映了基体石墨舟和表面氮化硅的元素组成和含量变化。白鲸算法优化了常规ELM算法,有效地消除了ELM分类算法中固有的随机性,并大大提升了分类准确率。当迭代次数增加到100次时,白鲸优化算法的分类准确率可达到95%以上。研究结果对于保证石墨舟表面激光清洗效果至关重要,也是实现激光清洗自动化的关键技术。