光纤传能的移动式激光诱导击穿光谱钢铁快速检测与分类

为了实现工业现场对特种钢材的快速检测与种类识别,采用基于光纤传能的移动式激光诱导击穿光谱(LIBS)样机对14种特种钢材进行光谱数据的采集与分析,采用预选谱线并遍历组合的降维方法与支持向量机(SVM)相结合的算法对特钢材料的光谱进行快速分类。分别将原始光谱数据、归一化处理后的光谱数据、归一化处理+遍历组合优选谱线数据作为SVM分类模型的输入向量,并对比了不同输入向量下模型对特钢识别的准确度。结果表明:在事先选出的51条特征谱线作为输入变量的基础上,归一化光谱数据作为SVM分类模型的输入特征时,识别准确度达到95.71%,明显高于使用原始光谱数据作为输入向量时SVM分类模型的准确度11.43%。进一步地,使用MATLAB程序遍历谱线组合,通过遍历各种谱线组合选出最优的输入谱线组合,当优选6条特定的谱线时,对特钢种类识别的准确度达到100%,且建模速度也有相应提升。可以看出,当预选出大量常见特征数据时,机器自动选取特征与人工挑选谱线相比,具有明显优势,基于此降维方法的SVM算法模型在LIBS快速分类技术中具有很好的工业应用前景。

基于改进模拟退火算法的非均匀燃烧场分布重建

本文研究了选取不同谱线组合对非均匀燃烧场分布重建精度的影响,并针对传统模拟退火算法收敛速度慢、运行效率不高的问题,提出了一种改进的模拟退火算法(ISA算法)用于燃烧流场的场分布重建.通过改变算法的模型扰动及退火方式,大大提高了算法的运行效率.数值仿真模拟结果显示,纳入更多的谱线有助于提高燃烧场重建的精度和降低重建对噪声的敏感性.相较于传统模拟退火算法,改进模拟退火算法在精度一致的前提下,将运行效率提升了近40倍.利用改进模拟退火算法在实验室平焰炉上重建了两种不同燃烧状态,重建分布与原始分布基本一致.通过数值仿真与实际实验,验证了该方法的有效性,对高光谱重建燃烧流场的温度浓度分布具有一定的指导意义.