| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 LIBS技术的国内外研究现状 | 第9-11页 |
| 1.3 本文的研究内容 | 第11-14页 |
| 第二章 LIBS技术原理及LIBS钢水元素定量分析方法 | 第14-25页 |
| 2.1 引言 | 第14-18页 |
| 2.1.1 LIBS技术基本原理 | 第14-16页 |
| 2.1.2 LIBS技术实验装置 | 第16-17页 |
| 2.1.3 LIBS技术测量的影响因素 | 第17-18页 |
| 2.1.4 LIBS技术定量分析的优缺点 | 第18页 |
| 2.2 基于LIBS技术的钢水元素定量分析方法 | 第18-22页 |
| 2.2.1 传统定标模型 | 第19-20页 |
| 2.2.2 内定标模型 | 第20页 |
| 2.2.3 自由定标模型 | 第20页 |
| 2.2.4 传统定标方法的优缺点 | 第20-21页 |
| 2.2.5 多元校正模型定量分析方法 | 第21-22页 |
| 2.3 元素特征谱线波长的选取 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 LIBS技术结合聚类分析-偏最小二乘法用于钢水元素定量分析 | 第25-38页 |
| 3.1 引言 | 第25页 |
| 3.2 聚类分析 | 第25-30页 |
| 3.2.1 层次聚类方法 | 第25-27页 |
| 3.2.2 簇间距离度量方法 | 第27-29页 |
| 3.2.3 基于最小距离的层次聚类算法 | 第29-30页 |
| 3.3 PLS方法的理论介绍 | 第30-33页 |
| 3.3.1 PLS 算法介绍 | 第30-32页 |
| 3.3.2 偏最小二乘法主因子数的确定 | 第32-33页 |
| 3.4 实验装置与钢水样品 | 第33-34页 |
| 3.5 实验结果与对比分析 | 第34-37页 |
| 3.5.1 偏最小二乘法定量分析模型结果 | 第35页 |
| 3.5.2 聚类分析-偏最小二乘法定量分析实验结果 | 第35-36页 |
| 3.5.3 实验对比结果 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 LIBS技术结合RFR算法用于钢水元素定量分析 | 第38-45页 |
| 4.1 引言 | 第38页 |
| 4.2 随机森林回归方法 | 第38-41页 |
| 4.2.1 随机森林回归算法原理 | 第38-40页 |
| 4.2.2 随机森林回归算法流程 | 第40页 |
| 4.2.3 RFR算法在LIBS中的应用 | 第40-41页 |
| 4.3 LIBS技术结合RFR算法实验结果与讨论 | 第41-43页 |
| 4.3.1 RFR模型的建立 | 第41-42页 |
| 4.3.2 RFR实验结果与讨论 | 第42-43页 |
| 4.4 PLS和RFR模型对钢水元素定量分析准确性的对比分析 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-47页 |
| 5.1 本文总结 | 第45页 |
| 5.2 工作展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 发表论文和科研情况说明 | 第51-52页 |
| 致谢 | 第52页 |
