基于神经网络的LIBS钢水成分在线检测
摘要 | 第4-5页 |
abstract | 第5页 |
引言 | 第9-10页 |
第1章 绪论 | 第10-15页 |
1.1 课题来源 | 第10页 |
1.2 激光诱导击穿光谱技术简介 | 第10-14页 |
1.2.1 国内研究现状及发展方向 | 第11-12页 |
1.2.2 国外研究现状及发展方向 | 第12-14页 |
1.3 本文内容安排 | 第14-15页 |
第2章 激光诱导击穿光谱技术的基础理论研究 | 第15-25页 |
2.1 等离子体的产生 | 第15-16页 |
2.2 等离子体的辐射机制 | 第16-19页 |
2.3 谱线的展宽机制 | 第19-21页 |
2.4 等离子体物理参数测量 | 第21-24页 |
2.4.1 等离子体中局部热平衡 | 第21页 |
2.4.2 等离子体电子密度测量 | 第21-22页 |
2.4.3 等离子体电子温度测量 | 第22-24页 |
2.5 本章小结 | 第24-25页 |
第3章 LIBS钢水成分在线检测平台搭建 | 第25-35页 |
3.1 LIBS实验平台构造 | 第25-28页 |
3.1.1 激光光路 | 第26-27页 |
3.1.2 保护装置 | 第27页 |
3.1.3 传动机构 | 第27-28页 |
3.2 各部分装置简介 | 第28-30页 |
3.2.1 激光器 | 第28-29页 |
3.2.2 收光设备 | 第29-30页 |
3.2.3 分光设备 | 第30页 |
3.2.4 中频炉 | 第30页 |
3.3 注意事项和操作手册 | 第30-33页 |
3.3.1 激光器操作规程 | 第31-32页 |
3.3.2 激光器使用注意事项 | 第32页 |
3.3.3 中频炉的操作规程 | 第32-33页 |
3.3.4 中频炉注意事项 | 第33页 |
3.4 实验过程 | 第33-34页 |
3.5 本章小结 | 第34-35页 |
第4章 光谱数据预处理 | 第35-43页 |
4.1 异常数据分析与处理 | 第35-36页 |
4.2 背景基线校正 | 第36-37页 |
4.3 光谱数据去噪处理 | 第37-41页 |
4.3.1 小波去噪原理 | 第37-38页 |
4.3.2 粒子群算法 | 第38-40页 |
4.3.3 权重改进粒子群 | 第40-41页 |
4.4 基于改进粒子群算法的阈值去噪 | 第41-42页 |
4.5 本章小结 | 第42-43页 |
第5章 钢液Mn元素定量分析 | 第43-58页 |
5.1 传统定量分析法 | 第43-44页 |
5.1.1 强度-浓度定量分析法 | 第43-44页 |
5.1.2 内标分析法 | 第44页 |
5.2 遗传神经网络 | 第44-50页 |
5.2.1 BP神经网络 | 第45-47页 |
5.2.2 遗传算法 | 第47-49页 |
5.2.3 BP神经网络与遗传算法结合 | 第49-50页 |
5.3 遗传神经网络检测模型 | 第50-53页 |
5.4 实验结果与数据分析 | 第53-56页 |
5.4.1 强度-浓度定标曲线 | 第53-54页 |
5.4.2 BP神经网络的定标曲线 | 第54-55页 |
5.4.3 遗传神经网络的定标曲线 | 第55-56页 |
5.5 实验结果分析 | 第56-57页 |
5.6 本章小结 | 第57-58页 |
结论 | 第58-59页 |
参考文献 | 第59-63页 |
致谢 | 第63-64页 |
导师简介 | 第64-65页 |
作者简介 | 第65-66页 |
学位论文数据集 | 第66页 |