耐热钢微观组织及机械性能会随着服役过程发生退化，对老化状态的实时快速监测对安全运行及生产具有重要意义。基于便携式激光诱导击穿光谱（LIBS）设备对获取的T91光谱特征进行降维并优化了老化等级评估模型，实现了对T91耐热钢老化等级的快速诊断。分别采用主成分分析与线性判别式分析（LDA）的降维方法，对光谱特征进行优化精简。而后基于降维后的数据，进一步采用K最近邻算法和支持向量机（SVM）算法来建立金属老化等级评估模型，讨论了建模关键参数选择对模型性能的影响。结果表明，经过LDA降维的光谱数据能实现更好的聚类分布，可有效提高评估模型的准确率。同时，应用LDA-SVM模型能获得最高的老化等级评估准确度，达94.58%。所采用的模型建模方法可有效实现基于便携式LIBS的T91耐热钢老化等级评估。

煤电是我国的主力电源, 也是碳排放的主要来源, 实现煤质快速检测有利于提升煤电机组的安全、低碳和经济运行水平, 促进电厂智能化发展。激光诱导击穿光谱 (LIBS) 技术是一项新兴的快速测量技术, 具有无需复杂样品预处理、多指标同步分析、适用于在线测量等优点, 在煤质快速检测领域具有良好的应用前景。对本团队近年来在 LIBS 煤质检测领域的基础研究和应用开发成果进行了总结和展望, 重点概括了 LIBS 检测煤质中遇到的主要问题及解决方案, 展示了 LIBS 技术在煤质快速检测领域的应用潜力。

本文采用CO₂激光器作为加热源，研究固体燃料（煤和桉树）颗粒在氩气气氛下的快速热解过程。将激光诱导击穿光谱（LIBS）技术应用于热解产物（包括C、H、O、CN和C₂）的时空分布特性研究。实验结果表明，煤和桉树的热解过程均呈现两个阶段，即脱水脱吸附阶段和大分子分解阶段。在脱水脱吸附阶段，桉树热解析出的含碳氮组分明显多于煤；在大分子分解阶段，桉树各元素析出的峰值时间明显晚于煤，同时桉树析出的挥发分组分中H和O占比更大，而煤析出的挥发分组分中CN和C₂占比更大。从残余能量和H光谱强度值与C光谱强度值的比值可以看出，两者的变化规律呈现较好的一致性，证明焦油等大分子组分分布更靠近燃料表面，小分子气体组分的浓度随着高度的增加而增大。

热值是煤质特性的重要参数之一, 很大程度上影响着燃煤锅炉的运行。 为了克服传统检测方法所存在的问题, 将激光诱导击穿光谱(LIBS)应用于燃煤热值的定量分析。 煤的结构复杂, 所含的元素种类众多, 包括了主量元素、 次量元素和痕量元素, 致使煤的LIBS光谱信息复杂。 如何有效提取LIBS光谱信息, 实现准确的定量化测量是LIBS在煤特性检测中发挥作用的前提和基础。 近年来, 随着人工智能技术的发展, 相关的分析技术也开始应用于煤的工业指标分析和热值预测中。 为实现煤样品中LIBS光谱信息的有效提取, 同时为克服常规的分析方法易出现的过渡拟合、 收敛性不好等问题, 提出采用结合K-fold Cross Validation(K-CV)参数优化的支持向量机(SVM)回归方法, 实现LIBS定量分析煤中的热值。 SVM方法是结构风险最小化的近似实现, 可用于模式分类和非线性回归。 为了得到有效的LIBS分析模型, 实验选用44种电厂常用的热值含量不同的煤样作为实验对象, 选择其中33个作为训练集, 剩余11个为测试集。 利用搭建的LIBS实验系统获取所选煤样品的等离子体发射光谱数据, 首先分析了SVM热值回归模型的参数-惩罚因子C、 核函数参数g与模型精度的关联, 确定C和g最佳取值范围, 然后分别建立了基于LIBS全谱和某些元素(非金属元素和金属元素)特征光谱的SVM回归模型。 利用训练集光谱数据, 结合K-CV法得到热值SVM回归模型的最优参数C和g的值, 建立基于SVM最优参数的煤热值定量分析模型。 然后将测试集的光谱数据作为输入量用于测试所建立模型的可靠性, 得到分别采用全谱、 非金属元素特征光谱、 非金属与金属元素特征谱相结合的热值定量分析模型, 其决定系数R2均达到0.99以上, 均方误差分别为0.12, 0.17和0.06 (MJ·kg-1)2, 预测平均相对偏差分别为1.2%, 1.23%和0.69%。 结果表明： 基于K-CV参数优化SVM回归方法可用于LIBS技术实现燃煤热值的定量分析, 且可得到较高的分析精确度和准确度; 同时通过对比选用不同的光谱特征的定量分析模型可知, 采用非金属与金属元素的特征光谱所建立的基于K-CV参数优化SVM的热值定量模型, 能够有效提高LIBS应用于快速检测煤热值的精度和准确度, 实现煤热值的准确预测。

选用碳元素常见的有机形态(C6H7O2)和碳酸盐形态(CaCO3)样品为实验对象, 配置一系列不同含碳量的样品进行激光诱导击穿光谱实验, 实验分析了不同形态碳元素样品在空气气氛条件下的激发特性.研究结果表明, 碳酸盐形态中可探测到明显的碳元素的原子谱线, 且与碳元素含量有良好的线性关系, 但较难探测到碳元素的分子光谱; 对于有机形态, 不仅能探测到碳的原子谱线, 还能探测到碳的CN分子谱线和C2分子谱线, 且分子光谱与碳元素含量具有较好的相关性, 说明碳元素分子光谱的形成与有机形态有关.将两种形态混合后, 发现CN分子光谱与有机形态中的碳元素含量具有较好的相关性, 说明利用探测到的CN分子光谱可以实现有机形态的鉴别.同时利用CN分子光谱的形成机制, 在两种形态混合后的样品中添加一定量的氮元素, 在氩气条件下, CN分子光谱与样品中有机碳元素含量存在较好的线性关系.进一步说明来源于空气中N和样品中N所形成的CN, 均可用于有机形态碳元素的鉴别.

为了研究扩散火焰空间分布特性, 采用具有空间分辨能力的激光诱导击穿光谱技术对甲烷/空气本生灯扩散火焰进行了实验研究, 得到了不同流量(0.100L/min,0.120L/min)、不同高度(7mm,9mm,11mm)的火焰以及中心轴线上的击穿阈值、等离子体能量、光谱强度比等相关参量的分布情况。结果表明, 等离子体能量可以用来定性描述扩散火焰温度空间变化规律, 结合分析等离子体能量和H/O谱线强度比的分布情况可确定扩散火焰不同高度上火焰前沿的位置以及第二燃烧区域的宽度;根据相关实验点近似得到H/O谱线强度比与火焰局部当量比线性关系式, 可得到不同流量条件下扩散火焰轴向当量比分布情况以及火焰长度。此研究结果对于激光诱导击穿光谱技术应用于燃烧诊断方面具有重要意义。

将激光诱导击穿光谱技术（LIBS）应用于煤中热值的检测。 针对传统的通道面积归一化方法未能考虑煤质检测的物理/化学机制、 从而限制了所建模型在精确性、 准确性、 可重复性的情况, 提出了一种新型的基于光谱偏差产生原理的校正模型。 模型选取了19组煤样品, 随机选择其中15组为校正集, 用于建立热值的定量分析模型, 剩余四种为预测集, 用于对所建模型进行检验与评价。 模型从光谱偏差因素的产生因素出发, 通过原子光谱发射理论结合斯塔克展宽公式, 推导出LIBS条件下自吸收效应的影响机制及其所引起的偏差的修正方法。 通过元素间相互干扰结合基体效应的微观机理对基体效应进行光谱的偏差分析, 并根据K系数法的思路对LIBS中元素间相互干扰进行修正, 通过建立光谱的电子密度, 等离子体温度, 元素浓度的数值模型对基体效应引起的光谱偏差进行深度修正。 因而经过自吸收效应—元素间相互干扰—基体效应深度修正后, 模型对于所研究样品范围内其拟合优度R2=0.967, RMSEP=0.49 MJ·kg-1, RMSE=0.45 MJ·kg-1, MRE=2.42%, ARE=1.64%的同时RSD=5.79%, RSDP=8.10%。 相对于传统的通道面积归一化-多元线性回归方法的0.405, 8.28 MJ·kg-1, 4.14 MJ·kg-1, 22.85%, 52.48%, 18.28%, 32.85%, 表明测量的精确度与准确度都得到明显的提高, 证明该模型具有很好的应用价值。

选用同时含苯环和C-N结构的有机物苯甲酰胺样品为实验对象，制备不同含氮量的样品并进行激光诱导击穿光谱实验；在不同气体环境（空气、氩气）和激光能量条件下，研究了有机物中N元素的激发特性，建立了N元素光谱信息与N元素含量之间的关联性.结果表明：在氩气环境中，含N元素样品的N原子谱线较难被探测到N，该结果说明在大气环境中探测到的N原子谱线主要源于空气中N的激发（空气中有79%的N2）；在空气或氩气条件下，均能探测到较强的CN分子光谱，且与样品中N元素含量有一定的关联性，这种关联性不仅与气体环境有关还与激光能量有关；在氩气条件下，由于CN分子光谱的形成完全来源于样品，不管在低能量还是高能量条件下，均与N元素含量具有较高的相关性；在大气环境中，在低能量条件下，关联性较好（R2高于0.9），而高能量条件下，关联性较差，说明在低能量条件下，空气环境中探测到的CN主要来源于样品本身，而在高能量条件下CN分子光谱的形成受环境中氮气的影响较大.

为了将激光诱导击穿光谱(LIBS)应用到受热面金属材料特性的研究，选择不同晶粒度等级(7级、6级、5级和4级)的12Cr1MoV合金钢为对象，研究不同实验条件下（不同激光能量和光斑直径），12Cr1MoV晶粒度等级与激光诱导击穿光谱特性的关联性。研究结果表明，当光斑直径为206 μm时，在不同能量条件下，不管是基体元素Fe还是合金元素Cr的谱线强度，均与样品的晶粒度等级之间存在较好的关联性。分析Fe离子线与原子线比值时发现，当采用100.6 mJ激光能量、206 μm光斑直径时得到的拟合度达到0.987，优于直接根据谱线强度得到的拟合效果。