为了讨论缓冲气体对碱原子精细结构能级间的能量交换加速作用, 利用激光感应荧光光谱对Cs(Rb)-N2系统中的精细结构碰撞能量转移过程进行了实验研究, 获得了不同条件下碱原子D1线和D2线的荧光变化数据。结果表明, 在Cs-N2系统中, N2分子更多参与精细结构能量交换的加速过程;在340K时, 系统具有高的荧光转换效率;在Rb-N2系统中, N2分子主要参与猝灭过程, 对精细结构碰撞的增益作用不明显。这一结果可为半导体抽运碱金属激光器的高效运行提供参考数据。

快速且准确识别矿井涌水水源对于防范煤矿水灾事故有着重大的研究意义。 利用激光诱导荧光(LIF)光谱融合智能分类算法进行矿井涌水水源识别打破了传统水化学方法耗时过长等不足, 具有灵敏度高、 响应速度快等特点； 然而目前这些已使用的算法仅能依靠分类准确率定性判别不同矿井涌水水样的种类。 把随机森林(RF)算法和竞争性自适应重加权(CARS)算法相结合, 基于激光诱导荧光的水样荧光光谱数据建立偏最小二乘回归(PLSR)模型来预测不同矿井涌水的含量, 实现水样的定量评估。 首先, 采集300组以老空水为基础混入不同含量砂岩水的矿井涌水样本, 将采集到的水样按4∶1比例随机划分成校正集和预测集, 校正集共240组用于建立回归模型, 预测集共60组用于预测不同水样, 搭建激光诱导荧光涌水光谱系统完成光谱数据的获取并生成荧光光谱图。 然后分别通过S-G卷积平滑法和Lowess平滑法对原始荧光光谱进行去噪处理, 发现处理后的荧光光谱较原始光谱更为分散, 适合光谱分析, 对比了两种去噪方法的预测精度, 选择Lowess平滑法作为最终去噪方法。 接着采用RF算法约简去噪后属性重要度较低的光谱属性, 依据最优回归模型的性能选择约简出的223个属性再用于CARS算法的二次属性精简, 根据CARS算法采样过程中交叉验证均方根误差值最小原则选择出的77个属性光谱数据建立PLSR模型。 最后与全光谱、 其他变量选择方法、 不同回归模型相比, RF-CARS算法属性精简效果最好, 较全光谱建模, 属性由2 048个减少到77个, 模型预测集判定系数R2pre由0.991 4增长到0.996 7, 预测均方根误差RMSEP由0.029 4减少到0.018 3, 预测精度得到提升, 其余评估指标也相对较好。 实验结果表明, RF-CARS结合激光诱导荧光光谱可快速、 精准预测矿井涌水, 精简出的光谱属性用来建立回归模型, 为实现矿井涌水含量的实时定量评估提供了一定的理论保障。

塑料具有成本低、 质量好, 可塑性强等优点被广泛用于生产生活等领域, 但废弃塑料处置不当容易引发二次污染。 回收再利用有望成为解决废弃塑料污染问题的关键手段, 其前提是对废料的准确分选。 传统分选手段耗费时间, 效率低下, 难以实现废弃塑料的快速、 经济、 有效分类。 激光诱导荧光技术是一种快速灵敏的光谱检测技术。 具有操作简便, 检测效率高, 样品使用量小等优点常被应用于水体、 土壤中油类, 多环芳烃等有机污染物的快速识别与定量分析。 利用激光诱导荧光技术可以快速采集不同塑料的荧光光谱, 结合相应的模式识别算法, 可实现塑料材质的快速准确识别。 实验采集了8种塑料(ABS, HDPE, PA66, PLA, PP, PET, PS, PVC)共358组激光诱导荧光光谱, 依据特征峰信息构建358×10的光谱矩阵。 利用主成份分析法削减原光谱矩阵中的线性相关量, 提高数据精度。 结果显示前3个主成分的累计方差贡献值达98.085%, 足以表征原光谱矩阵的主要信息。 将降维的主成分PC1, PC2, PC3作为输入进行光谱分类, 其中同种塑料光谱聚合度高, 元素构成不同的塑料如PA66, PLA, HDPE和PVC的光谱分离度较好, 而元素构成相同的塑料如PET和PLA的光谱分离度较差。 PCA算法并不能准确的对未知塑料进行识别。 BP-神经网络具有收敛速度快, 预测精度高等特点被广泛用于模式识别和分类研究。 将经PCA算法得到的简化特征矩阵作为BP-神经网络算法的输入集, 其中随机抽取256组数据作为BP-神经网络算法模型的训练集, 剩余的102组数据作为模型检测集。 BP神经网络的隐藏层设定值为1, 激活函数选择双极性Sigmoid函数, 输出层为8种塑料样品。 识别结果显示, 102组数据中只有一组HDPE光谱数据被错识为PS, 其余101组数据全部正确识别。 8种塑料荧光光谱的综合识别准确率达到99%。 研究结果表明激光诱导荧光技术结合BP-神经网络算法可实现不同材质塑料的快速准确识别。 为实现废弃塑料的自动化智能分选, 降低回收成本, 减少废弃塑料危害提供新的参考。

结合脉冲放电气体束和激光溅射技术, 开发了一套产生气相金属化合物分子和离子的装置。 利用飞行时间质谱测试了金属铜靶与不同气体反应的离子产物和效率, 并利用激光诱导荧光光谱方法测量了自由基分子产物的状态。 测试结果表明, 该装置可有效产生气相金属化合物自由基分子和离子, 而且产物转动温度低, 为下一步开展高精度金属化合物分子自由基电子态激光光谱研究打下了基础。

利用激光诱导荧光技术可对土壤中石油类污染物快速检测, 不同土壤物理性质下, 污染物荧光发射特征具有一定差异。 为实现外场检测时快速制备合适的土壤样品, 实验研究了土壤疏松度、 颗粒度、 湿度与土壤中石油类污染物荧光强度及光谱稳定性之间的关系。 压片机压强大于2 MPa时土壤样品荧光光谱的稳定性较好, 九种不同疏松度的土壤样品荧光强度的相对标准偏差为3.51%。 不同粒径的机油土壤样品荧光强度差异较小, 其中100目土壤样品的荧光光谱RSD值为2.25%。 结果表明, 土壤样品表面呈平整洁净时, 所得样品荧光光谱的稳定性较好, 土壤疏松度和颗粒度对荧光光谱的影响较小。 湿度对土壤样品荧光发射的影响较大, 当土壤湿度低于10%, 荧光强度变化较小; 湿度范围大于10%时, 荧光强度变化较大。 为利用LIF技术对外场土壤中石油类污染物检测时, 快速有效制备土壤样品及准确测量提供参考。

煤矿井下突水水源的快速判别对煤矿安全生产意义非常重大， 激光荧光技术用于煤矿突水水源的识别打破了传统水化学方法耗时长的不足。 矿井老空水是最常见也是危害最大的水源类型， 而温度是影响物质特性的重要因素之一， 研究激光诱导荧光检测老空水的温度特性有助于快速准确识别矿井突水水源， 该研究具有重要的学术意义和实用价值。 采用405 nm蓝紫光半导体激光器作为光源， 设定激光器功率为120 mW， 产生的激光经UV/Vis石英光纤由荧光探头照射待测水样， 待测水样受激光激发产生荧光由荧光探头采集， 通过石英光纤传输至光谱仪。 以2017年3月在淮南市张集煤矿采集的老空水作为研究对象， 首先过滤掉水样中的悬浮颗粒， 随后将其放置在烧杯中， 使用冰块使样品温度降低至5.0 ℃， 随后放入恒温水浴锅中， 使用铁架台固定荧光探头使其位于液面下1 cm处。 在荧光光谱采集过程中， 样品始终放置在恒温水浴锅中， 通过水浴锅控制样品在10.0～60.0 ℃温度范围内获取荧光光谱， 并讨论了温度变化对老空水激光诱导荧光光谱谱图、 波峰位置及峰值、 温度系数、 谱图面积的影响。 研究结果表明： 随着温度升高， 加速了分子运动， 增加了分子间碰撞的概率， 使得非辐射跃迁增加， 老空水的荧光效率下降， 荧光强度减弱， 荧光光谱整体呈衰减变化主要集中在400～700 nm波段； 老空水荧光光谱的两个波峰所对应的波长保持不变， 并未随着温度变化发生漂移， 两个波峰处（472和493 nm）荧光强度减弱最明显， 同时荧光强度减弱与温度升高存在较好的线性关系， 荧光强度和温度在472 nm处拟合相关系数r2为0.91， 在493 nm处的拟合相关系数r2为0.963 36； 472 nm处的温度系数在20.0 ℃时达到最小值0.34%， 493 nm处的温度系数在20 ℃时达到最小值0.81%， 两处的温度系数均在20.0 ℃时达到最低值即荧光光谱在20.0 ℃附近最稳定； 温度升高， 老空水在荧光光谱在400～700 nm波段与温度轴包围的面积逐渐减小， 400～700 nm波段谱图所对应的面积与温度的拟合相关系数r2为0.975 39即面积的减小与温度的升高有良好的线性关系。 通过研究矿井老空水的温度特性， 矿井老空水的激光诱导荧光光谱在20 ℃最稳定， 在该温度条件下采用激光诱导荧光技术进行矿井水源的识别效果最佳， 同时利用老空水波峰以及面积与温度的线性关系进行温度补偿可以进一步提升利用LIF技术进行矿井突水水源识别的灵敏度和精度， 该研究对实现矿井老空水的快速、 准确判别具有重要意义。

快速识别煤矿突水水源类型对于矿井水害防治意义非凡。 鉴于传统水化学方法水源识别耗时较长等诸多不足， 提出了将模糊C均值聚类（FCM）算法和多维标度分析（MDS）用于激光诱导荧光光谱识别煤矿突水水源这一新思路。 由于FCM算法在光谱分析和模式识别等方面都有着成功的应用， 况且激光光谱具有时间响应快、 灵敏度高、 干扰小等优点， 通过实时采集水样的荧光光谱数据， 利用FCM和MDS对光谱数据分析后就可以辨别水样类型。 以华东地区某矿的老空水和奥灰水以及按比例混合得到水样共7种（每种水样各20个样本）为实验材料， 利用405 nm激光打入被测水体， 一共采集了140组荧光光谱数据， 随后选择合适的波长区间进行分析。 取每种水样各15组共105组光谱数据用作训练集， 其余35组光谱数据用作测试集。 使用MDS建立七种不同水样的模型， 再利用FCM算法进行聚类分析得到七种水样的簇中心， 最后使用得到的簇中心对测试集进行验证。 实验结果表明， 不同水样的光谱图有着较大差异， 选取合适的波长区间下的光谱数据， 在MDS下选择维度为2， 利用FCM算法对水样进行分类， 全部140组样本的准确率是100%。

土壤有机物污染源广、 危害程度高、 监测手段有限, 是继水污染、 大气污染又一个引起全球关注的环境问题。 土壤有机污染快速在线检测分析对农业生产、 土壤调查、 土质修复有着重要的意义。 激光诱导荧光（LIF）光谱技术是一种基于光致发光的物质成分和含量分析技术, 具有样品使用量少、 预处理过程简单、 检测速度快等特点, 在环境科学、 生物分析、 生命科学等众多领域有广泛应用。 国内外研究人员展开大量研究工作, 已形成较完善的方法体系及技术设备。 文章介绍了LIF测量系统的组成结构和工作原理, 综述了现阶段LIF技术在土壤有机污染物检测研究进展, 重点包括土壤中油类污染物、 多环芳烃污染物、 有机农药污染物的识别及定量分析方法等, 以及仪器开发过程中涉及的相关问题, 给出了LIF技术在土壤有机污染物检测方面的发展趋势, 为进一步发展基于LIF技术的土壤有机污染物现场快速检测仪器提供参考。