本發(fā)明涉及光譜分析領(lǐng)域，特別涉及一種應(yīng)用于直讀光譜儀的合金樣品的智能分析方法。
背景技術(shù)：
使用直讀光譜儀對合金樣品進行分析時，需要先知道待分析樣品的類型，再根據(jù)樣品類型選定分析模型后進行分析。然而，在實際應(yīng)用過程中，待測樣品的類型無法用肉眼判斷，必須經(jīng)樣品分析后才能知道樣品類型，也就無法選擇適合待測樣品的模型進行分析，這是一個矛盾的過程。目前，對未知類型的樣品進行分析，通常采用下述兩種方法：
1、通用曲線法：
將所有相關(guān)類型的樣品放到一起進行模型開發(fā)，開發(fā)出來的模型能夠適用所有類型的樣品；但由于該方法將各類型樣品統(tǒng)一建模，會引起較強的譜線和基體干擾，很難完美地建到一個模型當(dāng)中,導(dǎo)致某些元素的干擾嚴(yán)重，測量誤差大，分析結(jié)果的準(zhǔn)確性低；
2、“母模型+子模型”法：
先采用通用曲線模型進行分析，之后根據(jù)分析結(jié)果判定待測樣品的類型并選擇相應(yīng)的分析模型進行再次分析；但該方法需進行兩次分析，先判斷樣品類型再選擇相應(yīng)模型分析，或者先獲得光譜再將光譜帶入相應(yīng)模型分析，前者操作繁瑣、費時費力，而后者需要通用曲線和類型曲線的激發(fā)參數(shù)完全一致，否則無法直接調(diào)用分析光譜進行分析。
技術(shù)實現(xiàn)要素：
為了解決上述現(xiàn)有技術(shù)方案中的不足，本發(fā)明提供了一種操作簡單、分析結(jié)果準(zhǔn)確可靠，無需知道樣品所屬基體和類別，激發(fā)一次即可輸出分析結(jié)果的樣品智能分析方法。
本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的：
一種樣品智能分析方法，所述智能分析方法包括以下步驟：
(A1)上位機將預(yù)燃參數(shù)、預(yù)設(shè)光譜信息和預(yù)設(shè)參數(shù)信息傳送至下位機；
(A2)待測樣品在所述預(yù)燃參數(shù)下激發(fā)，下位機采集預(yù)燃光譜，并根據(jù)所述預(yù)燃光譜與所述預(yù)設(shè)光譜信息進行比較，判定所述待測樣品的基體類型和類別；
(A3)待測樣品在分析參數(shù)下激發(fā)，下位機采集分析光譜，并將所述分析光譜、待測樣品的基體類型和類別傳送至上位機；所述分析參數(shù)根據(jù)待測樣品的類別在所述預(yù)設(shè)參數(shù)信息中選定；
(A4)上位機將所述分析光譜代入待測樣品類別對應(yīng)的模型進行數(shù)據(jù)處理，獲得待測樣品的元素含量。
根據(jù)上述的樣品智能分析方法，優(yōu)選地，所述(A2)步驟進一步包括：
(B1)第一預(yù)燃階段：待測樣品在第一預(yù)燃參數(shù)下激發(fā)，下位機采集第一預(yù)燃光譜，并將所述第一預(yù)燃光譜與所述預(yù)設(shè)光譜信息進行比較，判定所述待測樣品的基體類型；
(B2)第二預(yù)燃階段：待測樣品在第二預(yù)燃參數(shù)下激發(fā)，下位機采集第二預(yù)燃光譜，并將所述第二預(yù)燃光譜與所述預(yù)設(shè)光譜信息進行比較，判定所述待測樣品的類別；所述第二預(yù)燃參數(shù)根據(jù)待測樣品的基體類型在所述預(yù)設(shè)參數(shù)信息中選定；
(B3)第三預(yù)燃階段：待測樣品在第三預(yù)燃參數(shù)下激發(fā)，所述第三預(yù)燃參數(shù)根據(jù)待測樣品的類別在所述預(yù)設(shè)參數(shù)信息中選定。
根據(jù)上述的樣品智能分析方法，優(yōu)選地，待測樣品基體類型的判定方法如下：
(C1)根據(jù)第一預(yù)燃光譜的譜線位置確定待測樣品中的元素種類；
(C2)將待測樣品中每個元素的光強和預(yù)設(shè)光譜信息中的預(yù)設(shè)基體元素光強進行比較，統(tǒng)計光強差值大于0的元素譜線：
若只有一種元素的光強差值大于0，則判定待測樣品為所述元素的基體樣品；
若超過二種元素的光強值大于0，則選擇區(qū)別元素，通過所述區(qū)別元素在待測樣品中的含量判定基體類型；所述區(qū)別元素在所述超過二種元素的基體內(nèi)的含量存在明顯差別。
根據(jù)上述的樣品智能分析方法，優(yōu)選地，待測樣品類別的判定方法如下：
根據(jù)第二預(yù)燃光譜，將待測樣品中非基體元素的光強和預(yù)設(shè)光譜信息中的預(yù)設(shè)光強進行比較，統(tǒng)計非基體元素的關(guān)鍵類別元素光譜強度區(qū)間，選定樣品類別。
本發(fā)明還提供一種采用上位機進行樣品基體和類別判定的樣品智能分析方法，所述智能分析方法包括以下步驟：
(D1)設(shè)定預(yù)燃參數(shù)，上位機將所述預(yù)燃參數(shù)傳送至下位機；
(D2)待測樣品在預(yù)燃參數(shù)下激發(fā)，下位機采集預(yù)燃光譜，并將所述預(yù)燃光譜傳送至上位機；
(D3)上位機將所述預(yù)燃光譜與預(yù)設(shè)光譜信息進行比較，判定所述待測樣品的基體類型；并將所述預(yù)燃光譜代入所述基體類型對應(yīng)的模型進行計算，獲得待測樣品的類別；
(D4)根據(jù)待測樣品的類別在所述預(yù)設(shè)參數(shù)信息中選定類別預(yù)燃參數(shù)和分析參數(shù)并傳送至下位機；
(D5)待測樣品在所述類別預(yù)燃參數(shù)下預(yù)燃、在分析參數(shù)下激發(fā)，下位機采集分析光譜，并將所述分析光譜傳送至上位機；
(D6)上位機將所述分析光譜代入待測樣品類別對應(yīng)的模型進行數(shù)據(jù)處理，獲得待測樣品的元素含量。
根據(jù)上述的樣品智能分析方法，優(yōu)選地，所述預(yù)設(shè)光譜信息包括：不同基體對應(yīng)的譜線位置和預(yù)設(shè)光強、同一基體下不同類別對應(yīng)的譜線位置和預(yù)設(shè)光強。
根據(jù)上述的樣品智能分析方法，優(yōu)選地，所述預(yù)設(shè)參數(shù)信息包括：不同基體類型對應(yīng)的第二預(yù)燃參數(shù)和不同類別對應(yīng)的第三預(yù)燃參數(shù)和分析參數(shù)。
與現(xiàn)有技術(shù)相比，本發(fā)明具有的有益效果為：
1、本發(fā)明的樣品分析方法為全自動智能分析，可自行判定基體類型和類別，用戶無需事先測定，簡化用戶操作，省時省力。
2、本發(fā)明通過一次激發(fā)即可完成樣品分析，操作簡單；且每次激發(fā)分為四個階段，三個預(yù)燃階段和一個分析階段，通過第一預(yù)燃階段判定樣品的基體類型并確定第二預(yù)燃階段的激發(fā)參數(shù)，通過第二預(yù)燃階段判定樣品類別并確定類別預(yù)燃參數(shù)和分析階段的激發(fā)參數(shù)，不同階段采用不同的激發(fā)參數(shù)化，使得分析結(jié)果更為準(zhǔn)確可靠。
附圖說明
參照附圖，本發(fā)明的公開內(nèi)容將變得更易理解。本領(lǐng)域技術(shù)人員容易理解的是：這些附圖僅僅用于舉例說明本發(fā)明的技術(shù)方案，而并非意在對本發(fā)明的保護范圍構(gòu)成限制。圖中：
圖1是本發(fā)明實施例1的樣品智能分析方法的分析流程圖。
實施方式
圖1和以下說明描述了本發(fā)明的可選實施方式以教導(dǎo)本領(lǐng)域技術(shù)人員如何實施和再現(xiàn)本發(fā)明。為了教導(dǎo)本發(fā)明技術(shù)方案，已簡化或省略了一些常規(guī)方面。本領(lǐng)域技術(shù)人員應(yīng)該理解源自這些實施方式的變型或替換將在本發(fā)明的范圍內(nèi)。本領(lǐng)域技術(shù)人員應(yīng)該理解下述特征能夠以各種方式組合以形成本發(fā)明的多個變型。由此，本發(fā)明并不局限于下述可實施方式，而僅由權(quán)利要求和它們的等同物限定。
實施例1
圖1示意性地給出了本實施例的樣品智能分析方法的分析流通圖，如圖1所示，所述智能分析方法包括以下步驟：
一種樣品智能分析方法，所述智能分析方法包括以下步驟：
(A1)上位機將預(yù)燃參數(shù)、預(yù)設(shè)光譜信息和預(yù)設(shè)參數(shù)信息傳送至下位機；
(A2)待測樣品在所述預(yù)燃參數(shù)下激發(fā)，下位機采集預(yù)燃光譜，并根據(jù)所述預(yù)燃光譜與所述預(yù)設(shè)光譜信息進行比較，判定所述待測樣品的基體類型和類別；
(A3)待測樣品在分析參數(shù)下激發(fā)，下位機采集分析光譜，并將所述分析光譜、待測樣品的基體類型和類別傳送至上位機；所述分析參數(shù)根據(jù)待測樣品的類別在所述預(yù)設(shè)參數(shù)信息中選定；
(A4)上位機將所述分析光譜代入待測樣品類別對應(yīng)的模型進行數(shù)據(jù)處理，獲得待測樣品的元素含量。
對不同基體類型的樣品來說，其激發(fā)參數(shù)不盡相同；在樣品基體類型確定后，對激發(fā)參數(shù)進行改變，以提高樣品激發(fā)效果，使得分析結(jié)果更為準(zhǔn)確，故：
進一步地，所述(A2)步驟包括：
(B1)第一預(yù)燃階段：待測樣品在第一預(yù)燃參數(shù)下激發(fā)，下位機采集第一預(yù)燃光譜，并將所述第一預(yù)燃光譜與所述預(yù)設(shè)光譜信息進行比較，判定所述待測樣品的基體類型；
(B2)第二預(yù)燃階段：待測樣品在第二預(yù)燃參數(shù)下激發(fā)，下位機采集第二預(yù)燃光譜，并將所述第二預(yù)燃光譜與所述預(yù)設(shè)光譜信息進行比較，判定所述待測樣品的類別；所述第二預(yù)燃參數(shù)根據(jù)待測樣品的基體類型在所述預(yù)設(shè)參數(shù)信息中選定；
(B3)第三預(yù)燃階段：待測樣品在第三預(yù)燃參數(shù)下激發(fā)，所述第三預(yù)燃參數(shù)根據(jù)待測樣品的類別在所述預(yù)設(shè)參數(shù)信息中選定。
進一步地，待測樣品基體類型的判定方法如下：
(C1)根據(jù)第一預(yù)燃光譜的譜線位置確定待測樣品中的元素種類；
(C2)將待測樣品中每個元素的光強和預(yù)設(shè)光譜信息中的預(yù)設(shè)基體元素光強進行比較，尋找光強差值大于0的元素，則待測樣品為所述元素的基體樣品。
但在基體類型判斷的過程中，有可能遇上兩種及以上元素的光強均比預(yù)設(shè)光強要高的情況，此時無法確定樣品的基體類型，故：
進一步地，若超過二種元素的光強值大于0，則選擇區(qū)別元素，通過所述區(qū)別元素在待測樣品中的含量判定基體類型；所述區(qū)別元素在所述超過二種元素的基體內(nèi)的含量存在明顯差別。
進一步地，所述區(qū)別元素分為一級、二級、三級甚至多級，若一級區(qū)別元素的光譜強度對比類似，則選用二級區(qū)別元素進行判定，以此類推，直至區(qū)別元素能夠明確判斷出樣品基體類型為止。
在樣品基體類型明確之后，對待測樣品的類別進行進一步判定，具體判定方法如下：
根據(jù)第二預(yù)燃光譜，將待測樣品中非基體元素的光強和預(yù)設(shè)光譜信息中的預(yù)設(shè)光強進行比較，統(tǒng)計非基體元素的關(guān)鍵類別元素光譜強度區(qū)間，選定樣品類別。
在上述實施例中，所述預(yù)設(shè)光譜信息包括：不同基體對應(yīng)的譜線位置和預(yù)設(shè)光強、同一基體下不同類別對應(yīng)的譜線位置和預(yù)設(shè)光強。不同基體對應(yīng)的譜線位置和同一基體下不同類別對應(yīng)的譜線位置的定位方法均為現(xiàn)有技術(shù)，在此不再贅述；不同基體的預(yù)設(shè)光強和同一基體下不同類別的預(yù)設(shè)光強根據(jù)經(jīng)驗，實驗和理論計算獲得。
所述預(yù)設(shè)參數(shù)信息包括：不同基體類型對應(yīng)的第二預(yù)燃參數(shù)以及不同類別對應(yīng)的類別預(yù)燃參數(shù)和分析參數(shù)。預(yù)設(shè)參數(shù)信息中，基體類型和第二預(yù)燃參數(shù)一一映射，樣品類別與類別預(yù)燃、分析參數(shù)一一映射，均由開發(fā)人員由大量的實驗數(shù)據(jù)獲得，或根據(jù)經(jīng)驗設(shè)定。
故，在第一預(yù)燃階段結(jié)束獲得樣品基體類型后，下位機根據(jù)基體類型和第二預(yù)燃參數(shù)的映射關(guān)系，在預(yù)設(shè)參數(shù)信息中選出第二預(yù)設(shè)參數(shù)并控制儀器進行第二預(yù)燃階段的樣品激發(fā)。在第二預(yù)燃階段結(jié)束獲得樣品類別后，下位機根據(jù)樣品類別和類別預(yù)燃參數(shù)、分析參數(shù)的映射關(guān)系，在預(yù)設(shè)參數(shù)信息中選出類別預(yù)燃參數(shù)、分析參數(shù)并控制儀器進行樣品預(yù)燃和分析激發(fā)。
本實施例的優(yōu)勢在于：1、本實施例的樣品分四階段激發(fā)，下一階段的激發(fā)參數(shù)由上一階段的判定結(jié)果為依據(jù)進行選擇，提高了分析結(jié)果的準(zhǔn)確性；2、樣品自動分析，無需知道樣品的基體類型和類別；一次激發(fā)即可獲得分析結(jié)果，高效便捷；3、雖然分階段預(yù)燃，但每個階段的時間短，不影響客戶使用體驗。
實施例2
本實施例提供一種樣品智能分析方法，與實施例1不同的是，實施例1通過下位機進行樣品基體類型和類別的判斷，本實施例采用上位機進行樣品基體和類別判定，所述智能分析方法包括以下步驟：
(D1)設(shè)定預(yù)燃參數(shù)，上位機將所述預(yù)燃參數(shù)傳送至下位機；
(D2)待測樣品在預(yù)燃參數(shù)下激發(fā)，下位機采集預(yù)燃光譜，并將所述預(yù)燃光譜傳送至上位機；
(D3)上位機將所述預(yù)燃光譜與預(yù)設(shè)光譜信息進行比較，判定所述待測樣品的基體類型；并將所述預(yù)燃光譜代入所述基體類型對應(yīng)的模型進行計算，獲得待測樣品的類別；
(D4)根據(jù)待測樣品的類別在所述預(yù)設(shè)參數(shù)信息中選定類別預(yù)燃參數(shù)和分析參數(shù)并傳送至下位機；
(D5)待測樣品在所述類別預(yù)燃參數(shù)下預(yù)燃、在分析參數(shù)下激發(fā)，下位機采集分析光譜，并將所述分析光譜傳送至上位機；
(D6)上位機將所述分析光譜代入待測樣品類別對應(yīng)的模型進行數(shù)據(jù)處理，獲得待測樣品的元素含量。
實施例3
本發(fā)明實施例1的樣品智能分析方法在廢舊金屬分析領(lǐng)域的應(yīng)用例。
在該應(yīng)用例中，待測樣品為回收金屬，但不確定樣品類型。根據(jù)實驗確定常見基體如Fe，Al，Cu，Zn，Ni，Co，Ti，Pb等直讀光譜儀可分析的所有基體的激發(fā)參數(shù)、預(yù)燃參數(shù)、預(yù)設(shè)光譜信息和預(yù)設(shè)參數(shù)信息，并將相關(guān)參數(shù)一起下發(fā)至下位機中，所述樣品的分析流程如下：
S1.樣品在第一預(yù)燃參數(shù)下激發(fā)，下位機獲得第一預(yù)燃光譜；
對第一預(yù)燃光譜進行分析，確定樣品中預(yù)設(shè)光譜信息中的各波長強度，并與預(yù)設(shè)光強做對比分析，通過與預(yù)設(shè)基體內(nèi)標(biāo)光強值得對比，發(fā)現(xiàn)樣品中Fe的含量很高，遠大于其他元素，故確定該樣品為鐵基樣品；下位機選擇鐵基樣品對應(yīng)的第二預(yù)燃參數(shù)；
S2.樣品在第二預(yù)燃參數(shù)下激發(fā)，下位機采集第二預(yù)燃光譜；
對第二預(yù)燃光譜進行分析，利用校正曲線方程和分析范圍，將關(guān)鍵元素進行反算，確定光強參數(shù)，確定樣品類別為Cr-Ni不銹鋼樣品；下位機選定Cr-Ni合金對應(yīng)的激發(fā)參數(shù)和分析參數(shù)進行分析激發(fā)；
S3.樣品將在選定的Cr-Ni不銹鋼分析參數(shù)下進行激發(fā)，下位機采集分析光譜，并將所述分析光譜、基體類型和類別傳送至上位機；
S4.上位機將所述分析光譜代入Cr-Ni模型進行數(shù)據(jù)處理，獲得測試樣品的準(zhǔn)確元素含量。