Калибровка состава низколегированных сталей интервальным методом частичных наименьших квадратов по эмиссионным спектрам низкого разрешения с коррекцией базовой линии

Экспрессное определение элементного состава сталей и сплавов на основе железа является актуальной задачей, для решения которой может применяться лазерно-искровая эмиссионная спектроскопия. Недостатком одно- или многопараметрических решений этой задачи является их полуколичественный характер. Целью работы являлась разработка количественных многопараметрических калибровок концентраций набора химических элементов, достаточного для проведения идентификации низколегированных сталей по эмиссионным спектрам низкого разрешения. Для построения калибровок применялся многопараметрический метод частичных наименьших квадратов. Уменьшение влияния избыточности широкополосных эмиссионных спектров на результаты количественного анализа достигалось путём поиска комбинации движущихся окон, содержащих на одну спектральную переменную больше, чем оптимальное количество латентных переменных для широкополосной многопараметрической модели. Также для повышения точности калибровок использовалась коррекция базовой линии с помощью адаптивного метода наименьших квадратов со штрафом и итеративным пересчётом весов. По лазерным эмиссионным спектрам 65 эталонных образцов низколегированных сталей, зарегистрированным в диапазоне длин волн 172– 507 нм со спектральным разрешением 0,5 нм и шагом 0,1 нм, получены калибровки концентрации углерода со среднеквадратичным отклонением не хуже 0,059 % в диапазоне до 0,8 %, марганца – 0,02 % и 2,0 %, соответственно, хрома – 0,009 % и 1,0 %, кремния – 0,021 % и 1,2 %, никеля – 0,04 % и 0,8 %, меди – 0,019 % и 0,5 %, ванадия и титана – 0,005 % без ограничения диапазона. Полученные многопараметрические модели являются количественными для указанных элементов, что позволяет определять сорт исследуемых сталей экспрессным образом на производстве или при их вторичной переработке.

1. Syvilay D. Guideline for increasing the analysis quality in laser-induced breakdown spectroscopy / D. Syvilay, J. Guezenoc, B. Bousquet // Spectrochim- ica Acta Part B: Atomic Spectroscopy, 2019, vol. 161, pp. 1-34. DOI: 10.1016/j.sab.2019.105696

2. Kim H. Laser-induced breakdown spectroscopy analysis of alloying elements in steel: Partial least squares modeling based on the low-resolution spectra and their first derivatives / H. Kim [et al.] // Optics and Laser Technology, 2019, vol. 112, pp. 117-125. DOI: 10.1016/j.optlastec.2018.11.002

3. Cui M. Carbon detection in solid and liquid steel samples using ultraviolet long-short double pulse laser-induced breakdown spectroscopy / M. Cui [et al.] // Spectrochimica Acta Part B: Atomic Spectroscopy, 2020, vol. 167, p. 105839, pp. 1-7. DOI: 10.1016/j.sab.2020.105839

4. Zhao Sh. Stability and accuracy improvement of element analysis in steel alloys using polarization-resolved laser-induced breakdown spectroscopy / Sh. Zhao, Y. Zhao, Z. Hou, Zh. Wang // Spectrochimica Acta Part B: Atomic Spectroscopy, 2023, vol. 203, pp. 106666. DOI: 10.1016/j.sab.2023.106666

5. Бельков М.В. Многопараметрическая калибровка состава низколегированных сталей по предобработанным эмиссионным спектрам низкого разрешения с выбором спектральных переменных / М.В. Бельков, К.Ю. Кацалап, Д.А. Королько, М.А. Ходасевич // Журнал прикладной спектроскопии. 2023. Т. 90. № 2. С. 174-179.

6. Labutin T.A. Determination of chlorine, sulfur and carbon in reinforced concrete structures by double-pulse laser-induced breakdown spectroscopy / T.A. Labutin [et al.] // Spectrochim. Acta B, 2014, vol. 99, pp. 94-100. DOI: 10.1016/j.sab.2014.06.021

7. Geladi P. Partial least-squares regression: a tutorial / P. Geladi, B.R. Kowalski // Analytica Chimica Acta, 1986, vol. 185, pp. 1-17. DOI: 10.1016/0003-2670(86)80028-9

8. Alsaqri S.N. Rapid detection of pork gelatin in ice cream samples by using non-destructive FT-NIR spectroscopy and Partial least squares-discriminant analysis / S.N. Alsaqri [et al.] // Food Chemistry Advances, 2023, vol. 2, pp. 100215. DOI: 10.1016/j.focha.2023.100215

9. Gelaye K.K. Application of artificial neural networks and partial least squares regression to predict irrigated land soil salinity in the Rift Valley Region, Ethiopia / K.K. Gelaye [et al.] // Journal of Hydrology: Regional Studies, 2023, vol. 46, pp. 101354. DOI: 10.1016/j.ejrh.2023.101354

10. Стандарт Американского общества специалистов по испытаниям материалов ASTM E 1655-05 «Standard Practices for Infrared Multivariate Quantitative Analysis» (СТ РК АСТМ Е1655-2011 «Стандартные методы по инфракрасному многомерному количественному анализу»).

11. Kennard R.W. Computer-aided Design of Experiments / R.W. Kennard, L.A. Stone // Technometrics, 1969, vol. 11, pp. 137-148. DOI: 10.1080/00401706.1969.10490666

12. Ходасевич М.А. Методы построения обучающего набора для калибровки с помощью флуоресцентной спектроскопии небольших выборок образцов / М.А. Ходасевич, Н.А. Саскевич // Вести НАН Беларуси: сер. физ.-мат. наук. 2018. Т. 54, № 1. C. 77.

13. Zornoza R. Near infrared spectroscopy for determination of various physical, chemical and biochemical properties in Mediterranean soils / R. Zornoza [et al.] //Soil Biology & Biochemistry, 2008, vol. 40, no. 7, pp. 1923-1930. DOI: 10.1016/j.soilbio.2008.04.003

14. Бельков М.Многопараметрическая калибровка концентраций C, Mn, Si, Cr, Ni и Cu в низколегированных сталях методами лазерноискровой эмиссионной спектроскопии по необработанным спектрам с низким разрешением / М. Бельков, Д. Борисевич, К. Кацалап, М. Ходасевич // Журнал прикладной спектроскопии. 2021. Т. 88. № 5. С. 737-742.

15. Zhang Z.M. Baseline Correction Using Adaptive Iteratively Reweighted Penalized Least Squares / .M. Zhang, S. Chen, Y.Z. Liang // Analyst, 2010, vol. 135, pp. 1138-1146. DOI: 10.1039/b922045c

16. [Электронный ресурс]. - Режим доступа: https://code.google.com/archive/p/airpls/ Дата доступа: 10.07.2023.

17. Ходасевич М.А. Выбор спектральных переменных и повышение точности калибровки температуры методом проекции на латентные структуры по спектрам флуоресценции Yb3+:Cap2 / М.А. Ходасевич, В.А. Асеев // Оптика и спектроскопия. 2018. T. 124, № 5. C. 713-717. DOI: 10.21883/OS.2018.05.45958.22-18