基于LIBS的有机基座沉积有机爆炸物的识别技术研究

论文摘要

激光诱导击穿光谱（Laser Induced-breakdown Spectroscopy,LIBS）技术是一种多元素分析技术,是基于对高功率激光脉冲与样品介质相互作用产生的等离子体发射谱线的研究。等离子体辐射中的每条光谱对应于原子,离子或分子中的独特跃迁,其可用作识别样品结构的“指纹”。对于使用常规分析技术难以实现的远距离条件下有机爆炸物识别,LIBS探测技术提供了一种快速而通用的方法。然而基于目前国内外研究现状,多数情况是针对铝（Al）基座上有机爆炸物的识别,当有机爆炸物沉积在有机基座上时,样品间光谱相似度提高导致识别性能不稳定。因此,对于识别有机基座沉积的有机爆炸物仍是一个特别具有挑战性且广阔前景的课题。在基于LIBS的爆炸物的分类时,高能材料通常是有机化合物,需要进行多变量分析。目前,在利用LIBS进行爆炸物识别时,多采用偏最小二乘判别方法（PLS-DA）进行光谱数据的分析处理。对于在相似性质的基座上从与有机爆炸结构相似的痕量样品集中识别有机爆炸物的应用,PLS-DA的线性加和性将导致识别性能存在局限。BP神经网络（BPNNC）具有特有的自组织、自学习调整以及天然的非线性能力,能减弱基体效应对识别的影响,从而有效地提高识别的准确率。同时,为了克服BP神经网络分类器（BPNNC）需要大数据量以及黑箱结构的缺陷,引入散点图分析来描述特征谱线与样品类别之间的关系,并确定最优谱线特征以此减少识别模型输入特征,实现通过小样本条件下建立识别模型。本论文首先搭建远距离LIBS探测系统的实验平台,通过LIBS实验获得一定量样品光谱数据,包括三种有机爆炸物:RDX,TNT,DNT,以及与爆炸物具有共同原子成分的潜在混淆样品:青霉素、阿昔洛韦、黄油、护手霜,7种样品分别位于两种有机物基座上。在此基础上,对光谱数据的去噪和特定化合物的识别展开研究,采用离散小波变换方法扣除连续背景噪声,采用小波阈值去噪方法去除一般噪声,以此确定干净LIBS信号的最佳近似。最后,实验验证PLS-DA和散点图分析结合BPNNC对于有机基座沉积有机爆炸物的识别能力。基于七个样本光谱分别进行PLS-DA建模和散点图分析结合BPNNC训练,通过交叉验证确定两种方法的最优模型。并基于一定量“未知”光谱数据分别对两种识别模型进行验证,以此评估两种方法对有机基座沉积有机爆炸物的识别能力。实验发现,在PLS-DA识别模型中,对10米处的特定化合物识别,准确率为77.68%,假阳性率为22.95%,在BPNNC识别模型中,对相同条件的有机爆炸物进行识别,准确率为88.39%,假阳性率为9.38%。最终确定在相似性质的基体上从与有机爆炸结构相似的痕量样品集中识别有机爆炸物的测试中散点图分析结合BPNNC具有更好的结果。

论文目录

• 摘要
• abstract
• 第一章 绪论
•   1.1 课题来源和研究意义
•   1.2 国内外研究动态
•   1.3 研究目标
•   1.4 本论文的内容及章节安排
• 第二章 有机爆炸物LIBS光谱识别基本原理及分析
•   2.1 LIBS有机爆炸物识别基本原理
•     2.1.1 等离子形成的动力学过程
•     2.1.2 有机爆炸物分类的特殊LIBS光谱谱线分析
•     2.1.3 特征值选取方案设计
•   2.2 影响有机爆炸物识别的主要因素
•     2.2.1 激光辐照度对LIBS光谱的影响
•     2.2.2 基体效应对LIBS光谱的影响
•     2.2.3 连续背景信号对LIBS光谱的影响
•     2.2.4 光谱探测仪器产生的噪声对LIBS光谱的影响
•     2.2.5 测量距离对LIBS光谱的影响
•   2.3 衡量识别系统性能的参数
•   2.4 本章小结
• 第三章 LIBS光谱数据预处理方案设计及分析
•   3.1 LIBS光谱数据背景扣除方案设计
•   3.2 LIBS光谱数据背景扣除仿真验证
•   3.3 LIBS光谱数据的降噪方法分析及方案设计
•   3.4 基于小波的光谱信号降噪算法建模及仿真验证
•   3.5 本章小结
• 第四章 LIBS爆炸物光谱信号识别方案设计与仿真验证
•   4.1 常见的光谱信号识别方法
•     4.1.1 PLS-DA方法基本理论
•     4.1.2 散点图结合BPNNC方法基本理论
•   4.2 PLS-DA和 BPNNC在识别有机爆炸物LIBS光谱中优缺点比较
•   4.3 识别模型设计和仿真验证
•   4.4 本章小结
• 第五章 基于LIBS光谱信号有机爆炸物识别实验验证
•   5.1 远距离LIBS探测系统搭建
•     5.1.1 样品制备
•     5.1.2 实验操作步骤
•   5.2 LIBS光谱预处理
•     5.2.1 LIBS光谱信号背景扣除
•     5.2.2 LIBS信号降噪
•   5.3 LIBS光谱信号识别实验验证
•     5.3.1 基于PLS-DA算法对爆炸物的识别
•     5.3.2 基于ANN算法爆炸物的识别
•   5.4 本章小结
• 第六章 总结与展望
•   6.1 工作总结
•   6.2 未来工作展望
• 致谢
• 参考文献

文章来源

类型: 硕士论文

作者: 杨欣东

导师: 李晓峰

关键词: 有机爆炸物识别,技术,散点图结合神经网络,偏最小二乘判别分析

来源: 电子科技大学

年度: 2019

分类: 基础科学,工程科技Ⅰ辑,工程科技Ⅱ辑

专业: 物理学,燃料化工,武器工业与军事技术

单位: 电子科技大学

分类号: O433.4;TQ560.1

总页数: 88

文件大小: 4724K

下载量: 60