钒钛资源由于元素种类繁多，多元素伴生，化学结构复杂。传统的化学法和光谱法过程繁琐、需取样送样、制备样品，实时性差，无法满足现代工业高效快速的检测要求结构复杂。而LIBS技术无需样品制备、方便快捷，可以广泛用于矿冶生产过程的各个环节，为钒钛资源成分的快速准确检测提供新的技术途径。LIBS技术本身也存在一些尚待解决的问题，如多元素下等离子体时间分辨特性及谱线干扰问题，测量过程中光谱数据存在波动，少/无标样下模型预测准确度有待提高。针对上述问题进行研究得到如下四个方面成果：1. 激光诱导等离子体多元素光谱时间分辨特性；2. 鲁棒性回归建模；3. 高温环境下有标样定量分析方法；4. 无标样定量分析方法。

性能指标：

1. 三个钒渣测试样本中的五种氧化物CaO、MgO、***和V2O5进行定量分析，预测含量的平均相对误差，三个球团矿测试样本中的四种氧化物CaO、MgO、SiO2和TiO2进行定量分析预测含量的平均相对误差，引入最小二乘支持向量机算法，解决了光谱数据波动性问题。

2. 对8个铅铜合金样本进行元素含量的预测样本的复相关系数，预测样本的平均相对误差，通过引入关联领域中标样曲线的数据信息，解决目标领域中少标样条件下LIBS回归建模的问题。

3. 对3个高温测试样本中Cr元素预测含量的平均绝对误差降低问题，引入自吸收校正和等离子体温度估计，提高LIBS自由定标定量分析的准确度。

成果亮点：

1. 具有自主知识产权，研究成果已授权相关发明专利2项，已进入实质审查相关发明专利1项。已发表SCI论文6篇（其中：中科院 1 区4篇，2区1 篇，3区1篇），另外有1篇SCI 1区文章已完成投稿。

2. 技术先进性：国内领先，从提高光谱的质量和定量分析数学模型的准确度两方面，为LIBS领域深入研究奠定了基础。

      钒钛，作为稀有金属，用途非常广泛。据了解，钒主要用于合金以改善钢的性能。同时，目前钒电池已在美、加、欧、日、澳等商业化应用于风电储能、光伏储能及电网调峰。钛在传统领域广泛运用于漂白、油漆、造纸等行业，加工后的钛材则用于高端的航天航空、军事等领域。

      激光诱导击穿光谱是一种原子发射光谱技术，在分析物质成分方面有很大潜力。LIBS定量分析一直是一个研究难题，已有研究表明，机器学习方法能显著提升LIBS定量分析效果，例如支持向量回归(Support Vector Regression, SVR)、人工神经网络(Artificial Neural Network, ANN)[、随机森林(Random Forest, RF)、偏最小二乘回归(Partial Least Squares Regression, PLSR)、最小绝对收敛选择算子(Latest absolute shrink and selection operator, Lasso)等。

    该研究成果对提高生产效率、优化生产工艺、提高矿冶生产质量稳定性有重要意义，相关研究思路也可推广到荧光光谱、拉曼光谱等分析技术中。此外，在电力、化工、生物、环保等领域也具有广阔的应用前景。   

阳建宏，教授，博导，金属冶炼重大事故防控技术支撑基地副主任，机械工程学院机械电子工程系副主任兼大安全科学研究院副院长，主持或参与多项国家级或省部级项目，长期从事激光诱导击穿光谱的相关科研工作，入选北京市高等学校青年英才计划，2018获全国冶金先进青年科技工作者。

技术优势：

1. 加入干扰谱线的回归建模结合选择性集成方法（SE-LIBS方法），可实现多元素光谱干扰情况下的定量分析。

2. 分段加权的鲁棒最小二乘支持向量机的方法，可以有效减小LIBS数据的波动性。

3. 迁移常温光谱数据的方法（Tr-LIBS方法），可有效解决高温环境下少标样定量分析问题。

4. 改进自吸收校正和等离子体温度优化估计的方法（SAPT-CF方法），可有效提高CF-LIBS定量分析的准确度。

经济效益分析：

既方便快捷又有较高分析精准度的定量分析技术，是提高企业生产效率、优化生产工艺的重要技术手段，对实现钒钛资源的高效综合利用具有重要的科学意义和研究价值。

合作方式：整体转让、技术许可

目前处于何种研发阶段：中试

样机：有

已投入成本：200W。

推广应用情况：已将算法应用于山西建龙钢厂LIBS检测系统集成。该算法将进一步应用苏州宝联重工企业。

期望技术转移成交价格（大概金额）：面议。