基于BP神經(jīng)網(wǎng)絡(luò)的絕緣子污穢成分LIBS在線檢測(cè)技術(shù)

王乃嘯，高海翔，王希林，王志遠(yuǎn)，朱曉光

(1. 廣東電網(wǎng)有限責(zé)任公司電力調(diào)度控制中心，廣東 廣州510600; 2. 清華大學(xué) 深圳國(guó)際研究生院，廣東 深圳518055；3. 東北大學(xué) 冶金學(xué)院，遼寧 沈陽(yáng)110819；4. 西安交通大學(xué) 電氣工程學(xué)院，陜西 西安 710049)

特高壓輸電線路大多途經(jīng)地廣人稀的地域，這些地域氣候環(huán)境復(fù)雜多變，工農(nóng)業(yè)發(fā)展水平差距明顯，因此輸電線路的污穢水平、典型污穢特征各異。輸電線路的污閃事故可能導(dǎo)致線路跳閘，進(jìn)而引發(fā)更大范圍的電網(wǎng)安全事故。傳統(tǒng)的鹽密、灰密法測(cè)量手段需要檢修人員登上幾十米或上百米輸電桿塔擦取絕緣子串表面的污穢，以此檢測(cè)檢測(cè)線路的污穢水平，這對(duì)工作人員的人身安全產(chǎn)生了巨大威脅[1-3]。其次，傳統(tǒng)方法需要線路停電，而由于特高壓輸電線路主要承擔(dān)跨省、跨區(qū)域的電力輸送，停電時(shí)需要進(jìn)行復(fù)雜的負(fù)荷轉(zhuǎn)供操作，且停電間隙較短，使得傳統(tǒng)檢測(cè)方法的應(yīng)用條件受限。另外，絕緣子表面污穢沉積層成分復(fù)雜，在一些特別的區(qū)域存在特殊污穢[4]，如化工廠礦周?chē)髽I(yè)排放的高導(dǎo)電性塵埃沉積在絕緣子表面，造成絕緣子電場(chǎng)畸變，加速絕緣老化，而這類(lèi)特殊污穢通常無(wú)法用鹽密、灰密法檢測(cè)得到，威脅著電網(wǎng)的安全穩(wěn)定運(yùn)行。為實(shí)現(xiàn)絕緣子污穢的在線、準(zhǔn)確、快速檢測(cè)，電力企業(yè)在積極尋找新型的輸電線路污穢水平(特別是污穢成分和含量)的在線監(jiān)測(cè)方法，以提高電力系統(tǒng)的防污閃水平[5-7]。

激光誘導(dǎo)擊穿光譜(laser-induced breakdown spectroscopy，LIBS)技術(shù)是將聚焦的高能量密度激光脈沖作用于樣品表面，使用光譜儀捕獲等離子體原子發(fā)射光譜，并對(duì)光譜進(jìn)行分析的方法。光譜中的波長(zhǎng)和強(qiáng)度信息表征了材料的元素種類(lèi)和質(zhì)量分?jǐn)?shù)。LIBS技術(shù)具有原位、在線、快速、準(zhǔn)確的優(yōu)勢(shì)，在生物醫(yī)藥、能源礦產(chǎn)、宇航探測(cè)等領(lǐng)域被廣泛應(yīng)用[8-11]。目前，針對(duì)將LIBS技術(shù)應(yīng)用于電氣設(shè)備外絕緣在線檢測(cè)的問(wèn)題，王希林等人開(kāi)展了基于LIBS技術(shù)的硅橡膠復(fù)合絕緣子老化特性表征，以及絕緣子表面污穢成分檢測(cè)研究，基于LIBS技術(shù)快速、準(zhǔn)確、在線監(jiān)測(cè)硅橡膠的老化性能，建立了與硅橡膠老化狀態(tài)密切相關(guān)的C、O、Fe、Si等成分和分布信息。LIBS技術(shù)不會(huì)破壞硅橡膠表面激光燒蝕區(qū)的憎水性，燒蝕區(qū)靜態(tài)接觸角甚至大于硅橡膠非燒蝕區(qū)的靜態(tài)接觸角[12-13]，由于燒蝕坑深度與激光脈沖數(shù)呈線性關(guān)系，可獲得硅橡膠表面從外到內(nèi)沿深度方向的各種元素及其分布規(guī)律，從而得到硅橡膠表面的老化層深度和元素分布[14-15]。文獻(xiàn)[16-18]研究了表面粗糙度、硬度對(duì)光譜信號(hào)的影響，開(kāi)展了主成分分析法等的快速檢測(cè)硅橡膠老化方法。在LIBS檢測(cè)絕緣子污穢成分方面，文獻(xiàn)[19-21]研究了LIBS參數(shù)對(duì)污穢光譜信號(hào)的影響，開(kāi)展了基于偏最小二乘法、k-means、自適應(yīng)重加權(quán)結(jié)合偏最小二乘法等多種污穢成分分析方法。但污穢成分的理化特性復(fù)雜，而污穢的致密度、粒徑等特性都可能影響光譜信號(hào)，進(jìn)而影響污穢成分的檢測(cè)結(jié)果，對(duì)此，本文首先研究污穢特性對(duì)光譜信號(hào)的影響。

對(duì)于污穢等復(fù)雜的基體，等離子中不同元素間的相互干擾以及不同等離子體的物理特性差異，使得待測(cè)元素的譜線強(qiáng)度受到干擾，有必要結(jié)合光譜化學(xué)計(jì)量學(xué)分析方法與LIBS技術(shù)，以提高LIBS定量分析的可重復(fù)性和準(zhǔn)確性。常用的化學(xué)計(jì)量學(xué)方法包括偏最小二乘法、神經(jīng)網(wǎng)絡(luò)算法、聚類(lèi)分析、小波變換等[22-23]。清華大學(xué)王哲[24]研究了等離子體調(diào)制、光譜標(biāo)準(zhǔn)化和雙線組合等一系列減低測(cè)量不確定性的方法，極大地提高了測(cè)量重復(fù)性。針對(duì)土壤成分松散問(wèn)題，N.Idris等人[25]將油脂及土壤混合后附著在Ni板表面，避免LIBS分析時(shí)將土壤打散，試驗(yàn)中可以檢測(cè)到土壤中的Na、Ni、Ca、Mg等元素的譜線。文獻(xiàn)[26]利用偏最小二乘法、支持向量機(jī)等數(shù)學(xué)模型分析了土壤中大部分元素成分的檢出限，并采取增強(qiáng)電荷耦合器件(intensified charge-coupled device，ICCD)等輔助設(shè)備，進(jìn)一步降低了包括Be、Si、Fe、Cu、Mn等在內(nèi)的土壤中主要金屬類(lèi)元素及微量元素的檢出限。在土壤中有機(jī)碳及無(wú)機(jī)碳含量的定量分析方面，Ross S. Bricklemyer[27-28]等利用PLS1及PLS2校準(zhǔn)回歸模型、最小絕對(duì)收縮和選擇算子，以及具有協(xié)方差估計(jì)的稀疏多元回歸方法，實(shí)現(xiàn)了2類(lèi)有機(jī)碳和無(wú)機(jī)碳質(zhì)量分?jǐn)?shù)的良好預(yù)測(cè)。近年來(lái)，人工智能算法，包括粒子群算法、隨機(jī)森林、遺傳算法、神經(jīng)網(wǎng)絡(luò)等模型也應(yīng)用到復(fù)雜成分檢測(cè)中，取得了很好的預(yù)測(cè)效果[29-32]。

考慮自然污穢基體的復(fù)雜性，本文在研究污穢成分對(duì)光譜信號(hào)的影響后，結(jié)合LIBS技術(shù)與BP神經(jīng)網(wǎng)絡(luò)算法，建立了基于BP神經(jīng)網(wǎng)絡(luò)的污穢成分與LIBS光譜強(qiáng)度的定量模型，最終實(shí)現(xiàn)了輸電線路污穢水平的定量化分析預(yù)測(cè)。

1 自然污穢圖譜特征分析

輸變電外絕緣用絕緣子常年暴露在戶(hù)外環(huán)境中，線路穿越地區(qū)條件復(fù)雜多變，其表面自然受到所在自然環(huán)境的影響?？梢酝ㄟ^(guò)現(xiàn)場(chǎng)采集絕緣子表面污穢，或直接更換現(xiàn)場(chǎng)運(yùn)行絕緣子，然后運(yùn)回到實(shí)驗(yàn)室中，將預(yù)處理后的污穢樣品送入元素分析儀器，即可得到自然污穢的成分。

試驗(yàn)選取的自然污穢采集自220 kV東葵甲線N41跳線上的復(fù)合絕緣子，生產(chǎn)廠家為東莞市高能實(shí)業(yè)有限公司，編號(hào)60523482。選取絕緣子串的中部位置，并沿著絕緣子串芯棒根部割下1片絕緣子。在絕緣子污穢層顏色較深的位置割取一小塊(1 cm×1 cm)進(jìn)行掃描顯微鏡(scanning electron microscope，SEM)和能譜儀(energy dispersive spectrometer，EDS)測(cè)試，分析絕緣子表面原始的污穢分布形態(tài)和主要元素分布含量。自然污穢成分檢測(cè)試驗(yàn)選用的SEM和EDS儀器型號(hào)分別為ZEISS SUPRA 55和Oxford X-Max 20，噴金設(shè)備為L(zhǎng)eica EMACE 200型全自動(dòng)低真空鍍膜設(shè)備，噴金材料為Pt。噴金鍍膜可以提高試驗(yàn)樣品表面的導(dǎo)電率。

圖1為絕緣子表面自然污穢在5 000倍下的SEM圖像，隨機(jī)選擇2個(gè)分析點(diǎn)位，可以看出不同的取點(diǎn)位置，污穢的分布特征并不相同。采樣位置點(diǎn)1的污穢分布緊密，呈層層堆積的狀態(tài)；采樣位置點(diǎn)2的污穢排列松散，污穢間的空隙度較高，污穢的粒徑大小也有差異。自然污穢在絕緣子表面的附著不均勻，主要原因有：大氣環(huán)境氣流對(duì)環(huán)境粒子的作用過(guò)程不均勻，絕緣子表面老化導(dǎo)致粒子在其表面的附著力不均勻，以及粒子與粒子間相互作用過(guò)程的隨機(jī)性。

圖1 絕緣子表面自然污穢在5 000倍下的SEM圖像Fig.1 SEM images (5,000x) of natural pollutants on the surface of insulator

利用EDS對(duì)該絕緣子表面測(cè)試元素的質(zhì)量分?jǐn)?shù)，主要有O(35.80%)、Ti(21.78%)、Si(17.95%)、C(13.63%)、Al(6.03%)、Fe(4.17%)、Na(0.34%)、Mg(0.31%)。測(cè)試發(fā)現(xiàn)，得到的元素成分種類(lèi)非常少，認(rèn)為可能是絕緣子表面的NaCl、KCl等成分受到日常受潮、下雨等溶解沖刷作用而消除，而EDS檢測(cè)的是樣品表面成分的質(zhì)量分?jǐn)?shù)，并沒(méi)有檢測(cè)得到Na、Ca等其他常見(jiàn)的元素，因此有必要采取其他方式來(lái)檢測(cè)絕緣子表面的污穢成分及元素質(zhì)量分?jǐn)?shù)。

2 LIBS試驗(yàn)與樣品配置

2.1 試驗(yàn)裝置

LIBS采集裝置圖如圖2所示，由脈沖激光器、光譜儀、光學(xué)平臺(tái)及反射/聚焦透鏡組、延時(shí)控制器等。激光器為調(diào)Q脈沖釔鋁石榴石晶體(NdYAG)激光器，型號(hào)為Nimma-900，激光波長(zhǎng)為1 064 nm，激光輸出頻率1 Hz，激光輸出能量110 mJ；光譜儀為Avantens光譜儀，可用波長(zhǎng)200～650 nm；延時(shí)控制器型號(hào)為DG645，其主要作用是控制激光器輸出與光譜儀采集之間的時(shí)間間隔，以有效獲取激光作用下等離子體激發(fā)后，由連續(xù)背景發(fā)射光譜演變成的原子發(fā)射光譜，試驗(yàn)設(shè)置延遲時(shí)間為3 μs。激光輸出的水平激光經(jīng)由45°反射鏡反射至垂直面上，經(jīng)凸透鏡聚焦后作用于樣品表面，調(diào)節(jié)凸透鏡與樣品作用點(diǎn)的距離，使得激光作用的位置正好位于凸透鏡的焦距位置。光譜儀捕獲的光譜數(shù)據(jù)由Avasoft 8.8軟件導(dǎo)出用于后續(xù)的數(shù)據(jù)處理。

圖2 LIBS試驗(yàn)系統(tǒng)設(shè)置Fig.2 LIBS experimental system setup

2.2 樣品配置與試驗(yàn)

2.2.1 不同污穢粒徑下的人工污穢配比與試驗(yàn)

將相同質(zhì)量的高嶺土和不同粒徑等質(zhì)量的NaCl混合后，經(jīng)壓片機(jī)壓片后進(jìn)行LIBS試驗(yàn)，得到不同粒徑下NaCl中Na元素的光譜試驗(yàn)結(jié)果。其中采用激光粒度分析儀測(cè)量NaCl粒徑，LIBS方法獲得以上各樣品的光譜強(qiáng)度，并進(jìn)行歸一化等處理，以提高分析精度。

試驗(yàn)所用的NaCl樣品選自阿拉丁公司生產(chǎn)的光譜級(jí)NaCl，利用不銹鋼篩網(wǎng)將50 gNaCl樣品依次篩選為小于60目、60～100目、100～200目、200～300目4種不同粒徑梯度。其中小于60目對(duì)應(yīng)的粒徑尺寸為大于250 μm，60～100目對(duì)應(yīng)的粒徑尺寸為150～250 μm，100～200目對(duì)應(yīng)的粒徑尺寸為75～150 μm，200～300目對(duì)應(yīng)的粒徑尺寸為48～75 μm。

使用馬爾文激光粒度儀(Mastersize 2000)測(cè)量NaCl及高嶺土的粒徑，采用濕法進(jìn)樣法時(shí)，選擇的樣品溶劑為酒精。LIBS試驗(yàn)方法為：每個(gè)樣品表面隨機(jī)選擇5個(gè)點(diǎn)，每個(gè)點(diǎn)以1 Hz的頻率連續(xù)作用5次。對(duì)于采集到的LIBS光譜圖，選擇Na元素對(duì)應(yīng)的588.995 nm和589.592 nm這2個(gè)波長(zhǎng)下的相對(duì)光譜強(qiáng)度進(jìn)行數(shù)據(jù)分析。將每個(gè)樣品25個(gè)點(diǎn)的光譜強(qiáng)度分別去除基底背景信號(hào)后，取平均值得到對(duì)應(yīng)粒徑樣品的光譜結(jié)果。粒徑測(cè)試結(jié)果見(jiàn)表1，其中50%粒徑分布是指測(cè)試樣本中的粒徑分布曲線分布為50%時(shí)的最大顆粒等效直徑。

表1 激光粒度儀測(cè)試的50%粒徑分布結(jié)果Tab.1 50% particle size distribution results tested by Mastersize 2000

2.2.2 不同污穢致密度下的人工污穢配比與試驗(yàn)

采用壓片機(jī)壓制待測(cè)樣品成壓片時(shí)的壓力變化模擬污穢的致密度變量，壓力越高，則粉末壓片的致密度越強(qiáng)。壓片機(jī)壓制后的人工污穢具有較為均勻平整的表面，有助于提高分析精度。本文配置人工污穢樣品4份，其中每份高嶺土2 g，NaCl質(zhì)量分?jǐn)?shù)為1%，在壓片機(jī)壓制的過(guò)程中設(shè)置壓力強(qiáng)度分別為8.5 MPa、12.7 MPa、17.0 MPa、21.2 MPa。對(duì)壓制好的樣品進(jìn)行LIBS測(cè)試，得到壓力與平均相對(duì)光譜強(qiáng)度的關(guān)系。

2.2.3 定量分析模型樣品的配置與試驗(yàn)

根據(jù)測(cè)試得到自然污穢主要元素的種類(lèi)，本文配置人工污穢，研究污穢性質(zhì)對(duì)激光誘導(dǎo)擊穿光譜檢測(cè)得到的主要元素光譜強(qiáng)度的影響，以及定量模型。試驗(yàn)樣品選取典型污穢成分NaCl配置成人工污穢，絕緣子選取大連電瓷廠的XP-70型盤(pán)式絕緣子，其總表面積為1 591 cm2?；旌衔鄯x成分的質(zhì)量與總表面積之比即為各個(gè)樣品中的等值鹽密(equivalent salt deposit density，ESDD)值。根據(jù)直流系統(tǒng)用高壓絕緣子的人工污穢試驗(yàn)方法標(biāo)準(zhǔn)(IEC TS 61245-2015)[33]，每個(gè)污穢主成分中6個(gè)樣品的ESDD值分別對(duì)應(yīng)b、c、d、e等4種污穢區(qū)域劃分等級(jí)。試驗(yàn)中，在不同質(zhì)量分?jǐn)?shù)的NaCl人工污穢中分別添加不同質(zhì)量分?jǐn)?shù)梯度的Cu、Fe，以模擬自然污穢中的重金屬類(lèi)污穢。

6份樣品取少量經(jīng)電感耦合等離子體光譜(inductively coupled plasma，ICP)獲得的人工污穢Na、Cu、Fe等元素的質(zhì)量分?jǐn)?shù)，見(jiàn)表2。ICP測(cè)試待測(cè)元素質(zhì)量分?jǐn)?shù)的方法也是基于原子發(fā)射光譜的技術(shù)原理，因此本文選擇以ICP質(zhì)量分?jǐn)?shù)檢測(cè)結(jié)果與LIBS光譜結(jié)果建立的定標(biāo)模型。但I(xiàn)CP測(cè)試需要對(duì)樣品進(jìn)行預(yù)處理，過(guò)程復(fù)雜且耗時(shí)較長(zhǎng)。本文使用ArcosII MV型ICP儀器，首先需要在常溫、常壓下，將6種人工污穢粉末分別加入氫氟酸，全部消解為溶液，然后測(cè)定包括Na、Cu、Fe等元素在內(nèi)的多種元素在不同特征譜線下的質(zhì)量分?jǐn)?shù)。

表2 人工污穢樣品中各成分的質(zhì)量分?jǐn)?shù)值Tab.2 Concentration values of each component of artificial contamination samples

3 結(jié)果與分析

3.1 污穢性質(zhì)對(duì)LIBS光譜信號(hào)的影響

將每個(gè)樣品25個(gè)點(diǎn)的光譜強(qiáng)度分別去除基底背景信號(hào)，取平均值后得到的288～590 nm波段結(jié)果見(jiàn)圖3。通過(guò)LIBS技術(shù)得到的原子發(fā)射光譜的譜線波長(zhǎng)對(duì)應(yīng)的元素種類(lèi)中，Na元素特征譜線為588.995 nm和589.592 nm。由圖3可以看出，隨著NaCl數(shù)目的增加(即粒徑減小)，Na元素在譜線波長(zhǎng)為588.995 nm和589.592 nm下對(duì)應(yīng)的光譜強(qiáng)度峰值逐漸增強(qiáng)。

進(jìn)一步研究NaCl在不同粒徑下，其光譜強(qiáng)度隨著其質(zhì)量分?jǐn)?shù)變化發(fā)生變化的情況。參考目前電力系統(tǒng)外絕緣檢測(cè)廣泛使用的鹽密、灰密法，根據(jù)標(biāo)準(zhǔn)建議劃分污區(qū)，以及按照標(biāo)準(zhǔn)鹽密度(salt deposit density，SDD)值的選擇要求選擇等值鹽密。同樣地，絕緣子選取大連電瓷廠XP-70型盤(pán)式絕緣子，其總表面積1 591 cm2。灰密值設(shè)置為2，計(jì)算的灰密質(zhì)量為3 182 mg，標(biāo)準(zhǔn)SDD值分別為0.02 mg/cm2、0.05 mg/cm2、0.2 mg/cm2、0.4 mg/cm2、0.8 mg/cm2、1.2 mg/cm2。

通過(guò)計(jì)算得到每個(gè)樣品配備的NaCl質(zhì)量。LIBS試驗(yàn)后，得到不同粒徑下的Na相對(duì)光譜強(qiáng)度，隨著NaCl質(zhì)量分?jǐn)?shù)變化而變化的規(guī)律，如圖4所示。在同一種粒徑下，隨著SDD的增加，Na元素2種譜線的平均相對(duì)光譜強(qiáng)度均先增加后減小。與240.764 μm相比，60.914 μm下相同SDD下的光譜強(qiáng)度較高，這說(shuō)明粒徑的增大有助于提高光譜發(fā)射強(qiáng)度。

圖4 不同NaCl粒徑下，Na元素光譜強(qiáng)度隨NaCl質(zhì)量分?jǐn)?shù)變化而變化的規(guī)律Fig.4 Changes of spectral intensities of Na with changes of NaCl concentrations in different particle sizes

對(duì)壓制好的樣品進(jìn)行LIBS測(cè)試，得到壓力與平均相對(duì)光譜強(qiáng)度的關(guān)系，如圖5所示。由圖5可看出，隨著致密度的增加，樣品被激發(fā)的相對(duì)光譜強(qiáng)度逐漸增加。從被激發(fā)的等離子體羽流動(dòng)力學(xué)的相互作用過(guò)程解釋造成該現(xiàn)象的原因是：當(dāng)激光能量作用于樣品表面時(shí)，材料表面越致密，激光脈沖的反向沖擊波作用越強(qiáng)，各種粒子從沖擊靶面向激光射入的相反方向噴射出來(lái)，在等離子體快速膨脹的過(guò)程中，各種粒子的反向噴射速度和強(qiáng)度的增加，加劇了碰撞電離過(guò)程，并提高了原子發(fā)射強(qiáng)度。

圖5 污穢致密度對(duì)Na元素光譜強(qiáng)度的影響Fig.5 Effects of pollutant density on Na spectral intensity

3.2 基于BP神經(jīng)網(wǎng)絡(luò)算法的自然污穢成分定量分析

在理想情況下，假設(shè)激光誘導(dǎo)等離子體中元素的含量等于待測(cè)樣品的實(shí)際含量，并假設(shè)在一定時(shí)間和空間觀察范圍內(nèi)的等離子體滿(mǎn)足局部熱平衡(local thermal equilibrium，LTE)條件[34]，這時(shí)可以建立LIBS定量分析模型，激光誘導(dǎo)等離子體中元素質(zhì)量分?jǐn)?shù)的分布，即可用波爾茨曼分布表示。激光誘導(dǎo)擊穿光譜的譜線強(qiáng)度

(1)

式中：F為當(dāng)前狀態(tài)試驗(yàn)常數(shù)；kB為波爾茨曼常數(shù)；C為激光誘導(dǎo)等離子體中待測(cè)元素質(zhì)量分?jǐn)?shù)；Amn為從該元素從m能級(jí)到n能級(jí)躍遷的概率；Em為該元素在m能級(jí)的激發(fā)能；T為等離子體溫度；gm為高能級(jí)簡(jiǎn)并度；Us(T)為該元素在該等離子體溫度下的配分函數(shù)。對(duì)于待測(cè)元素，Em、Amn和gm均為定值，當(dāng)試驗(yàn)參數(shù)穩(wěn)定時(shí)，F(xiàn)不變。

分別分析待測(cè)元素Na、Cu、Fe，它們的Em、gm和Amn均為恒定。當(dāng)LIBS系統(tǒng)參數(shù)一定時(shí)，F(xiàn)為常數(shù)。鑒于等離子體溫度對(duì)線性定標(biāo)結(jié)果影響較小，可忽略不計(jì)。令b為常數(shù)時(shí)，則激光誘導(dǎo)等離子體中元素質(zhì)量分?jǐn)?shù)與相對(duì)光譜強(qiáng)度為理想的線性關(guān)系，即

Imn=bC.

(2)

但是對(duì)于復(fù)雜的基體樣品，等離子中相互元素及不同元素間的相互干擾，以及不同等離子體的物理特性，使得待測(cè)元素的譜線強(qiáng)度受到干擾。由第3.1節(jié)分析知，污穢性質(zhì)如污穢的致密度、粒徑等都會(huì)影響光譜強(qiáng)度，而對(duì)于圖1中的自然污穢，其在絕緣子表面上的分布并不均勻；因此采用一貫的一元線性分析方法，進(jìn)一步削弱線性分析的精確度。在實(shí)現(xiàn)LIBS在線檢測(cè)絕緣子表面污穢的過(guò)程中，復(fù)雜的未知污穢特性將進(jìn)一步影響光譜的信號(hào)，進(jìn)而影響線性模型的定量結(jié)果；因此有必要采用其他光譜化學(xué)計(jì)量學(xué)分析方法。本文以神經(jīng)網(wǎng)絡(luò)法建立了污穢質(zhì)量分?jǐn)?shù)與光譜強(qiáng)度的定量模型。

神經(jīng)網(wǎng)絡(luò)訓(xùn)練是一種多元分析方法，可用于分類(lèi)和預(yù)測(cè)以產(chǎn)生更精確的結(jié)果。BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋神經(jīng)網(wǎng)絡(luò)，其主要的特點(diǎn)是：信號(hào)是前向傳播的，而誤差是反向傳播的。本文利用BP神經(jīng)網(wǎng)絡(luò)，對(duì)Na、Fe、Cu進(jìn)行定量分析；采用3層神經(jīng)網(wǎng)絡(luò)，在MATLAB軟件上實(shí)現(xiàn)了人工污穢的定量模型。驗(yàn)證模型時(shí)，另隨機(jī)配置不同質(zhì)量分?jǐn)?shù)的Na、Cu、Fe樣品，經(jīng)ICP檢測(cè)Na、Cu、Fe元素的質(zhì)量分?jǐn)?shù)，對(duì)樣品進(jìn)行LIBS分析，得到平均相對(duì)光譜強(qiáng)度，輸入至訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練預(yù)測(cè)。

為了提高神經(jīng)網(wǎng)絡(luò)分析的精準(zhǔn)度，需要提高數(shù)據(jù)分析的數(shù)量，本文對(duì)于任何一個(gè)試驗(yàn)樣品均采取了每5次連續(xù)LIBS光譜信息取平均，并減去背景后作為一項(xiàng)數(shù)據(jù)，這樣，每個(gè)樣本在5個(gè)采樣點(diǎn)下將有5個(gè)相對(duì)獨(dú)立數(shù)據(jù)。造成相同樣品光譜信息不同的原因主要是LIBS的靈敏性較高，試驗(yàn)樣品表面的污穢待測(cè)元素質(zhì)量分?jǐn)?shù)并不完全相等。輸入變量為表2中Na、Cu、Fe在內(nèi)的7條譜線對(duì)應(yīng)的光譜強(qiáng)度值，訓(xùn)練輸出變量為Na、Cu、Fe在內(nèi)的7條譜線對(duì)應(yīng)的質(zhì)量分?jǐn)?shù)值，驗(yàn)證輸入變量為以上幾種元素對(duì)應(yīng)的驗(yàn)證樣品光譜強(qiáng)度值。將驗(yàn)證變量的輸出值作為縱坐標(biāo)，驗(yàn)證變量的實(shí)際質(zhì)量分?jǐn)?shù)值作為橫坐標(biāo)，由此繪制得到實(shí)際值-預(yù)測(cè)值的預(yù)測(cè)曲線。

訓(xùn)練過(guò)程的訓(xùn)練精度為0.05，學(xué)習(xí)率設(shè)置為0.01，訓(xùn)練次數(shù)設(shè)置為15 000，隱層的神經(jīng)元個(gè)數(shù)為10，輸出層的神經(jīng)元個(gè)數(shù)為1，隱層神經(jīng)元的傳輸函數(shù)為“l(fā)ogsig”函數(shù)，輸出層的傳輸函數(shù)為“purlin”函數(shù)，采用梯度下降算法進(jìn)行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練預(yù)測(cè)。

由此得到圖6所示的包括Na、Cu、Fe等元素在內(nèi)的神經(jīng)網(wǎng)絡(luò)訓(xùn)練預(yù)測(cè)結(jié)果，其中λ為譜線波長(zhǎng)，y=x為參考曲線。從中各挑選1條對(duì)應(yīng)元素的訓(xùn)練過(guò)程及預(yù)測(cè)結(jié)果，其他相同元素的譜線具有類(lèi)似的分析結(jié)果，這將減小現(xiàn)場(chǎng)分析時(shí)的工作強(qiáng)度。由圖6可以看出，這些訓(xùn)練圖顯示出高度一致的結(jié)果，相關(guān)系數(shù)R高于0.9。參考預(yù)測(cè)曲線幾乎與參考曲線相同，這表明該模型獲得了可接受的結(jié)果?；谠撃Ｐ?，可以建立1個(gè)具有觀測(cè)元素信息的類(lèi)型和內(nèi)容的數(shù)據(jù)庫(kù)，通過(guò)該數(shù)據(jù)庫(kù)可以預(yù)測(cè)自然污穢的類(lèi)型和質(zhì)量分?jǐn)?shù)。

圖6 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練預(yù)測(cè)結(jié)果Fig.6 Training prediction results by the BP neural network

4 結(jié)論

本文利用LIBS技術(shù)獲取表征絕緣子污穢成分的光譜數(shù)據(jù)，研究污穢粒徑和致密度對(duì)光譜強(qiáng)度的影響，采用BP神經(jīng)網(wǎng)絡(luò)算法建立人工污穢光譜強(qiáng)度與元素質(zhì)量分?jǐn)?shù)的定量模型，實(shí)現(xiàn)了包括Na、Cu、Fe在內(nèi)的幾種典型污穢成分的定量檢測(cè)。得出以下結(jié)論：

a)污穢材料性質(zhì)(粒徑、致密度)對(duì)光譜信號(hào)有較明顯的影響，粒徑的減小和致密度的增加均有助于提高待測(cè)元素相對(duì)光譜強(qiáng)度。

b)建立了基于BP神經(jīng)網(wǎng)絡(luò)的污穢成分與LIBS光譜強(qiáng)度的定量模型，實(shí)現(xiàn)了污穢成分準(zhǔn)確預(yù)測(cè)。基于該模型，可以建立具有觀測(cè)元素信息的類(lèi)型和內(nèi)容數(shù)據(jù)庫(kù)，實(shí)現(xiàn)預(yù)測(cè)自然污穢的類(lèi)型和質(zhì)量分?jǐn)?shù)，從而為在線分析輸電線路絕緣子表面污穢成分分布提供新的方法。