科研之友
微信
新浪微博
Facebook
分享链接
摘要
我国高速铁路运行距离长，服役环境多变，对车轮钢的性能要求较高。车轮钢的晶粒尺寸直接影响着车轮钢的力学性能，且晶粒的特征和测量对材料科学有着重要的作用，因此为了保证高速列车的安全运行，对高铁车轮的晶粒度等级进行检测是十分必要的。利用激光诱导击穿光谱(LIBS)实验平台对5个不同晶粒度等级的ER8高速列车车轮钢样品(经过不同热处理得到不同晶粒度等级)进行击穿获取光谱信息，比较了基体元素Fe和合金元素(Cr, Mo, Co)的谱线强度与5个不同晶粒度等级的样品之间的相关性，发现均与样品晶粒度等级存在不同程度的相关性。利用此关系建立以谱线强度为变量的偏最小二乘判别分析(PLS-DA)模型，在建立模型前分别采用标准正态变量变换(SNV)、多元散射校正(MSC)和Savitzky-Golay卷积平滑方法进行预处理。通过比较各种预处理方法，得出采用SNV预处理后建立的模型效果最佳，建模集误判个数为4个，准确率为95.7%,预测集误判个数为3个，准确率为90%。在SNV预处理方法的基础上，分别选择竞争性自适应重加权算法(CARS)、连续投影算法(SPA)和CARS-SPA三种波长筛选方法进行波长筛选，比较基于不同特征波长筛选的模型效果，结果表明，使用CARS进行波段筛选后建立的模型效果最佳，建模集误判个数为2个，准确率为97.9%,预测集的误判个数为1个，准确率为96.7%,模型的准确率均高于90%,可以将不同晶粒度等级的样品进行分类。综合分析以上判别分析模型结果，发现结合SNV预处理和CARS波段筛选后的PLS-DA模型的准确率最高。研究表明，采用激光诱导击穿光谱技术结合偏最小二乘判别分析高铁车轮钢晶粒度等级具有一定可行性，可将其用于评估车轮钢表面晶粒度等级，同时也为LIBS技术应用于不同晶粒度等级的高铁车轮钢研究提供了一定的基础依据。
- 单位
