Fiber-LIBS技术结合SVM鉴定铝合金牌号
文献类型：期刊论文
| 作者 | 周中寒 ; 孙兰香; 齐立峰; 郭志卫; 张鹏; 田雪咏
|
| 刊名 | 激光与光电子学进展
 |
| 出版日期 | 2018 |
| 页码 | 1-11 |
| 关键词 | 激光诱导击穿光谱 光纤激光器 支持向量机 牌号鉴定 |
| ISSN号 | 1006-4125 |
| 其他题名 | Identification of Aluminum Alloy Grades by Fiber-LIBS Technology Combined with SVM |
| 产权排序 | 1 |
| 通讯作者 | 孙兰香 |
| 中文摘要 | 相比于传统的固体激光器,光纤激光器的使用有利于设备的小型化和激光诱导击穿光谱(Laser induced breakdown spectroscopy,LIBS)技术的推广。本文将光纤激光器LIBS(Fiber-LIBS)技术应用于铝合金牌号识别,采用数据筛选、归一化、支持向量机和主成分分析相结合的分类算法。实验中对6种牌号共24块铝合金样品按牌号分类。结果表明,相比单纯应用支持向量机的分类算法,数据筛选、归一化、支持向量机和主成分分析相结合的分类算法能够将平均预测准确率从92.34%提高到99.83%,并且可将建模时间缩短一个数量级以上。实验结果表明了光纤激光器应用于LIBS系统中进行金属牌号识别的可行性。 |
| 英文摘要 | Compared with the traditional solid state lasers, the use of fiber lasers is conducive to the miniaturization of devices and the promotion of Laser induced breakdown spectroscopy (LIBS) technology. In this paper, fiber laser LIBS (Fiber-LIBS) technology is applied to grade identification of aluminum alloy. Data classification, normalization, support vector machines and principal component analysis are used to classify the grades. In the experiment, 24 samples of 6 kinds of aluminum alloy were classified according to grade. The results show that, compared with the simple classification algorithm based on support vector machine classification algorithm, data filtering, normalization, and support vector machine combined with principal component analysis can make the average prediction accuracy rate increased from 92.34% to 99.83%, and can shorten the modeling time more than one order of magnitude. The experimental results show the feasibility of fiber laser used in LIBS system for metal grade recognition. |
| 语种 | 中文 |
| 源URL | [http://ir.sia.cn/handle/173321/21484]  |
| 专题 | 沈阳自动化研究所_工业控制网络与系统研究室 |
| 作者单位 | 1.中国科学院沈阳自动化研究所 2.中国科学院大学 3.东北大学信息科学与工程学院 4.新松机器人自动化股份有限公司中央研究院 |
| 推荐引用方式 GB/T 7714 | 周中寒,孙兰香,齐立峰,等. Fiber-LIBS技术结合SVM鉴定铝合金牌号[J]. 激光与光电子学进展,2018:1-11. |
| APA | 周中寒,孙兰香,齐立峰,郭志卫,张鹏,&田雪咏.(2018).Fiber-LIBS技术结合SVM鉴定铝合金牌号.激光与光电子学进展,1-11. |
| MLA | 周中寒,et al."Fiber-LIBS技术结合SVM鉴定铝合金牌号".激光与光电子学进展 (2018):1-11. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。