5月5日，浙江大学控制科学与工程学院与浙江大学湖州研究院分析仪器及智能系统研究中心在原子光谱领域权威期刊《Journal of Analytical Atomic Spectrometry》发表题为“Study on a modified spectral standardization method and quantitative analysis of cement based on microwave plasma torch”的封面论文。该研究利用MPT-OES多元素在线监测智能系统对水泥粉末进行了定量测试，发挥了MPT可直接空气载气引入粉末颗粒物进样的独特优势，创新性地利用光谱标准化方法解决了因颗粒物造成光源与信号不稳定的问题，显著提高了定量准确度，为流程工业中多元素成分在线监测问题提供了创新的解决方案。论文第一作者是控制学院硕士生俞登捷，通讯作者是控制学院高工金伟和浙江大学湖州研究院特聘研究员于丙文。
论文链接：
https://doi.org/10.1039/D3JA00121K
随着《中国制造2025》战略的推进，制造业正经历由粗放、低附加值模式向集约、高附加值模式的历史转变。自动化、数字化、信息化已经越来越普遍的出现在工厂中。这些工厂迫切希望利用新技术对生产工艺进行变革，真正地实现智能化，这在流程工业中尤为明显。然而受限于在线监测技术的发展，目前这些变革大都还是在使用温度、压力、流量等传统数据，智能化改造进程受到极大制约。
在流程工业中，物料成分是最为重要的数据之一，但同时也是获取难度最大的数据。尤其是在高能耗的建材领域，由于原料来自于大自然，元素成分含量波动大。物料成分在线精准监测对于产品质量提升、降低人工参与的频率和风险，形成稳定的生产条件和物流平衡，节能降耗、实现真正的数字化智能化具有重要意义。
（MPT-OES 多元素在线智能系统结构简图）
虽然MPT已被广泛用于气溶胶和气体的分析，但在引入粉末样品时光谱信号的不确定性较大，这影响了校准曲线和定量分析的准确性。主要原因如下：
1、粉末气溶胶烧蚀的浓度差异影响等离子体中被测元素的总密度；
2、粉末熔化和蒸发引起的体积膨胀干扰等离子体放电丝，并导致等离子体参数的变化；
3、粉末中各种成分的分布不均匀导致各元素的粒子数密度不一样。
基于上述原因，本研究在千瓦级MPT基础上，提出了一种改进的光谱标准化方法（MSS-Method），以优化MPT-OES定量分析的准确性和精密度。该方法对光谱强度进行一阶泰勒展开，用谱线信息来表征被测元素的总粒子数密度、等离子体温度和电子数密度，再通过多元回归得到模型参数。
（典型的水泥颗粒物进样的MPT光谱图）
水泥粉末的典型光谱如上图所示，其中包括Fe、Ca、Al、Si、Mg和其他微量元素的特征谱线，大多数较强的谱线是原子谱线。根据玻尔兹曼图，使用30条Fe原子谱线计算出激发温度为4900±100 K，其中Fe的谱线参数来自NIST网站。根据Saha方程，利用Mg的原子和离子线信息计算出电子数密度为（3.1±1.5）×1013 cm-3。
（典型的水泥颗粒物进样的等离子体图像）
上图为单反相机（a）和高速相机（b-e）捕获的粉末进样等离子体图像。等离子体由放电丝旋转形成，其中央通道对样品承受能力强。粉末在等离子体的核心激发区被熔化、蒸发、原子化和激发。根据箭头标注的粒子可以得到其在等离子体中的前进速率约为3.7 m/s，粒子在等离子体中停留时间约为5 ms。
本研究使用商业水泥样品对改进光谱标准化方法进行了验证，以相对标准偏差（RSD）、可决系数（R2）和相对误差等指标对模型进行评估，分别表征测量不确定度、定标精度和预测精度。与原始数据相比，应用改进光谱标准化方法后，水泥中5种主要元素（Fe、Ca、Al、Si和Mg）的R2由0.8428-0.9879提高到0.9834-0.9966，相对误差从1.37-15.27%降低到0.23-5.53%，RSD从2.85-11.87%降低到0.26-4.92%，表明该方法可有效改善定量精确度，并可降低测量不确定性。该方法的有效性也使用标准水泥样品（GSB 08-2985-2013）进行了验证。
基于上述结果，MPT-OES和改进光谱标准化方法具有用于水泥成分的快速/在线分析的潜力。
微波等离子体炬（MPT）原子发射光谱多元素在线监测智能系统为流程工业中多元素成分在线监测问题提供了创新的解决方案。通过该系统，颗粒物直接进样进行在线成分检测，不仅减少了样品前处理步骤，还提高了测量的速度和精度。与传统方法相比，该系统具有更高的稳定性和可靠性，且成本更低，该技术对于水泥、玻纤、玻璃、陶瓷、锂电等企业实现精准工艺控制，提升产品质量、节能减排、提升智能化信息化等方面具有重要的意义。
分析仪器及智能系统系统研究中心团队聚焦于科技创新和产业转化，以“行业需求为牵引、仪器创新为核心、人工智能为助力”引导在多领域实现技术变革，推动解决流程工业、生物医学检测、实验室智能等领域的关键点难题，加速产学研的跨越式发展。
