铁矿石的鉴别 激光诱导击穿光谱法标准文本.pdfVIP

铁矿石的鉴别激光诱导击穿光谱法

警示——使用本文件的人员应具有正规实验室工作实践经验。本文件未指出所有可能的安全问题，使用

者有责任采取适当的安全和健康措施，并保证符合国家有关法规规定的条件。

1范围

本文件规定了采用激光诱导击穿光谱结合卷积神经网络鉴别铁矿石的方法。

本文件适用于铁矿石和主要含铁固体废物（含铁尘泥、氧化铁皮、含铁冶炼渣）的鉴别。

本文件仅适用于风险提示，不作为执法依据。

2规范性引用文件

下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅所注日期的版本适用于本文

件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。

GB/T5271.31信息技术词汇第31部分：人工智能机器学习

GB/T5271.34信息技术词汇第34部分：人工智能神经网络

GB/T6730.1铁矿石化学分析用预干燥试样的制备

GB7247.1激光产品的安全第1部分：设备分类、要求

GB/T10322.1铁矿石取样和制样方法

GB/T20565铁矿石和直接还原铁术语

GB/T28292钢铁工业含铁尘泥回收及利用技术规范

GB/T38257激光诱导击穿光谱法

GB/T41867信息技术人工智能术语

GB/T42382.1信息技术神经网络表示与模型压缩第1部分：卷积神经网络

HJ/T20工业固体废物采样制样技术规范

SN/T3102铁矿与返矿及氧化铁皮的鉴别规程

3术语和定义

GB/T20565界定的以及下列术语和定义适用于本文件。

3.1

含铁尘泥iron-bearingdustsandsludges

钢铁企业在原料准备、烧结、球团、炼铁、炼钢和轧钢等工艺过程中进行干法除尘、湿法除尘和废

水处理后得到的固体废物，不包括冶金辅料尘泥、燃料尘泥和特种矿加工过程产生的尘泥。按含铁尘泥

的来源，可分为原料准备尘泥、烧结尘泥、球团尘泥、高炉尘泥、炼钢尘泥和轧钢尘泥等。

[来源:GB/T28292-2012，3.2、4.1]

3.2

氧化铁皮millscale

1

钢锭及钢坯在锻造或轧制过程中表面氧化层脱落而产生的铁屑，带片状，也称铁鳞。

[来源:SN/T3102-2012，3.2]

3.3

含铁冶炼渣iron-bearingsmeltingslag

铁矿石冶炼过程中产生的含铁副产物，如高炉炼铁过程中产生的生铁渣、铸造生铁渣、锰铁矿渣等

炉渣，炼钢过程中产生的酸性液渣、氧气顶吹转炉、氧气底吹转炉、复吹转炉、电炉氧化渣和电炉还原

渣等钢渣，硫铁矿（或硫精矿、硫酸亚铁）经沸腾炉焙烧脱硫产出的硫铁矿烧渣。

3.4

激光诱导击穿光谱法laser-inducedbreakdownspectroscopy,LIBS

通过激光烧蚀待分析物质形成等离子体，其中处于激发态的原子、离子或分子向低能级或基态跃迁

时，向外发射特定能量的光子，形成特征光谱，进而获得待分析物质的化学成分或其它特性。

[来源:GB/T38257-2019，3.1]

3.5

激光诱导等离子体laser-inducedplasma

激光烧蚀产生的等离子体。

注：上述等离子体内一般含有电子、原子、分子、正负离子和微纳颗粒。

[来源:GB/T38257-2019，3.2]

3.6

机器学习machinelearning

功能单元通过获取新知识或技能，或通过整理已有的知识或技能来改进其性能的过程。

[来源:GB/T5271.31-2006，31.01.02]

3.7

神经网络neuralnetwork

由加权链路且权值可调整连接的基本处理元素的网络，通过非线性函数作用到其输入值上使其输入

值上每一个单元产生一个值，并把它传送给其它单元或把它表示成输出值。

注1：虽然某些神经网络旨在模拟神经系统中神经元的功能，但大多数神经网络用于人工智能以实现连接模型。

注2：非线性函数的例子是阈值函数、sigmoid函数以及多项式函数。

[来源:GB/T5271.34-2006，