<?xml version="1.0" encoding="UTF-8"?>
<xml>
 <records>
  <record>
   <ref-type name="Journal Article">17</ref-type>
   <contributors>
    <authors>
     <author>Lin J. </author>
     <author>Ruan N. </author>
     <author>Yang J. </author>
     <author>Huang Y. </author>
     <author>Lin X. </author>
    </authors>
   </contributors>
   <titles>
    <title>Метод коррекции самопоглощения на основе алгоритма оптимизации роя частиц с использованием излучения черного тела</title>
   </titles>
   <keywords>
    <keyword>лазерно-искровая эмиссионная спектроскопия без калибровки</keyword>
    <keyword>самопоглощение</keyword>
    <keyword>излучение черного тела</keyword>
    <keyword>оптимизация роя частиц</keyword>
   </keywords>
   <dates>
    <year>2026</year>
    <pub-dates>
     <date>2026-09-08</date>
    </pub-dates>
   </dates>
   <journal>Журнал прикладной спектроскопии</journal>
   <abstract>Повышение точности количественного анализа в лазерно-искровой эмиссионной спектроскопии без калибровки (CF-LIBS) требует глубокого понимания методов коррекции самопоглощения. В качестве метода коррекции самопоглощения представлена оптимизация роя частиц с использованием излучения черного тела (BRR-PSO). Сравнивается интенсивность спектра, измеренная с помощью оптимизации роя частиц (PSO), с излучением черного тела, что позволяет быстро корректировать самопоглощение. Скорректированные интенсивности спектра получены путем итеративного уточнения начальных значений с использованием метода PSO. Для проверки эффективности метода проведены эксперименты на образцах сплавов. Показано, что по сравнению с традиционной CF-LIBS-методологией метод CF-LIBS с BRR-PSO значительно улучшает среднюю относительную ошибку, которая снижается с ~27.35–43.75% до ~5.14–7.86% для шести образцов сплавов. Для Fe I, Mn I, Cr I, Mo I, C I и Si I коэффициент детерминации (R2) линейной аппроксимации графика Больцмана увеличивается с 0.9220, 0.8050, 0.8801, 0.7102, 0.9064 и 0.9146 до 0.9887, 0.9813, 0.9662, 0.9809, 0.9542 и 0.9459 соответственно. Метод CF-LIBS, улучшенный с помощью BRR-PSO, демонстрирует преимущество перед традиционным CF-LIBS, значительно повышается точность количественного анализа и адаптивность.</abstract>
   <urls>
    <web-urls>
     <url>https://www.academjournals.by/publication/21187</url>
    </web-urls>
    <pdf-urls>
     <url>https://www.academjournals.by/files/21037</url>
    </pdf-urls>
   </urls>
  </record>
 </records>
</xml>
