引用本文
杨文锋, 李果, 林德惠, 钱自然, 李绍龙, 左都全, 郑鑫, 王迪升. 基于LIBS数据流盘的飞机蒙皮激光除漆在线监测判据研究[J]. 光谱学与光谱分析, 2024,44(8): 2340-2348.
YANG Wen-feng, LI Guo, LIN De-hui, QIAN Zi-ran, LI Shao-long, ZUO Du-quan, ZHENG Xin, WANG Di-sheng. Research on Online Monitoring Criteria of Aircraft Skin Laser Paint Removal Based on LIBS Data Flow Disk[J]. Spectroscopy and Spectral Analysis, 2024,44(8): 2340-2348.
Doi:10.3964/j.issn.1000-0593(2024)08-2340-09  
Permissions
Copyright©2024, 《光谱学与光谱分析》期刊社
《光谱学与光谱分析》期刊社 所有
基于LIBS数据流盘的飞机蒙皮激光除漆在线监测判据研究
杨文锋, 李果, 林德惠, 钱自然, 李绍龙, 左都全, 郑鑫, 王迪升
中国民用航空飞行学院民机复合材料研究中心, 四川 广汉 618307

作者简介: 杨文锋, 1979年生, 中国民用航空飞行学院教授 e-mail: ywfcyy@163.com

收稿日期: 2023-05-24 修回日期: 2023-11-01
基金: 国家自然科学基金面上项目(52275165), 德阳市科技计划重点研发项目(2022GZ011), 四川省通用航空器维修工程技术研究中心项目(GAMRC2021YB07)资助
摘要

等离子体产生及演化过程易受基体效应、 环境噪声、 脉冲能量抖动等影响, 导致光谱数据具有不稳定性, 从而难以保证以单条谱线为依据建立的监测判据的有效性。 以连续多幅LIBS光谱为对象, 并结合统计学方法建立的监测判据, 可有效提升基于LIBS技术的除漆效果监测精度。 论文基于搭建的高频纳秒红外脉冲激光除漆LIBS在线监测平台, 实时采集了除漆过程的连续多幅LIBS光谱。 光谱数据经基线矫正、 归一化预处理后, 依据面漆、 底漆、 铝合金基体光谱特征峰差异, 并结合材料成分信息, 选定Ba Ⅰ(712.55 nm)、 Cr Ⅰ(357.48 nm)、 Cr Ⅰ(425.43 nm)、 Ti Ⅰ(427.45 nm)、 Cu Ⅱ(309.76 nm)、 Cu Ⅰ(484.22 nm)6条谱线作为特征谱线并监测除漆效果。 研究不同除漆效果中6条特征谱线强度变化规律, 建立不同除漆效果与所选特征谱线强度变化区间的映射关系。 提取每幅谱线的上述6条特征谱线强度作为一组数据单元、 将连续10幅谱线的数据单元作为一组数据集, 除漆过程中随时间变化的每10组迭代数据集称为数据流盘。 对数据流盘中的数据单元、 数据集进行分析, 结合置信区间, 实时判定除漆区域除漆效果, 获得基于数据流盘的监测判据。 结果表明: 该判据可有效监测仍在面漆、 面漆完全去除、 仍在底漆、 底漆完全去除、 基体损伤5类除漆效果。 依据SRM手册对漆层去除效果的要求, 选择面漆完全去除、 基体损伤两类除漆效果展示了验证过程, 三维微观形貌分析结果与LIBS数据流盘监测判据所得除漆效果结论一致。 其中, 面漆去除后三维微观形貌分析表明, 面漆完全去除精度达1.2 μm, 有效验证了基于LIBS数据流盘监测判据的适用性及稳定性。

关键词: 激光除漆; 激光诱导击穿光谱; 数据流盘; 监测判据; 除漆效果
中图分类号:TN249 文献标志码:A
Research on Online Monitoring Criteria of Aircraft Skin Laser Paint Removal Based on LIBS Data Flow Disk
YANG Wen-feng, LI Guo, LIN De-hui, QIAN Zi-ran, LI Shao-long, ZUO Du-quan, ZHENG Xin, WANG Di-sheng
Civil Aircraft Composite Materials Research Center, Civil Aviation Flight University of China, Guanghan 618307, China
Abstract

The plasma generation and evolution processes are susceptible to matrix effects, environmental noise, pulse energy jitter, etc., resulting in the instability of the spectral data, which makes it difficult to ensure the validity of the monitoring criterion established based on a single spectral line. The monitoring criterion established by continuous multiple LIBS spectra combined with statistical methods can effectively improve the monitoring accuracy of paint removal based on LIBS technology. Based on a high-frequency nanosecond infrared pulsed laser paint removal LIBS online monitoring platform, the paper collected continuous multiple LIBS spectra of the paint removal process in real-time. After the spectral data were pre-processed by baseline correction and normalization, the spectral peaks of Ba Ⅰ (712.55 nm), Cr Ⅰ (357.48 nm), Cr Ⅰ (425.43 nm), Ti Ⅰ (427.45 nm), Cu Ⅱ (309.76 nm), Cu Ⅰ (484.22 nm) were used as the characteristic spectral lines and the paint removal effect was monitored. The intensity variation of the six characteristic spectral lines in different paint removal effects was studied, and the mapping relationship between different paint removal effects and the intensity variation of the selected characteristic spectral lines was established. The intensity of the above 6 spectral lines for each spectrum is extracted as data units. The data units of 10 consecutive spectral lines are used as data sets, and the data sets of each 10 iterations of the paint removal process are called data flow disks. The data cells and data sets in the data flow disk are analyzed. The confidence intervals are combined to determine the paint removal effect in the paint removal area in real-time. The monitoring criterion based on the data flow disk is obtained. The results show that this criterion can effectively monitor the paint removal effect in five categories: still on the top coat, completely removed top coat, still on the bottom coat, completely removed bottom coat, and substrate damage. The three-dimensional micro-pattern analysis showed that the accuracy of complete topcoat removal reached 1.2 μm, which effectively verified the applicability and stability of the LIBS-based data flow disc monitoring criterion.

Keyword: Laser paint removal; Laser-induced breakdown spectroscopy; Data flow disk; Monitoring criteria; Paint removal effect
引言

随着激光除漆技术的探索与发展, 激光除漆技术已获得普遍认可[1], 其本质是利用激光脉冲与漆层材料的相互作用, 实现漆层材料的物理化学清除。 与传统除漆方式相比, 具有高效、 环保, 质量可控优点[2, 3, 4]。 但除漆效果的可控性依赖于有效的在线监测技术, 有效的在线监测技术可以对除漆效果进行实时反馈与控制, 从而实现除漆效果的在线监测与闭环控制。 目前激光除漆在线监测技术主要集中在声、 图像及光谱信号监测方面, 其中声信号监测技术易受各类环境噪声影响, 精度不足; 图像监测可获得样品表面的整体情况, 但对光源的照明效果具有依赖性, 易受激光浮光影响, 需待激光关闭后进行拍摄, 实时性较差[5]。

激光诱导击穿光谱(laser-induced breakdown spectroscopy, LIBS)技术已广泛应用于金属[6]、 煤炭[7]、 文物保护[8]等领域。 LIBS技术使用高能激光脉冲烧蚀样品表面并产生高温等离子体, 并发射出代表原子特征的线状光谱, 其谱线的波长位置和强度分别代表了样品元素的种类和含量[9]。 近年来, 已有不少研究将LIBS应用于在线监测, 佟艳群[10]等以同一点多次辐射的LIBS光强信号变化判断锈蚀层是否清除干净。 孙兰香[11]等结合LIBS技术, 设计激光清洗在线监测系统, 单点多脉冲采集光谱, 发现波长在588.819与589.411 nm处Na Ⅰ 原子谱线可以表征碳纤维复合材料清洗的效果。 冯国英[12]等研究了铝合金基体表面单层油漆特征元素对应的光谱特征峰强度随时间演变的规律, 发现油漆去除前后, Ti(375.9和428.7 nm)元素特征峰的时间演变信号发生明显变化。 邓国亮[13]等基于LIBS技术, 监测不同脉冲激光次数下油漆与基体的元素特征峰强度和比值, 实时监测激光除漆过程。 上述研究表明了LIBS应用于激光除漆在线监测的可行性, 但较少考虑激光清洗过程中产生的多幅LIBS光谱, 仅以少量或单条谱线监测清洗效果存在不确定性与随机性。

激光与物质相互作用过程所产生的等离子体不仅与激光波长、 激光偏振态、 激光能量有关, 还与材料表面物理特性、 微区均匀性、 环境气体等因素有关[9]。 因此基于LIBS技术采集的单条谱线获得的监测判据具有一定的随机性和不稳定性, 难以保证光谱信号分析结果的可靠性及精度, 有必要研究并建立基于多幅LIBS光谱的监测判据。 另外, 飞机蒙皮一般采用高频激光进行线、 面扫描, 不同于传统的低频赫兹级单脉冲采集, 高频面扫描过程连续, 等离子体易多次激发, LIBS光谱的特征谱线及其强度变化情况复杂, 且黑体辐射等产生的连续背景光谱难以避免, 光谱数据分析难度进一步增大[14]。 从而除漆效果监测判据的建立需综合考虑除漆过程中的多幅连续LIBS光谱, 以特征谱线强度变化对除漆效果开展趋势性综合判断。 论文所用数据流盘为一种针对大量数据进行更新式滚动储存、 分析的多数据处理方法, 对连续多幅LIBS光谱进行趋势性分析判断具有优势。 同时, 高频线、 面扫描连续除漆能提供随时间变化的光谱数据, 为数据流盘的引入提供了数据基础。 综上, 开展基于LIBS数据流盘的在线监测判据研究具有可行性和研究价值。

为克服单条谱线的随机性与不稳定性, 提高LIBS监测精度, 获得基于数据流盘的激光除漆在线监测判据。 论文以采集的多幅连续光谱为分析对象, 在建立不同漆层参考光谱基础上, 依据光谱强度差异, 确定面漆、 底漆、 铝合金基体特征谱线。 分析除漆过程中特征谱线强度变化规律, 建立除漆效果与特征谱线强度值的映射关系。 其次, 构建随时间变化的光谱数据序列— — 数据流盘, 监测数据流盘中所选特征谱线光谱强度的变化, 在考虑置信区间的前提下, 依据判据规则判定飞机蒙皮除漆区域的除漆效果。 基于LIBS数据流盘的监测判据可监测判别飞机蒙皮激光除漆的5类效果, 即— — 仍在面漆、 面漆完全去除、 仍在底漆、 底漆完全去除、 基体损伤。 有效克服了以单条谱线为依据判断除漆效果的离散性问题。 论文基于数据流盘所建立的除漆效果监测判据, 可用于飞机蒙皮激光除漆过程与质量的在线监测与质量评定。

1 实验部分
1.1 材料及平台

基体为飞机蒙皮常用的2024-T3态Al-Cu-Mg系硬铝合金, 主要元素为Al、 Cu、 Mg等, 厚度约为3 mm。 依据A320

机身蒙皮漆层体系在铝合金表面涂覆黄绿色PAC33底漆(厚度约20 μ m, 主要填料元素为Ti、 Cr)和白色CA8000聚氨酯面漆(厚度约40 μ m, 主要填料元素为Ti、 Ca、 Ba)。 铝合金表面漆层体系示意图, 如图1。

图1 漆层体系示意图Fig.1 Schematic diagram of paint layer of paint removal specimen

激光除漆LIBS在线监测系统示意图, 如图2。 选择光斑直径为50 μ m的高斯脉冲激光器(MFPT-120P)、 扫描振镜头一体化模块(CK-DH-10)、 机器人系统(RS010N)、 四通道光纤光谱仪(ULS2048CL-4-EVO, 波长范围200~1 100 nm, 光学分辨率为0.10~0.22 nm, 积分时间为30 μ s~59 s)等组成激光除漆LIBS在线监测系统。 采用该系统对飞机蒙皮材料开展不同激光除漆效果LIBS在线监测测试。

图2 LIBS在线监测系统示意图Fig.2 Schematic diagram of LIBS online monitoring system

根据前期预实验, 设置光谱仪积分时间为30 ms, 每次自动采集20条光谱。 选择表1激光器参数范围对飞机蒙皮材料开展LIBS采集实验, 激光扫描路径为平行线扫描, 单次除漆区域大小10 mm× 10 mm, 如图3。

表1 激光参数范围 Table 1 The range of parameters used in the experimental laser

图3 激光除漆示意图
(a): 除漆区域示意图; (b): 扫描路径Fig.3 Schematic diagram of laser paint removal
(a): Schematic diagram of paint removal area; (b): Scan path

1.2 光谱数据预处理

光谱采集过程中, 为避免背景噪声数据或异常数据对除漆效果的判定影响, 设置噪声阈值, 对小于阈值强度的通道数据预先置0处理[15]。 实验发现, 采集的光谱存在基线较高现象, 如图4(a)。 基线较高的光谱影响特征谱线强度的准确检测与计算, 需基线矫正。 采用迭代自适应加权惩罚最小二乘法[14](adaptive iteratively reweighted penalized least squares, airPLS)对光谱数据进行矫正, 矫正后其光谱如图4(b)。 为进一步减小光谱数据波动影响和对不同材料光谱数据进行对比分析, 基线矫正后对其四个通道分别进行归一化处理。

图4 原始光谱及预处理后光谱图
(a): 原始光谱图; (b): 基线矫正后光谱图Fig.4 Spectra collected during paint removal
(a): Original spectrogram; (b): Spectrogram after baseline correction

2 结果与讨论
2.1 面漆、 底漆、 基体参考光谱

调节激光功率、 脉冲重复频率等工艺参数, 采集面漆接近完全去除(未损伤底漆)、 底漆接近完全去除(未损伤基体)、 基体损伤的3类LIBS光谱, 并记为参考光谱。 面漆、 底漆、 基体基线矫正后的参考光谱如图5。

图5 面漆(a)、 底漆(b)、 基体(c)参考光谱Fig.5 Reference spectra of topcoat (a), primer (b) and substrate (c)

将预处理后同一波长位置处的面漆、 底漆、 基体的参考光谱强度值进行对比分析, 结合NIST数据库、 样品元素信息, 选取以下6个波长位置处的元素谱线为特征谱线, 如图6。

图6 面漆、 底漆、 铝合金特征谱线Fig.6 Topcoat, primer, aluminum alloy characteristic spectral line

面漆所选特征谱线分别为Ba Ⅰ (712.55 nm); 底漆所选特征谱线为Cr Ⅰ (357.48 nm)、 Cr Ⅰ (425.43 nm)、 Ti Ⅰ (427.45 nm); 铝合金所选特征谱线为Cu Ⅱ (309.76 nm)、 Cu Ⅰ (484.22 nm)。 其波长、 编号对应关系, 如表2。

表2 面漆、 底漆、 铝合金基体所选特征谱线 Table 2 Selected characteristic spectral lines for topcoat, primer, and aluminum alloy substrate
2.2 除漆效果评价依据

依据双层漆(面漆、 底漆)不同去除效果, 命名规则如下: 部分面漆去除Tc-P(Top coat removing partially)、 面漆接近完全去除Tc-A(Top coat removing all)、 面漆过度去除且轻微损伤底漆层Tc-E(Top coat removing excessively)。 设定Tc-A至Tc-E为面漆完全去除阶段。

同理, 部分底漆去除Pr-P(Primer removing partially)、 底漆接近完全去除Pr-A(Primer removing all)、 底漆过度去除且轻微损伤铝合金基体层: Pr-E(Primer removing excessively)。 设定Pr-A至Pr-E为底漆完全去除阶段。 由Tc-A、 Tc-E、 Pr-A、 Pr-E对应的基线矫正后光谱图, 如图7, 可得不同除漆效果时上述6条特征谱线强度值变化区间。

图7 不同除漆效果光谱图
(a): Tc-A; (b): Tc-E; (c): Pr-A; (d): Pr-EFig.7 Spectra of different degrees of paint removal
(a): Tc-A; (b): Tc-E; (c): Pr-A; (d): Pr-E

以Ix表示编号x的特征谱线预处理后强度, a、 b、 c、 d、 e、 f, 6条特征谱线于Tc-A、 Tc-E、 Pr-A、 Pr-E中强度变化区间, 如图8。

图8 特征谱线强度变化
(a): Tc-A至Tc-E特征谱线强度变化区间; (b): Pr-A至Pr-E特征谱线强度变化区间Fig.8 Intensity variation interval of selected eigen-spectral lines
(a): Intensity variation interval of Tc-A to Tc-E characteristic spectral lines; (b): Intensity variation interval of Pr-A to Pr-E characteristic spectral lines

由图8(a)除漆效果Tc-A至Tc-E时, Ia由0.6降至0.5可知: 0.5< Ia< 0.6为面漆完全去除的监测判据; Ia> 0.6时, 为仍在面漆的监测判据。

由Tc-A至Tc-E时, b、 c、 d特征元素强度变化范围可知, 面漆完全去除时的另一监测判据为0.09< Ib< 0.1、 0.06< Ic< 0.08、 0.27< Id< 0.3。 当Ia< 0.5且Ib≥ 0.1, Ic≥ 0.08, Id≥ 0.3为仍在底漆的监测判据。

由图8(b)除漆程度Pr-A至Pr-E时, Ia、 Ib、 Ic、 Id变化范围可知, 底漆完全去除的监测判据为: Ia< 0.5且0.15< Ib< 0.27, 0.19< Ic< 0.29, 0.47< Id< 0.54。

当漆层过度去除(Pr-E)时, 由图8(b)Ie、 If数值分别为0.13、 0.09可知, 铝合金基体损伤效果判据为: Ie≥ 0.13、 If≥ 0.09。

综上所述, 5类除漆效果所对应的监测判据如表3所示。

表3 除漆效果监测判据 Table 3 Judgment of paint removal effect monitoring

依据上述除漆效果监测判据, 构建除漆效果在线监测判据流程图, 如图9。

图9 除漆效果监测判据流程图Fig.9 Flow chart of paint removal effect monitoring judgment

2.3 数据流盘创建及除漆效果评价

实时采集激光除漆过程中的连续光谱, 计算并读取每条谱线的a、 b、 c、 d、 e、 f, 6种特征谱线的实时强度, 并记(Ia、 Ib、 Ic、 Id、 Ie、 If)为单条谱线中的6个数据单元。 n条谱线可提取n个数据单元, 其合集称为一个数据集, n个连续数据集可构成数据流盘。 论文n取10, 数据单元、 数据集、 数据流盘构建示意图, 如图10。

图10 数据流盘构建示意图Fig.10 Schematic diagram of data flow tray construction

为验证数据流盘监测判据的有效性, 本文对5类除漆效果分别进行了验证, 所得验证结果均与数据流盘监测结果一致。 在飞机蒙皮除漆这一特殊应用领域, 飞机结构修理手册(structural repair manual, SRM)对蒙皮分层除漆、 基体保护提出了需求, 故本文以面漆完全去除、 基体损伤两类除漆效果为例展示验证过程。 采集面漆去除的20条连续光谱数据, 如图11。 计算并读取每条光谱的数据单元, 如表4。

图11 面漆除漆过程采集的20幅连续光谱Fig.11 20 continuous spectra collected during the top coat removal process

表4 数据单元除漆效果结论 Table 4 Conclusion on the effect of paint removal from data cells

依据除漆效果监测判据(表3、 图9)对上述光谱展开除漆效果判定分析, 数据单元除漆效果判定结果如表4最右列所示。 依据数据流盘构建示意图(图10), 对上述20个数据单元构造数据流盘, 每连续10条光谱的数据单元构成一个数据集: 数据单元1— 10为第1个数据集; 数据单元2— 11为第2个数据集; 数据单元3— 12为第3个数据集; 依次更新构建, 数据单元11— 20为第11个数据集。 按照除漆效果监测判据对连续多幅光谱组成的数据集开展除漆效果判定, 当判定为同一除漆效果的谱线数量不低于80%, 可代表此数据集除漆效果结论。 (例: 一个数据集包含10个数据单元, 当不少于8个数据单元判定为同一除漆效果类型, 该类型可代表此数据集的除漆效果。)

根据表4数据单元及其除漆效果结论可知, 第1个数据集: 数据单元7至数据单元10为有效光谱, 均判定为面漆完全去除, 故面漆完全去除概率为100%(大于80%), 即此数据集代表的除漆效果为面漆完全去除。 依照上述方法, 同理可得数据流盘中第2— 11数据集除漆效果结论。 经分析11个数据集均判定为面漆完全去除, 概率为100%(大于80%), 故此数据流盘代表的除漆区域最终除漆效果为面漆完全去除。

采用3D光学表面轮廓仪表征除漆平均深度, 图12所示。 左侧黄色区域为未除漆区域, 右侧绿色区域为除漆区域, 通过分析软件等距测量10个位置除漆深度, 计算其平均值为41.21 μ m。

图12 3D光学表面轮廓仪测量除漆深度Fig.12 3D optical surface profiler measuring paint removal depth

由漆层体系(图1)可知, 面漆平均厚度为40 μ m。 上述飞机蒙皮材料漆层去除平均厚度为41.21 μ m, 面漆已完全去除, 其分层除漆精度达1.2 μ m, 符合LIBS数据流盘判定结果— — 面漆完全去除。

依据SRM手册, 除漆后不得对基体层造成影响, 因此本文以基体损伤监测为例, 进一步验证监测判据的准确性。 以上述铝合金蒙皮激光除漆过程中某次采集的数据为例: 共采集20条连续光谱, 光谱数据预处理后, 计算并读取每条光谱的数据单元, 如表5。 依据除漆效果评价规则可对上述光谱展开除漆效果判定分析。

表5 数据单元除漆效果结论 Table 5 Conclusion on the effect of paint removal from data cells

每连续的10条谱线的数据单元构成一个数据集, 即: 数据单元1— 10为第1个数据集; 数据单元2— 11为第2个数据集; 数据单元3— 12为第3个数据集; ……数据单元11— 20为第11个数据集。

由表5判定结果可知, 第1个数据集, 共有5条(数据单元6— 数据单元10)有效光谱, 且均判定为基体损伤, 故基体损伤概率为100%(大于80%), 即此数据集代表的除漆效果为铝合金基体损伤。 依照上述方法, 同理可得此数据流盘中其余数据集除漆效果结论, 经判定11个数据集代表的除漆效果均为铝合金基体损伤。 为验证判定规则的有效性, 分析样品除漆后的微观形貌图, 如图13。 激光除漆后的基体表面未显露明亮光泽, 呈暗黑色, 具有明显条纹状烧蚀痕迹, 表明此基体表面已烧蚀严重, 符合LIBS数据流盘的判定结果— — 铝合金基体损伤。

图13 激光除漆后形貌图
(a): 宏观形貌; (b): LSCM微观形貌Fig.13 Morphology after laser paint removal
(a): Macroscopic morphology; (b): LSCM microscopic morphology

3 结论

针对单条谱线数据建立的监测判据具有随机性与稳定性较差等不足。 本文采用LIBS技术对表面涂覆底漆、 面漆的2024-T3铝合金激光除漆不同效果进行了LIBS在线测试。 通过分析除漆效果与所选特征谱线Ba Ⅰ 、 Cr Ⅰ 、 Ti Ⅰ 、 Cu Ⅱ 、 Cu Ⅰ 的光谱强度变化规律, 构建了特征谱线强度与除漆效果之间的映射关系。 以除漆过程采集的连续20条光谱数据单元构建数据集、 数据流盘, 依据上述映射关系进一步形成了基于LIBS数据流盘的除漆效果监测判据。

LIBS数据流盘监测判据可实现5类激光除漆效果监测: 仍在面漆、 面漆完全去除、 仍在底漆、 底漆完全去除, 基体损伤。 表明连续LIBS光谱用于激光除漆在线监测的适用性及应用前景性。 以面漆去除为例, 采集面漆去除过程的连续20幅LIBS光谱, 通过数据流盘监测判据判定除漆效果结论: 面漆完全去除。 LSCM微观形貌图表明, 面漆完全去除除漆精度1.2 μ m。 以铝合金基体损伤为例, 分析结果进一步验证了监测判据的有效性。 基于LIBS数据流盘的除漆效果监测判据, 充分利用了除漆过程中的连续多幅光谱数据, 从数据维度和数据流趋势性判断方法上综合提高了LIBS在线监测精度及稳定性。 研究结果可为工业化开展大规模高频激光除漆过程, 实时LIBS在线监测及自动化提供重要技术支撑。

参考文献
[1] WANG Xiao-dong, YU Jin, MO Ze-qiang, et al(王晓东, 余锦, 貊泽强, 等). Laser & Optoelectronics Progress(激光与光电子学进展), 2020, 57(5): 050005. [本文引用:1]
[2] ZHANG Guang-xing, HUA Xue-ming, LI Fang, et al(张光星, 华学明, 李芳, 等). Hot Working Technology(热加工工艺), 2019, 48(18): 1. [本文引用:1]
[3] LIU Peng-fei, WANG Si-jie, LIU Zhao-wei, et al(刘鹏飞, 王思捷, 刘照围, 等). Materials Protection(材料保护), 2020, 53(4): 142. [本文引用:1]
[4] Zhu Guodong, Xu Zhenhai, Jin Yang, et al. Optics and Lasers in Engineering, 2022, 157: 107130. [本文引用:1]
[5] Sun Xudong, Cui Dongdong, Shen Yun, et al. Infrared Physics & Technology, 2022, 121: 104018. [本文引用:1]
[6] Shakeel H, Haq S U, Aisha G, et al. Physics of Plasmas, 2017, 24(6): 063516. [本文引用:1]
[7] Sheta S, Afgan M S, Hou Z, et al. Journal of Analytical Atomic Spectrometry, 2019, 34(6): 1047. [本文引用:1]
[8] Botto A, Campanella B, Legnaioli S, et al. Journal of Analytical Atomic Spectrometry, 2019, 34(1): 81. [本文引用:1]
[9] SUN Lan-xiang, WANG Wei, TIAN Xue-yong, et al(孙兰香, 汪为, 田雪咏, 等). Chinese Journal of Analytical Chemistry(分析化学), 2018, 46(10): 1518. [本文引用:2]
[10] TONG Yan-qun, ZHANG Yong-kang, YAO Hong-bing, et al(佟艳群, 张永康, 姚红兵, 等). Chinese Journal of Lasers(中国激光), 2011, 38(10): 1003009. [本文引用:1]
[11] SUN Lan-xiang, WANG Wen-ju, QI Li-feng, et al(孙兰香, 王文举, 齐立峰, 等). Chinese Journal of Lasers(中国激光), 2020, 47(11): 1111003. [本文引用:1]
[12] CHEN Lin, DENG Guo-liang, FENG Guo-ying, et al(陈林, 邓国亮, 冯国英, 等). Spectroscopy and Spectral Analysis(光谱学与光谱分析), 2018, 38(2): 367. [本文引用:1]
[13] Zhou Qionghua, Deng Guoliang, Chen Yin, et al. Applied Optics, 2019, 58(34): 9421. [本文引用:1]
[14] Lin Dehui, Yang Wenfeng, Qian Ziran, et al. Applied Optics, 2023, 62(10): 2569. [本文引用:2]
[15] ZHANG Rui, SUN Lan-xiang, CHEN Tong, et al(张蕊, 孙兰香, 陈彤, 等). Acta Geologica Sinica(地质学报), 2020, 94(3): 991. [本文引用:1]