一、華南理工大學(xué)陸繼東團(tuán)隊(duì)風(fēng)采

　　華南理工大學(xué)電力學(xué)院的LIBS研究團(tuán)隊(duì)由長(zhǎng)江學(xué)者陸繼東教授領(lǐng)銜，始創(chuàng)于2002年，目前有教授1名，副教授2名，在讀博士研究生4名，碩士研究生12名，已培養(yǎng)博碩士20余名。

　　本團(tuán)隊(duì)以能源清潔轉(zhuǎn)化與系統(tǒng)優(yōu)化過(guò)程中關(guān)鍵參數(shù)在線監(jiān)測(cè)的迫切需求為依托，研究基于LIBS原理的新型傳感技術(shù)，重點(diǎn)研發(fā)煤質(zhì)、飛灰含碳量、煙氣重金屬等在線傳感系統(tǒng)。同時(shí)，利用LIBS技術(shù)深入探究氣體燃料、煤粉和生物質(zhì)的燃燒過(guò)程及其火焰特性，旨在發(fā)展新型的燃燒診斷方法，深入揭示不同燃料的燃燒機(jī)理。

華南理工大學(xué)陸繼東團(tuán)隊(duì)合影

　　二、華南理工大學(xué)陸繼東團(tuán)隊(duì)LIBS相關(guān)研究成果及研究最新進(jìn)展

　　1、團(tuán)隊(duì)近年來(lái)取得的主要研究成果，包括：儀器設(shè)備研發(fā)成果、軟件算法研究成果等;

　　1.1 飛灰含碳量測(cè)量

　　建立了利用空氣組分光譜修正顆粒效應(yīng)的模型，提高了LIBS測(cè)量飛灰含碳量時(shí)對(duì)粒徑波動(dòng)的適應(yīng)能力;從測(cè)量參數(shù)深度優(yōu)化和模型修正兩個(gè)方面建立了理論和實(shí)驗(yàn)相結(jié)合的C-Fe譜線干擾修正模型，顯著提高了飛灰含碳量的測(cè)量精確度;研發(fā)了便攜式飛灰含碳量測(cè)量系統(tǒng)(圖1)，并在燃煤電廠進(jìn)行現(xiàn)場(chǎng)實(shí)測(cè)，驗(yàn)證了可用性。

圖1 便攜式測(cè)量系統(tǒng)現(xiàn)場(chǎng)測(cè)試

　　1.2 煤質(zhì)分析

　　提出了煤粉顆粒流直接測(cè)量的模式，極大地簡(jiǎn)化了測(cè)量系統(tǒng)結(jié)構(gòu)，并提出了基于特征峰SD值法的有效光譜甄別方法，有效提高了顆粒流直接測(cè)量的可靠性;采用神經(jīng)網(wǎng)絡(luò)方法建立了基于物理分析的熱值、工業(yè)分析、碳含量的定量模型，解決了非線性問(wèn)題，部分指標(biāo)優(yōu)于中子法測(cè)量性能的國(guó)標(biāo)要求;以結(jié)構(gòu)簡(jiǎn)化、分析專業(yè)、操作方便為理念，研發(fā)了煤質(zhì)快速分析儀(圖2)，通過(guò)實(shí)測(cè)驗(yàn)證了該系統(tǒng)設(shè)計(jì)的可行性和可靠性。

圖2 煤質(zhì)快速分析儀

　　2、團(tuán)隊(duì)最新發(fā)布研究論文的簡(jiǎn)單介紹

　　近兩年來(lái)，本團(tuán)隊(duì)圍繞受熱面金屬材料的失效預(yù)測(cè)、煤粉/飛灰顆粒流直接測(cè)量、PF-SIBS測(cè)量方法、預(yù)混火焰燃燒診斷等方面開展了較系統(tǒng)的研究，取得了一系列研究進(jìn)展，并發(fā)表了以下研究論文：

　　[1] Huang J, Dong M, Lu S, et al. Estimation of the mechanical properties of steel via LIBS combined with canonical correlation analysis (CCA) and support vector regression (SVR)[J]. Journal of Analytical Atomic Spectrometry, 2018, 33(5): 720-729.

　　[2] Lu S, Dong M, Huang J, et al. Estimation of the aging grade of T91 steel by laser-induced breakdown spectroscopy coupled with support vector machines[J]. Spectrochimica Acta Part B: Atomic Spectroscopy, 2018, 140: 35-43.

　　[3] Yao S, Xu J, Zhang L, et al. Optimizing critical parameters for the directly measurement of particle flow with PF-SIBS[J]. Scientific reports, 2018, 8(1): 1868.

　　[4] Li W, Lu J, Dong M, et al. Quantitative Analysis of Calorific Value of Coal Based on Spectral Preprocessing by Laser-Induced Breakdown Spectroscopy (LIBS)[J]. Energy & Fuels, 2017, 32(1): 24-32.

　　[5] Tian Z, Dong M, Li S, et al. Spatially resolved laser-induced breakdown spectroscopy in laminar premixed methane–air flames[J]. Spectrochimica Acta Part B: Atomic Spectroscopy, 2017, 136: 8-15.

　　[6] Pan G, Dong M, Yu J, et al. Accuracy improvement of quantitative analysis of unburned carbon content in fly ash using laser induced breakdown spectroscopy[J]. Spectrochimica Acta Part B: Atomic Spectroscopy, 2017, 131: 26-31.

　　[7] Shunchun Yao, Jingbo Zhao, Jialong Xu, Zhimin Lu, Jidong Lu. Optimizing the binder percentage to reduce the matrix effects for the LIBS analysis of carbon in coal [J]. Journal of Analytical Atomic Spectrometry, 2017, 32(4): 766-772.

　　[8] Lu Zhimin, Mo Juehui, Yao Shunchun, Zhao Jingbo, Lu Jidong. Rapid Determination of Gross Calorific Value of Coal using LIBS Coupled with Artificial Neural Networks (ANN) and Genetic Algorithm (GA). Energy & Fuels, 2017, 31(4): 3849-3855.

　　[9] Shunchun Yao, Jialong Xu, Jingbo Zhao, Kaijie Bai, Jidong Lu, Zhiming Lu. Characterization of Fly Ash Laser-Induced Plasma for Improving the On-line Measurement of Unburned Carbon in Gas?Solid Flow. Energy & Fuels, 2017, 31(5): 4681-4686.

　　[10] Yao S, Zhang L, Xu J, et al. Data processing method for the measurement of unburned carbon in fly ash by PF-SIBS[J]. Energy & Fuels, 2017, 31(11): 12093-12099.