危险分析

一、方案目的　　1、通过检测可疑物可以有效的防止危险恐怖事件的发生 　　2、通过检测爆炸残留物来推断爆炸物的材料性质 　　二、行业应用背景　　随着防恐防暴安全意识的增强，对于能够快速、准确的鉴别出危险爆炸物及其前制备材料的方法也变得越来越迫切。与传统检测手段相比，拉曼光谱作为物质的分子“指纹”图谱，能够快速、准确、无损的鉴别出易燃易爆危险品的种类。　　X射线技术和离子迁移谱探测技术是目前主要的防恐防暴技术手段。X射线技术对于检测出的隐藏物体，不能将其定性，需要将检测出的疑似物送到检测中心进行判断，需要时间较长。离子迁移谱探测技术是一种气相分析技术，它的检测原理是首先将样品分子电离形成产物离子，产物离子随之注入一均匀电场中迁移，也就是被测样品需要成蒸汽或微粒气化的状态。离子迁移技术存在的缺陷主要有以下几点：　　1、检测探头易被污染，不易清洁，更换成本高 　　2、不能检测不易挥发的无机爆炸物等 　　3、检测精确度低，一般只能达到50%左右的准确率。　　去年，巴黎系列恐袭自杀式炸弹所用材料就是被恐怖分子称呼为“撒旦之母”新型炸药TATP，这种自制爆炸物同样是2005年伦敦地铁爆炸案的“主角”，双氧水和丙酮是这种新型炸药的主要原材料。现在的X射线和离子迁移谱探测等技术手段并不能有效的检测出这种新型炸药及其前制备的主要原材料。而南京简智仪器设备有限公司自主研发的便携式拉曼光谱仪SSR-3000不仅可以检测常规的爆炸物及其制备原材料，对于这种新型炸药及其制备原材料也可以快速准确的识别出，能够有效的控制这种炸药的合成及防止恐怖爆炸事件的发生。　　三、仪器介绍　　南京简智仪器设备有限公司自主研发的便携式拉曼光谱仪SSR-3000如图1所示，在危险爆炸物识别和分析中优势十分明显，主要表现在以下几个方面：　　1、检测时间短(1-5s) 　　2、检测结果重复性高 　　3、无需前处理，检测方便 　　4、对检测物无损检测 　　5、可持续工作6-8h 　　6、可定制探头长度、焦距等(目前基本探头光线长度在1.5m左右，焦距7.5mm)图1　　四、检测方法　　1、对于检测物质(固体、粉末或者液体)装在透明的玻璃瓶或者塑料瓶里面，我们可以直接将探头贴近容器进行检测，如图2所示 图2 图3　　2、对于直接检测固体或者物质装在透明塑料袋等里面，我们可以将我们的定制固体探头冒加在探头上，然后贴近塑料袋等检测，如图3所示 　　3、对于液体装在不透明的载体时，需要将被测液体取出，放置在比色皿中，再将比色皿放置在比色皿槽内，如图4所示，再将样品池冒盖上，探头摆放如图5所示进行检测(图4和图5中的样品池及探头摆放位置为实际SSR-3000的检测示意图)。 图4 图5　　五、部分爆炸物谱图　　图6-图7是硝酸钾和过氧化氢两种常见的无机爆炸物的拉曼谱图，图8-图10硝酸铵、硝化纤维素和TNT三种常见的有机爆炸物的拉曼谱图图6 图7图8图9图10　　六、结论　　在易燃易爆危险品的检测应用中，拉曼光谱技术与目前的检测手段相比，无论是在准确性、对样品无损还是检测所用的时间比较短都有着明显的优势，尤其是现在的高性能便携式产品的推出，大大提高了使用的便携性。并且现在无论是对于拉曼光谱仪的操作还是配套的软件的操作都非常简便，真正实现“傻瓜式”操作。从拉曼光谱对于有机爆炸物和无机爆炸物的几幅谱图中我们也可以看出，不同 的物质的谱图是不一致的，并且拉曼光谱检测易燃易爆危险品时基本上不需要前处理，对于用透明塑料袋以及透明玻璃品装的样品，甚至不需要取出样品，直接就可以检测，大大降低了样品被污染的可能性。但是拉曼光谱技术也有一定的缺陷，对于目前比较难解决的黑火药的检测，我们对其也有着较好的检测技术手段。　　未来，无论是在爆炸物现场快速检测，还是在各个卡扣，安全检查口的快速筛查，拉曼光谱技术都会是一种强而有力的检测手段。而南京简智仪器设备有限公司自主研发的便携式拉曼光谱仪，不仅性能好、携带方便、谱图数据库全而且软件使用的简单、智能程度高、检测准确度高，在易燃易爆危险品检测领域有着其无可替代的作用，探头的可定制化服务大大的提升了使用的范围，增加了操作人员的安全性。(内容来源：南京简智)

危险区域防爆法规与标准解析 防爆的概念随着我国工业化进程的不断发展，越来越多的电气设备被广泛应用于工业生产的各个领域，极大的促进了生产力的提高；然而在石油、化工、粮食、医药等可能出现爆炸性危险场所的行业，随着其生产规模的日益扩大，自动化程度的不断提高，如何防止事故性爆炸的发生已成为十分迫切的需求。 爆炸和爆炸三要素爆炸必须具备的三个要素: 爆炸性物质 空气（氧气）点燃源典型的爆炸性物质有：丙烷、柴油、乙烯、焦炉煤气、氢气和乙炔等典型的点燃源有：机械火花、静电、电磁辐射、超声波和热表面电火花等 爆炸性物质分类 我国将爆炸性物质分为以下三类：Ⅰ类：矿井甲烷Ⅱ类：爆炸性气体混合物Ⅲ类：可燃性粉尘/纤维其中，Ⅱ类爆炸性气体混合物依据点燃能量的不同，又可以进一步划分为：ⅡA、ⅡB和ⅡC三个等级，其点燃特性和典型气体如下： 爆炸性物质温度组别划分：根据爆炸性物质的自动点燃温度将爆炸性物质的点燃温度划分为六个组别 危险场所的区域划分 气体环境：根据爆炸性气体环境出现的频率和持续时间把危险场所分为三个区域：0区、1区和2区。粉尘环境：根据可燃性粉尘/空气混合物出现的频率和持续时间及粉尘层厚度进行划分为三个区域：20区、21区和22区。 防爆危险区域划分的主要标准依据：GB3836.14 爆炸性气体环境用电气设备 第14部分 危险场所分类GB12476.3 可燃性粉尘环境用电气设备 第3部分 存在或可能存在可燃性粉尘的场所分类 具有潜在爆炸性危险的工业领域：石油/天然气开采炼油和化工企业燃油/燃气充装站制药业气体管线和输配站分析实验室表面喷涂工业印刷工业电子器件制造业地下煤矿工业污水处理厂医院手术室等 防爆的基本方法危险区的电气设备的火花和热效应是引起火灾和爆炸的主要因素，因此防止产生火花，控制电气设备最高表面温度就成为电气设备防爆的重点。此外，控制爆炸性物质中的氧气含量，使其低于爆炸极限，也能有效规避石化罐区和管线的爆炸风险。 梅特勒托利多过程分析部提供用于危险区域的气体和液体分析设备，并获得世界等级的认可，如IECEx、ATEX和FM认证。这些认证适用于大多数国家。

p 　　 strong 一、北京理工大学王茜蒨教授团队风采 /strong /p p 　　北京理工大学光电学院激光诱导击穿光谱研究团队(BIT-LIBS)由王茜蒨教授领衔，始创于2008年，目前有教授1名，副教授1名，讲师2人，在读博士生7名(其中留学生2名)，硕士生6名，本科生3名。团队依托于北京理工大学光电学院光学工程国家重点学科，光电成像技术与系统教育部重点实验室，致力于激光与物质相互作用理论、激光探测机理与技术、光谱数据处理、化生爆危险品检测、生物医学检测等方面的研究。 /p p style=" text-align: center " img title=" 22.jpg" alt=" 22.jpg" src=" https://img1.17img.cn/17img/images/201901/uepic/b62f0e7f-6860-47aa-91af-ccbe2ea927ae.jpg" / /p p style=" text-align: center " strong 北京理工大学王茜蒨教授 /strong /p p style=" text-align: center " img width=" 600" height=" 450" title=" 团队风采.jpg" style=" width: 600px height: 450px " alt=" 团队风采.jpg" src=" https://img1.17img.cn/17img/images/201901/uepic/8b352990-7b7b-4265-8309-65490d0ea2c5.jpg" border=" 0" vspace=" 0" / /p p style=" text-align: center " strong 北京理工大学王茜蒨教授团队风采 /strong /p p strong 　　二、相关研究成果及最新研究进展 /strong /p p 　　1、危险品LIBS光谱识别方法研究 /p p 　　爆炸物和生化危险品在反恐防暴领域一直都是探测重点，因其具有高度毁伤性和致病性，严重危害社会安全和人民安全健康。团队自创立至今，一直致力于LIBS技术在国防和社会安全领域的应用研究，从2008年起，在国内率先开展爆炸物LIBS探测技术研究，对几种典型炸药的LIBS光谱特性和识别方法进行了深入研究。之后，开展了对有机磷化学毒剂模拟剂DMMP和TEP、生物毒素模拟剂BSA等的LIBS光谱特性研究。重点研究了监督学习和非监督学习等机器学习方法在危险品LIBS光谱识别分类中的应用。在此基础上，提出了基于标签扩散的半监督学习LIBS数据分析算法，在仅可获得少量已知类别数据时，对典型军用炸药RDX、HMX、CL-20和成分相似的有机干扰物正确识别率达到100%。 /p p style=" text-align: center " img title=" 图1.png" alt=" 图1.png" src=" https://img1.17img.cn/17img/images/201901/uepic/2d84f7eb-ffa3-4e7f-8ec0-d99d9062748e.jpg" / /p p style=" text-align: center " strong 图1 半监督学习方法分类结果 /strong /p p 　　此外，为了解决某些应用场合难以获取足够LIBS建模数据的难题，提出了基于生成对抗网络(GAN)扩展光谱数据库的方法。可以在仅有少量爆炸物和化学毒剂模拟物LIBS光谱数据时，利用GAN对LIBS光谱数据进行扩展建模，将探测识别准确率从不足90%提升到超过95%。 /p p 　　2、LIBS技术在生物医药学应用研究 /p p 　　在医药学和生物学领域，团队也开展了相关研究。 /p p 　　在2018年的最新研究中，提出基于评估谱线重要性提取有效特征峰可以缩短分析时间，提升识别准确率。采用所提出的IW-PCA和RF谱线重要性评估算法进行特征提取，对金黄色葡萄球菌、大肠杆菌等6种致病菌的识别准确率达到98%。 /p p style=" text-align: center " img title=" 图2.jpg.png" alt=" 图2.jpg.png" src=" https://img1.17img.cn/17img/images/201901/uepic/3d7569a7-68ef-45ed-a63c-e73aa2416f12.jpg" / /p p style=" text-align: center " strong 图2 采用IW-PCA和RF分别和共同提取不同数量特征峰的分类结果 /strong /p p 　　针对川贝母真伪辨识问题，采用LIBS技术结合人工神经网络对川贝母、浙贝母及伊贝母进行辨识，平均分类正确率为98.33%。实验表明此方法具有很高的辨识精度和很强的鲁棒性。 /p p style=" text-align: center " img title=" 图3.jpg.png" alt=" 图3.jpg.png" src=" https://img1.17img.cn/17img/images/201901/uepic/956f5c4f-b959-4bc3-bebf-f9cccdb76ab9.jpg" / /p p style=" text-align: center " strong 图3 川贝母、掺浙贝母及伊贝母LIBS光谱图 /strong /p p 　　鹿茸是我国传统的名贵药材。本团队首次将LIBS应用于鹿茸质量评估，获取鹿茸LIBS光谱，分析其元素组成。利用PLS-DA对不同质量鹿茸光谱进行定性分析，并且通过挑选特征谱线提高了分类实验的鲁棒性，分类准确率达到100%。研究证明了LIBS技术运用于鹿茸质量评估的可能性。 /p p style=" text-align: center " img title=" 图4.jpg" alt=" 图4.jpg" src=" https://img1.17img.cn/17img/images/201901/uepic/2fcaf326-4879-4ff7-b915-45982ce48288.jpg" / /p p style=" text-align: center " strong 图4 不同质量鹿茸LIBS光谱 /strong /p p 　　针对传统木材种类判别方法存在的局限，团队提出利用LIBS技术对木材种类进行识别分类。实验证明利用LIBS技术结合人工神经网络ANN可应用于木材分类，其分类正确率均在95%以上。当进一步优化ANN网络参数设置时，分类正确率可达到100%。为木材种类识别提供了一种高效准确的方法。 /p p style=" text-align: center " img title=" 图5.jpg" alt=" 图5.jpg" src=" https://img1.17img.cn/17img/images/201901/uepic/fce1af57-f107-4dda-b017-14a1bd884112.jpg" / /p p style=" text-align: center " strong 图5 实验测量4种不同种类木材LIBS光谱图 /strong /p p strong 　　三、团队LIBS代表性论文10篇 /strong /p p 　　1. Qianqian Wang, Geer Teng, XiaoleiQiao, Yu Zhao, Jinglin Kong, Liqiang Dong, and Xutai Cui, & quot Importance evaluation of spectral lines in Laser-induced breakdown spectroscopy for classification of pathogenic bacteria,& quot Biomed. Opt. Express 9, 5837-5850 (2018) /p p 　　2. 王茜蒨, 赵宇, 卢小刚, et al. 激光诱导击穿光谱与拉曼光谱技术在危险物检测中的研究进展[J]. 光谱学与光谱分析, 2017(8). /p p 　　3. Wang Q Q , He L A , Zhao Y , et al. Study of cluster analysis used in explosives classification with laser-induced breakdown spectroscopy[J]. Laser Physics, 2016, 26(6):065605. /p p 　　4. He L , Wang Q , Zhao Y , et al. Study on Cluster Analysis Used with Laser-Induced Breakdown Spectroscopy[J]. Plasma Science and Technology, 2016, 18(6):647-653. /p p 　　5. Wang Q Q , Liu K , Zhao H , et al. Detection of explosives with laser-induced breakdown spectroscopy[J]. 物理学前沿：英文版, 2012, 7(6):701-707. /p p 　　6. Wang Q Q , Liu K , Zhao H . Multivariate Analysis of Laser-Induced Breakdown Spectroscopy for Discrimination between Explosives and Plastics[J]. Chinese Physics Letters, 2012, 29(4):044206. /p p 　　7. 王茜蒨, 黄志文, 刘凯, et al. 基于主成分分析和人工神经网络的激光诱导击穿光谱塑料分类识别方法研究[J]. 光谱学与光谱分析, 2012, 32(12). /p p 　　8. 赵华, 王茜蒨, 刘凯, et al. 无机爆炸物及其主要成分的激光诱导击穿光谱实验研究[J]. 光谱学与光谱分析, 2012, 32(3). /p p 　　9. 刘凯, 王茜蒨, 赵华, et al. 激光诱导击穿光谱在塑料分类中的应用[J]. 光谱学与光谱分析, 2011, 31(5). /p p 　　10. Wang Q , Jander, P, et al. Comparison of 1064 nm and 266 nm excitation of laser-induced plasmas for several types of plastics and one explosive[J]. Spectrochimica Acta Part B Atomic Spectroscopy, 2008, 63(10):1011-1015. /p p & nbsp /p