首饰电镀通常比较复杂，可能有多个镀层，且镀层包含合金，要检测得到准确的厚度和成分，通常来说经验算法的偏差都较大，而且样品在未知组成的情况下无法得到正确的结果；而FP(Foundational parameters:基本参数法)就可以很好的解决这类问题，我们从以下两个案例来展开来描述。

1. 未知样品的检测

某客户的戒指样品，925银镀钯，我们先用合金曲线扫描看看其成分。

通过谱形，我们可以发现有杂质铜、锌、钴、锑等杂质元素，我们建立一个镀层样品的模型结构如下：

根据该模型，测试得到结果：

如图1-2，很显然，该结果有一些问题，首先，基材925银的含量测成了97.825%。这个结果是有明显问题的，然后检查谱形，会发现更多问题，如下图1-3：

如图1-3所示，铜、锌、钴的计算谱（紫色线）与实测谱（橘黄色）没有匹配。

如图1-4所示，Ag的计算谱（紫色线）与实测谱（橘黄色）没有匹配。

如图1-5所示，没有计算未知元素（Sb）。

考虑到第一个模型的缺陷，由于图1-4所得银的实测谱比计算谱更高，因此在925银之上很可能还有一层镀层银，而且925银通常不含Sb元素，所有Sb元素大概率在中间层，因此重新调整模型如下：

重新计算，得到以下结果：

检查谱形的拟合程度，计算谱与实测谱的匹配程度，来确认该结构模型是否正确。

如图1-7，银峰的计算谱（紫色线）与实测谱（橘黄色）匹配较好。

如图1-8和1-9所示，杂质元素的计算谱（紫色线）与实测谱（橘黄色）匹配较好。以上说明此次建模是准确的。

该样品的分析难度在于，925银镀了厚银，而厚银又包含了杂质锑。要准确分析各元素所属层，以及一共有几层，需要反复推断，如果已知该样品结构，那么样品结构模型建立就比较简单，在未知样品结构时，需要反复建模来调整，并确保计算谱与实测谱匹配。

对未知样品的分析，经验算法是无法推断出925银又镀了一层银的。而且没有标样的情况下，经验算法更无法分析基材和中间镀层的成分含量。

FP算法的优势在于比较准确的分析了未知样品，而且在检测厚度的同时给出了各层的成分和含量。

2. 不同层有相同元素的检测

贵金属首饰电镀通常由多个镀层组成，经验算法对每个镀层的成分和厚度都是独立分析的，忽略了各个镀层之间相互作用的影响。因此，在复杂的样品中，经验算法的分析结果很容易受到样品中其他成分的影响，从而导致测量偏差。比如这里有这样一个样品如下：

如果用经验算法，其无法区分开第一层和第三层的金的特征射线强度，所以就无法建立模型，无法检测这样的样品。

应用FP算法，它会充分考虑到这个样品各层的相互影响，比如吸收和散射，其对第一层金和第三层的金其特征线强度是分开计算，两层金的特征谱形，分别显示第一层和第三层金的特征谱形高度。

其计算结果如下：

如上，FP算法可以轻松解决这种不同层却同一元素的镀层问题。

综上所述，经验算法在处理复杂样品时容易出现测量偏差，需要在分析过程中考虑样品的复杂性质和进行适当的校正处理，才能够得到准确的分析结果。而使用基本参数法可以通过建立更准确的模型来解决这些问题，从而得到更准确的分析结果。

FP算法的强大的核心原因，在于其首先建立样品的结构模型，同时根据X射线的激发模型、探测器的响应模型这三者模拟计算谱形，并与实测谱形匹配拟合迭代，最终计算出样品准确的每一层厚度以及每一层的成分。

FP算法的优越性在于，可以分析未知样品，可以检测不同层但有相同元素的样品，可以检测多层合金镀层样品。其面对复杂应用是经验算法、影响系数法无法比拟的。

针对复杂类型的首饰镀层样品，西凡贵金属检测仪XF-S6可精准检测每层的厚度和成分。