光谱对煤粉发热量检测系统的研究

在现有近红外检测技术的基础上,设计了一种基于近红外的煤粉发热量检测系统。选取100个煤粉样品建立煤粉发热量的近红外模型,利用验证集的50个样本对模型的精度和稳定性进行了验证分析,结果表明：煤粉发热量的预测值与真实值的相关系数达到0995 8,相对偏差小于2%。系统具有良好的预测精度和稳定性,能够满足对煤粉发热量的快速检测的需求,而且该系统体积小、结构简单、操作方便,具有很好的可移植性。     

基于近红外频域自适应分析法的电煤发热量模型研究（英文）

目前由于部分电站锅炉所用到的燃煤大多为配煤,在有些情况下,其复杂的物理化学特性导致难以获得高精确度的常规近红外定量分析模型,这给电煤发热量的在线检测带来了一定困难。针对该问题,深入研究了电煤近红外光谱时域和频域特征,提出一种能够通过全局优化策略自动在频域内建立最优近红外定量分析模型的新方法—频域自适应分析法。该方法首先将时域近红外光谱通过快速傅里叶变换转换为频域近红外信号;然后采用有效光谱能量率得到合适的频域信息范围;接着根据近红外光谱频域下的相关系数谱图、方差谱图以及谐波在频域中的坐标合理构建了频域信息量评价参数,利用该参数对模型输入变量的种群位置进行初始化;最后采用频域分区搜索和综合性能评价函数得到最佳建模方案。与此同时,结合电煤煤粉近红外图谱的特性,并以其发热量为待测目标对该方法进行了验证,取得相对较好实验效果,与传统方法主成分回归、偏最小二乘回归、反向传播神经网络以及基于遗传算法的偏最小二乘回归和支持向量机回归相比,该方法预测精度更高,并且有效避免了频域随机搜索潜在的过拟合和虚假有效模型的弊端,具有良好的应用前景。此外,该方法也可推广用于其他类型的光谱定量分析。     

褐煤品质的傅里叶变换近红外光谱定量分析

采用傅里叶变换浸反射近红外光谱法采集了94个褐煤样品的Kubelka Munk(KM)光谱数据,同时建立了褐煤的全水分、内水分、挥发分、含硫量、高位发热量、低位发热量和折合率7个指标的偏最小二乘(PLS)定量分析预测模型,并对预测模型进行了验证,验证结果显示:全水分、内水分、挥发分、含硫量、高位发热量、低位发热量和折合率的相对误差分别为9.1%、11%、2.8%、10%、3.4%、2.5%、3.4%,得到了满意的预测效果,基本达到了实际分析的要求;本研究采用近红外光谱分析的方式实现了一种快速分析煤炭品质的新方法,可以替代基于热分析的传统化学分析方法,为工业在线分析煤炭品质论证了可行性.     

小麦品质近红外检测系统的设计与试验研究

为实现快速无损地检测小麦品质设计了基于光栅技术的近红外检测系统,测试了该系统的准确性、重复性和稳定性,选取MPA光谱仪为参比仪器,分别采集56份小麦样品的光谱,建立偏最小二乘回归模型并验证。该系统的四个模型的决定系数R2分别为92.38%,93.48%,93.16%,94.44%,交叉验证标准差RESECV为0.405,0.374,0.383,0.346,相对分析误差RPD为3.62,3.39,3.82,4.24;预测集验证模型的R2为96.97%,94.22%,96.62%,96.34%,预测标准差RMSEP为0.221,0.305,0.233,0.243。MPA光谱仪的建模结果R2 为95.99%,RESECV 为0.293,RDP为5;预测集验证模型的R2为98.31%,RMSEP为0.165。实验表明：小麦品质近红外检测系统所得模型具有良好的预测性,稳定性和重复性;所得光谱波长与吸光度具有重现性;其模型对平均光谱的预测效果优于单张光谱;该系统工作稳定,性能优良,可应用于小麦品质质量检测。     

小波分解重建算法提高近红外煤质水分检测精度

水分是煤质经济价值的基本指标,会造成煤质利用率下降和能源浪费。因此,近红外光谱法实现煤质水分快速、无损、低成本检测具有重要意义。针对目前近红外煤质水分检测精度普遍在1%,且鲜有关于精度提高系统性研究的现状,从光谱预处理及波长选择进行比较,提出了提高煤质水分检测精度的可行性方法。实验结果表明,采用小波分解重建算法对1 300～2 400 nm光谱区间进行降噪及去基线预处理,对重建光谱进行偏最小二乘建模,其建模结果明显优于其他方法,RMSEC达到0.06%,RMSEP达到0.27%,相关性系数R-square达到0.995,且证明模型稳定性较好,显著提高了近红外煤质水分的检测精度。     

高浓度煤粉火焰中煤质对最佳煤粉浓度的影响

高浓度煤粉火焰对装有浓淡燃烧器的煤粉燃烧系统的着火具有十分重要的作用。本文在一简化的燃烧系统和一配备浓淡燃烧器的1 MW切圆煤粉炉内进行了大量试验,研究了煤质对最佳煤粉浓度C_(opt)的影响规律,在该最佳煤粉浓度下燃烧系统具有最高的火焰温度及最低的飞灰含碳.试验结果表明:对于所有的高浓度煤粉火焰均存在一最佳的煤粉浓度,着火特性差的无烟煤的最佳煤粉浓度显著高于着火特性更佳的烟煤,该最佳煤粉浓度随着煤质发热量Q与挥发分V乘积的增大而降低,并存在一经验公式C_(opt)=1.069-0.051·10~(-5)·V·Q。     

近红外反射技术开放式检测棉籽中水分和油含量的研究

研究了近红外漫反射分析技术在棉籽,尤其是毛棉籽的水分和油含量检测中的应用。建立了毛棉籽水分和油含量的近红外分析模型,并随机抽样验证了检测模型的检验精度。水分的相关系数为0.965,含油的相关系数0.953,定标标准偏差分别为0.226和0.391。检测结果达到了代替传统检测方法的要求。另外利用部分样品建立了仁含油和仁出率的近红外检验模型,证明近红外方法也可以应用于其检测。     

煤粉发热量近红外光谱检测的预处理方法研究

煤炭的发热量是评价煤炭品质的重要指标。首先对比分析了平滑处理、微分处理、多元散射校正(MSC)以及标准归一化(SNV)等光谱与处理方法在改善煤粉近红外漫反射光谱信噪比的效果,然后利用偏最小二乘法(PLS)和主成分分析方法(PCR)分别对采用每种预处理方法处理后的光谱建立煤粉发热量模型,发现采用5点平滑处理、多元散射校正和标准归一化处理可使模型的性能有较明显的改观,5点平滑效果最好,相关系数、校正标准差和预测标准差分别为：0.989 9,0.0004 9和0.0005 2,采用25点平滑处理产生了过平滑现象,导致模型的性能变坏,采用微分预处理后的光谱建立的模型没有明显变化,对模型的性能影响不大。     

近红外瞬态脉冲波前高精度干涉检测技术

惯性约束聚变(ICF)系统中高能瞬态脉冲激光由于脉冲时间短、能量高、波前畸变大,通常的检测方法难于检测脉冲激光波前。提出了一种基于空间相位调制技术可用于近红外瞬态波前高精度检测的环形径向剪切干涉仪。该系统可以以30~150 mm的圆瞳和方瞳口径、对波长为1064 nm的近红外纳秒级脉宽的脉冲激光波前实现共路、无参考面的瞬态、高精度的检测。系统的波前重构理论经过计算机仿真验证,精度达1/1000λ以上;检测结果与ZYGO数字波面干涉仪进行了比对,峰谷值、均方根值均优于1/15λ,并具有很好的可重复性。该系统目前已用于惯性约束聚变系统的脉冲检测,并且该技术适用于各种可见光和红外波段激光。     

激光驾束制导仪信息场半实物仿真研究

 为了实现激光驾束制导信息场性能参数检测,设计了基于虚拟仪器技术的激光驾束制导仪信息场仿真系统,将仿真系统应用于信息场性能参数与空间匹配特性检测系统中,实现对检测系统的校正与自检。信息场模拟器的设计精度达到0.001单位指令,输出的信号具有相位连续、动态范围宽、稳定可靠、精度高、扩展性强等优点。检测系统经过模拟器和标准照度计标定后,指令测试可以达到精度0.01单位指令,照度测量精度为5%,光斑尺寸测试精度为5%,光轴失调量为0.00876。通过对信息场参数检测, 验证了方案的可行性,达到了检测系统的测试精度和稳定性,符合测试设备模块化、通用化、智能化和标准化的要求。     

基于LVQ与SVM算法的近红外光谱煤产地鉴别

传统煤产地鉴别方法一般以发热量、挥发分、粘结指数、哈氏可磨指数和坩埚膨胀序数作为分类指标,过程复杂耗时较多、耗费巨大的人力、物力并且无法直接快速的得到煤样产地等问题,借助近红外光谱技术快速无损检测的优势,利用基于SVM的留一算法对光谱数据集进行异常样本剔除,得到包含正确光谱信息的煤样光谱数据集,构造基于SVM算法与LVQ算法的定性分析模型,完成基于近红外光谱分析技术的煤产地的快速鉴别,无需对煤样的各种指标进行汇总并且人为预测。针对SVM分析模型中存在随机参数优化问题,引入PSO算法对SVM模型中的损失参数C和核函数半径g进行改进,得到最优参数,最后引入计算准确率的方法对比以上模型并进行评价分析。实验一共收集了加拿大、俄罗斯、澳大利亚、印度尼西亚、中国内蒙等5个地区的煤样光谱数据集,数据集共计305组煤样样本,其中异常样本共计10组,分别选择各国煤炭光谱的前31组作为训练样本,后6组数据作为测试样本,结果表明各分类模型的分类准确率均能达到75%以上,其中基于PSO算法改进的SVM分析模型的准确率可达到96.67%,仅一个样本出现问题,可快速高效地实现基于近红外光谱分析技术的煤产地的鉴别。     

基于BP神经网络和激光诱导击穿光谱的燃煤热值快速测量方法研究

作为煤质评价的重要指标之一,热值的快速、准确测量对电厂燃煤锅炉的优化燃烧和经济运行至关重要。采用激光诱导击穿光谱(LIBS)技术结合BP神经网络定量分析模型和聚类分析,以35个煤粉样品作为研究对象进行热值的定量分析。基体效应对LIBS光谱数据的显著影响,针对基于某类煤粉样品所建立的定标曲线不能直接用于不同煤种的定量分析,采用K-means聚类方法根据热值、灰分、挥发分把样品分为三类对训练集和预测集样品进行优化选择。通过谱线强度和热值变量相关性分析,同时考虑特征谱线的物理意义,最终提取12条元素谱线的峰值强度作为输入参数,建立BP神经网络模型对燃煤热值进行预测。定标结果表明,建立的神经网络模型具有良好的定量分析能力,定标曲线拟合度R2为0.996,热值预测值的相对误差低于3.42%,多次重复测量的相对标准偏差在4.23%以内。对聚类分析中3类样品具有不同的预测能力,采用峰值强度作为输入参数时,能够在一定程度上减弱试验参数波动和基体效应造成的影响。定量分析结果的重复性和准确性可以通过对不同类别的煤种分别建立BP神经网络模型来进一步改善。LIBS技术结合BP神经网络可以对煤粉热值进行定量分析,在现场在线/快速检测领域具有很好的应用价值和潜力。     

透反射近红外光谱法快速测定大豆油中的脂肪酸

应用透反射技术在1 100~2 500 nm波谱段采集大豆油近红外光谱,采用改进的偏最小二乘法算法,建立了近红外光谱快速测定大豆油中五种主要脂肪酸含量的方法。以气相色谱法测定的158个大豆油样品中棕榈酸(C16∶0)、硬脂酸(C18∶0)、油酸(C18∶1)、亚油酸(C18∶2)和亚麻酸(C18∶3)含量作为其化学值,建模集样品数为138,检验集样品数为10,盲样验证集样品数为10;通过对定标模型的优化,五种脂肪酸的交互定标决定系数(1-VR)分别为0.883 9,0.583 0,0.900 1,0.977 6,0.959 6,交互定标标准误差(SECV)分别为0.42,0.29,0.83,0.46,0.21;盲样验证集样品五种脂肪酸的近红外预测值与化学值的相对标准误差均小于5.50%。结果表明,近红外预测值与化学值之间存在较好的线性关系,所建立的方法快速、方便、可靠,可用于大豆油的掺伪鉴别。     

近红外光谱法快速测定植物油中脂肪酸含量

应用近红外光谱技术建立了快速测定植物油中4种脂肪酸含量的方法。应用气相色谱法测定52个植物油样品中棕榈酸(C16：0)、硬脂酸(C18：0)、油酸(C18：1)和亚油酸(C18：2)的含量作为其化学值(真值)。建模集样品数为41,检验集样品数为11,通过对模型的优化,结果表明建模样品集脂肪酸的化学值(真值)与近红外预测值的相关系数r分别为：r(C16：0)=0.891,r(C18：0)=0.837,r(C18：1)=0.982,r(C18：2)=0.971。检验样品集脂肪酸的化学值与近红外预测值的相关系数分别为0.921,0.891,0.946和0.949。实验结果表明气相色谱法测得的植物油中四种脂肪酸含量与近红外预测值之间存在较好的线性关系。应用近红外光谱法测定植物油中主要脂肪酸的含量是可行的。该方法既快速、方便,又可进行同一样品的多组分分析,有很好的应用前景。     

SPAD及FT-NIR光谱法快速筛选白三叶种质蛋白质性状

白三叶营养丰富,蛋白质含量高,是最重要的牧草之一.文章对SPAD及FT-NIR光谱法筛选白三叶种质蛋白质性状进行了探讨.采用ChlorophyIl Meter SPAD-502,测定白三叶叶片SPAD值,从而评估其蛋白质含量.在营养生长期内,叶片蛋白质含量与SPAD值呈正相关(y=0.422x+4.984,R2=0.737);在开花期内,两者之间呈负相关(y=-0.345x+37.50,R2=0.711).应用傅里叶变换近红外(FT-NIR)光谱技术,用偏最小二乘法建立了白三叶蛋白质的预测模型,并对模型进行了交叉验证和外部验证.结果表明,用NIRs法得到的预测值与用凯氏定氮法得到的测定值间的交叉验证决定系数Rcv2为0.904,交叉检验标准误差RMSECV为0.988(%DM),外部验证的相关系数为0.987.所建立的近红外模型具有良好的准确性和预测能力.FT-NIR法较SPAD法能更准确的评估白三叶蛋白质状况.NIRS作为一种白三叶粗蛋白质快速分析的技术是可行的,在白三叶蛋白质品质育种中,可快速进行种质资源筛选,提高育种效率.     

Study of the correlation between the coal calorific value and coal ash content using X-ray fluorescence analysis

In this paper we have studied the possibility of determining the chemical elements in coal samples using X-ray fluorescence analysis and have found a relationship between the coal calorific value and its ash content with the coal moisture accounting. The amount of coal ash can be determined by the content of the basic chemical elements, such as Si, Sr, Fe, and Ca. It was concluded that the calorific value of coal can be estimated from the ash content in coal without the calorimetric measurements. These correlation coefficients were calculated for coal from several coal mines in Mongolia. The results are in good agreement with the results of chemical analysis.     

LIBS对煤中热值检测的新型校正模型

将激光诱导击穿光谱技术(LIBS)应用于煤中热值的检测。针对传统的通道面积归一化方法未能考虑煤质检测的物理/化学机制、从而限制了所建模型在精确性、准确性、可重复性的情况,提出了一种新型的基于光谱偏差产生原理的校正模型。模型选取了19组煤样品,随机选择其中15组为校正集,用于建立热值的定量分析模型,剩余四种为预测集,用于对所建模型进行检验与评价。模型从光谱偏差因素的产生因素出发,通过原子光谱发射理论结合斯塔克展宽公式,推导出LIBS条件下自吸收效应的影响机制及其所引起的偏差的修正方法。通过元素间相互干扰结合基体效应的微观机理对基体效应进行光谱的偏差分析,并根据K系数法的思路对LIBS中元素间相互干扰进行修正,通过建立光谱的电子密度,等离子体温度,元素浓度的数值模型对基体效应引起的光谱偏差进行深度修正。因而经过自吸收效应—元素间相互干扰—基体效应深度修正后,模型对于所研究样品范围内其拟合优度R2=0.967,RMSEP=0.49 MJ·kg-1,RMSE=0.45 MJ·kg-1,MRE=2.42%,ARE=1.64%的同时RSD=5.79%,RSDP=8.10%。相对于传统的通道面积归一化-多元线性回归方法的0.405,8.28 MJ·kg-1,4.14 MJ·kg-1,22.85%,52.48%,18.28%,32.85%,表明测量的精确度与准确度都得到明显的提高,证明该模型具有很好的应用价值。     

窗口竞争性自适应重加权采样策略的近红外特征变量选择方法

通过消除光谱中的冗余信息变量,挑选出代表样品性质的特征变量代替全谱建立定量模型,可以提高近红外分析结果的准确性。基于进化论中适者生存原理的竞争性自适应重加权采样（CARS）算法因具有计算速度快、筛选得到的特征波长少等优点,在近红外特征变量筛选方面得到了广泛的应用。然而该方法在计算过程中容易出现校正集和验证集结果不一致情况。这是因为算法过于强调校正集交叉验证结果,且并未考虑相邻变量之间的协同作用。为了建立更加稳健的变量筛选方法,通过结合“窗口”以及CARS算法的优势,提出了一种基于窗口竞争性自适应重加权采样（WCARS）策略的近红外特征变量筛选方法,并将其应用于复杂植物样品近红外光谱与其化学成分含量之间的建模分析。采用WCARS方法可以实现准确定量分析,且通过与竞争性自适应重加权采样（CARS）方法结果相比较,WCARS方法得到的校正集和预测集结果一致,在一定程度上减少了过拟合问题的出现。该策略能有效增强特征变量选择的稳健性,提高了定量模型的可信度,具有一定的应用价值。     

基于THz时域混沌特征的煤粉细度检测方法的研究

煤粉气力输送的细度检测对磨煤机工作状态的最优控制具有重要的意义。传统的检测方法多采用抽检取样法,通过分样筛等设备检测样品的细度,耗时长且操作复杂。国内外对细度地快速检测也有部分研究成果,但所测粉体浓度须较低,且设备稳定性还有待提高。太赫兹时域光谱技术（THz-TDS）是一种新型的无损检测技术,其低能性、选择透过性、相干性等特点使它具备其他光谱测量方法没有的优势。国内外对太赫兹辐射与颗粒介质相互作用的研究表明,太赫兹波对颗粒介质的细度具有显著敏感性,因此通过太赫兹波检测煤粉细度具有可行性。太赫兹波在高浓度颗粒介质的传播可以被看成是一个非线性动力过程,这个过程包含了复杂的非线性动力学效应,导致光谱测量结果具有混沌特征。将非线性动力系统的概念应用到太赫兹时域光谱信号的分析中,将太赫兹时域光谱信号视为由复杂非线性动力系统产生的时间序列进行特征分析。实验中将煤样研磨并筛分为<38.5,55~74,74~88,88~105和105~200 μm六种细度,并将煤粉与HDPE混合后压制成样品片。分别提取了的煤粉样品太赫兹时域光谱信号的功率谱熵、小波能量熵、盒维数、关联维数、偏度和峭度作为太赫兹时域光谱的混沌特征,通过比较发现这些混沌特征与细度变化具有一定的相关性,从视觉上可以大致区分出细度范围,但无法进行定量分析。支持向量机常用来解决小样本和非线性的分类问题,但是需要选择合适的参数才能建立较为准确的预测模型。文中引入粒子群算法来优化支持向量机建模参数选择。将上述提取的混沌特征向量作为粒子群算法优化的支持向量机的输入变量,以分样筛筛孔作为回归目标,对所测量煤粉细度建立回归模型。实验结果表明利用混沌特征建立的回归模型对<38.5和38.5~55 μm样品的预测结果要逊色于消光谱建模的回归结果,认为这是因为煤粉细度小,太赫兹波在样品中传播时与煤粉颗粒相互作用也比较弱,时域信号的混沌特征表现不明显所导致。对55~74,74~88,88~105和105~200 μm煤粉样品细度的预测结果要明显优于频域消光谱建立的模型,特别是74~88和105~200 μm样品,校正集均方根误差相对于消光谱分别下降了29.48%和26.14%,预测集误差分别下降了88.62%和56.86%。从预测结果整体上来看,采用混沌特征建模的预测结果与目标细度的相关系数为0.9618,消光谱建模的预测结果相关系数仅为0.78。混沌特征建模的均方根预测误差仅为9.52,消光谱建模的均方根预测误差为24.48。同时采用混沌特征的建模时间相对于消光谱的建模时间下降了43.19%。研究结果为太赫兹时域光谱技术在高浓度煤粉气力输送细度检测上的应用提供了科学依据和参考。