煤質(zhì)灰分智能檢測(cè)方法與關(guān)鍵技術(shù)研究.pdf

1、煤炭能源被廣泛應(yīng)用于化工、發(fā)電、冶金等領(lǐng)域，即使在能源多樣化的新形勢(shì)下仍然發(fā)揮著不可替代的作用。煤炭中灰分是影響煤炭燃燒特性的重要指標(biāo)，通過(guò)檢測(cè)煤質(zhì)中的灰分含量可以有效的檢測(cè)煤質(zhì)的燃燒性能，從而對(duì)不同的煤質(zhì)進(jìn)行合理的分配和利用。除此之外，在煤炭的燃燒和氣化中，根據(jù)灰分含量以及其它的諸如熔點(diǎn)、黏度、導(dǎo)電性和化學(xué)組成等特性可以預(yù)測(cè)燃燒和氣化中可能出現(xiàn)的腐蝕、玷污、結(jié)渣等問(wèn)題，并據(jù)此進(jìn)行爐型選擇和煤炭灰渣利用研究；在煉焦工業(yè)中，可用煤炭中的灰

2、分量來(lái)預(yù)計(jì)焦炭中的灰分，灰分含量越高，有效碳的產(chǎn)率就越低；在商業(yè)上煤炭灰分含量是煤定級(jí)論價(jià)的重要指標(biāo)。因此，煤質(zhì)灰分檢測(cè)對(duì)煤炭資源的高效、清潔利用具有很重要的作用。
　　雙能γ射線煤炭灰分測(cè)量技術(shù)是利用γ輻射技術(shù)與計(jì)算機(jī)技術(shù)實(shí)現(xiàn)煤炭灰分的快速、準(zhǔn)確檢測(cè)，可以廣泛應(yīng)用于焦化廠、鋼鐵廠、電廠等用煤企業(yè)。本文依托“國(guó)家科技支撐計(jì)劃課題（2012BAJ24B00）”，采用理論計(jì)算和試驗(yàn)分析相結(jié)合的方法，對(duì)基于雙能γ射線的煤質(zhì)灰分檢測(cè)技術(shù)進(jìn)

3、行優(yōu)化改進(jìn)，主要研究工作如下：
　　(1)探討了γ射線和物質(zhì)之間的作用關(guān)系，論述了煤炭的組成成分及煤質(zhì)可燃物質(zhì)和不可燃物質(zhì)（灰分）的含量關(guān)系。在此基礎(chǔ)上，分析了低能γ射線和中能γ射線作用于煤炭后，通過(guò)不同成分產(chǎn)生的質(zhì)量衰減系數(shù)，確認(rèn)該系數(shù)跟煤炭中的高Z元素相關(guān)聯(lián)，可以利用γ射線作用前后的衰減系數(shù)計(jì)算煤質(zhì)灰分含量。為后面進(jìn)一步確定具體的計(jì)算關(guān)系和模型打下了基礎(chǔ)。
　　(2)針對(duì)γ射線探測(cè)器中的噪聲問(wèn)題，利用經(jīng)驗(yàn)?zāi)B(tài)分解方法及小

4、波軟閾值去噪方法，提出基于小波經(jīng)驗(yàn)?zāi)B(tài)分解(EMD-Wavelet)的γ射線能譜去噪算法。通過(guò)試驗(yàn)對(duì)比分析了本文所研究的γ射線能譜去噪算法，從試驗(yàn)結(jié)果可以看出，單獨(dú)采用小波和EMD分解或傳統(tǒng)尺度濾波，對(duì)γ射線能譜去噪后波形有明顯的失真，而采用本文所研究的算法對(duì)γ射線能譜去噪后，從保護(hù)γ能譜特征、信噪比和均方根誤差多方面綜合考察均優(yōu)于單獨(dú)采用小波、EMD分解和尺度濾波算法?？梢?jiàn)，基于EMD-Wavelet去噪法可以在信號(hào)和噪聲頻帶重合時(shí)有

5、效地分離出信號(hào)和噪聲，使帶噪信號(hào)的去噪結(jié)果更好。
　　(3)將函數(shù)鏈神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法用于軟測(cè)量建模當(dāng)中，建立了函數(shù)鏈神經(jīng)網(wǎng)絡(luò)的灰分智能軟測(cè)量模型，并對(duì)煤質(zhì)灰分進(jìn)行了軟測(cè)量預(yù)測(cè)。通過(guò)樣本數(shù)據(jù)訓(xùn)練和驗(yàn)證，結(jié)果表明：基于函數(shù)鏈神經(jīng)網(wǎng)絡(luò)的灰分智能軟測(cè)量模型具有較高的測(cè)量精度，最大誤差為±0.9%，平均誤差為±0.7%，并且誤差表現(xiàn)較為穩(wěn)定，具有較大的優(yōu)越性。
　　(4)針對(duì)傳統(tǒng)方法對(duì)煤灰分檢測(cè)耗時(shí)長(zhǎng)及誤差大的問(wèn)題，提出了基于最小二乘

6、支持向量機(jī)的煤灰分雙能量γ射線智能檢測(cè)和標(biāo)定方法。該算法通過(guò)利用雙能量γ射線透射法和最小二乘支持向量機(jī)算法可減小煤堆形狀、厚度、粒度、堆密度等因素和標(biāo)定方法引入的誤差。在241Am和137Cs作為低能和中能γ射線源的實(shí)驗(yàn)驗(yàn)證中，最小二乘支持向量機(jī)在煤灰分檢測(cè)中顯示了0.8%平均相對(duì)誤差，相對(duì)于直線逼近和最小二乘逼近算法的2.22%和3.19%平均相對(duì)誤差，試驗(yàn)結(jié)果證明了基于最小二乘支持向量機(jī)的雙能量γ射線煤灰分檢測(cè)及標(biāo)定方法具有更高的煤

7、灰分檢測(cè)準(zhǔn)確度。
　　(5)研究了雙能γ透射測(cè)量模型的動(dòng)態(tài)誤差特性，提出了將被測(cè)煤質(zhì)分區(qū)段的測(cè)量方法，有效地解決了統(tǒng)計(jì)誤差和動(dòng)態(tài)測(cè)量誤差在測(cè)量時(shí)間要求上的沖突。分析了煤質(zhì)中組分成分及其變化對(duì)檢測(cè)結(jié)果的影響，試驗(yàn)結(jié)果表明煤質(zhì)顆粒度和煤質(zhì)水分含量的變化會(huì)導(dǎo)致煤質(zhì)體積和堆積密度的變化，從而致使測(cè)量結(jié)果出現(xiàn)偏差，而煤質(zhì)成分組成及變化會(huì)影響煤質(zhì)灰分檢測(cè)方程式中標(biāo)定常數(shù)的確定，導(dǎo)致測(cè)量誤差。因此，在利用雙能γ射線檢測(cè)模型測(cè)量煤質(zhì)中的灰分含量時(shí)

8、，需要利用合理的手段，控制被檢測(cè)煤質(zhì)的顆粒度以及水分含量，并對(duì)不同的煤種進(jìn)行區(qū)別檢測(cè)，從而有效減少煤質(zhì)顆粒度、水分含量以及成分組成及變化對(duì)檢測(cè)結(jié)果的影響。
　　(6)結(jié)合煤灰分快速測(cè)量方法的研究成果，通過(guò)對(duì)各硬件模塊和軟件模塊進(jìn)行設(shè)計(jì)和改進(jìn)，構(gòu)建了具有信號(hào)采集、處理、通信、測(cè)量計(jì)算等功能，并滿足實(shí)時(shí)、在線要求的灰分測(cè)量裝置。
　　本文從煤質(zhì)灰分檢測(cè)的實(shí)際情況出發(fā)，基于雙能γ透射技術(shù)研究煤質(zhì)灰分的智能檢測(cè)方法和關(guān)鍵技術(shù)，為開(kāi)發(fā)