炼焦煤的热解过程研究

通过模拟炼焦过程对不同变质程度的炼焦煤加热至不同温度,运用HD型偏光显微镜及红外分析技术对加热后的固体产物进行分析。结果表明:炼焦煤受热时其镜质组首先产生破碎现象,然后软化熔融,同一种炼焦煤中的镜质组受热变化并不均一,不同变质程度炼焦煤中的镜质组破碎程度和软化程度也不相同;炼焦煤加热到固化温度时,热解固体产物全部呈现出焦炭光学特征,随温度的升高,固体产物的光学组织组成继续发生改变;试验样品中的肥煤和1/3焦煤在热解过程中有机质分子结构随温度的升高,其变化规律相似。

不同变质程度煤镜质组活性质量研究

为更准确地定量描述不同变质程度煤镜质组的相对活性质量差异,考察14种单煤添加不同比例惰性物测定的表观黏结指数G'值随镜质组含量的变化规律。研究表明,G'值对镜质组含量的线性关系显著,采用拟合出的线性方程的斜率倒数1/k作为考察镜质组活性质量的指标,可排除各单煤镜质组含量差异的干扰,更准确地揭示了不同变质程度煤镜质组活性质量的变化规律。论证了筛选出的高斯曲线模型是描述不同变质程度煤镜质组活性变化规律的最优模型,据此给出了不同变质程度煤镜质组相对活性质量。

基于40kg试验焦炉对炼焦煤中最佳活惰比研究

通过测定11种不同炼焦煤的煤岩性质和40 kg试验焦炉所炼焦炭抗碎强度分析,确定了基于炼焦煤镜质组最大反射率的活性权函数方程,根据其活性权函数对各炼焦煤的活惰比进行了计算。分析可知,焦炭抗碎强度M_(40)最大时所对应的活惰比为2.17,为优化配煤提供了技术依据。

一种基于PCA与RBF-SVM的煤岩显微组分镜质组分类方法

在分析煤岩镜质组显微组分特点的基础上,针对其结构复杂、特征量多且相互交织从而影响分类准确性等问题,提出一种基于主成分分析(PCA)的煤岩显微组分镜质组分类方法。首先根据镜质组显微图像中各组分呈现的条状、团块、颗粒等纹理特点和亮度差异,采用基于灰度共生矩阵的能量、熵、惯性矩、局部平稳性等纹理特征量和基于灰度分布统计的亮度比、均值、均方差、三阶矩偏度等亮度相关特征量对其进行描述,构成初始特征量集;再采用主成分分析法对初始特征量集进行进一步的抽取;最后构建基于径向基函数的支持向量机(RBF-SVM),采用积累贡献率较大的主成分作为分类参量实现镜质组的自动分类。实验结果表明:纹理和灰度统计特征可有效刻画煤岩镜质组显微组分;采用PCA对初始特征进行抽取之后,用于分类的特征空间维数大幅度降低,分类算法的泛化能力增强,分类的准确率显著提高。

煤岩显微组分中渗出沥青体角点特征检测方法

渗出沥青体是煤岩显微结构中壳质组的重要组分之一。根据煤显微图像渗出沥青体具有的尖角特点,提出1种基于锐角特征的渗出沥青体检测方法。该方法在SUSAN算法的基础上改进而来,将SUSAN算法中模板圆的半径设置为r,动态改变r值,检测被模板圆覆盖的目标面积是否小于某一设定的阈值,如果是,则中心点判断为角点,同时估算出角点对应的角度数。检测结果表明,采用本文方法能够准确检测出渗出沥青体中所含的尖角,从而对相应组分作出判断。相比于其它方法,本文提出的方法算法简单、抗干扰性能较好。

基于圆形LBP均匀模式的煤镜质组显微组分纹理分析

依据煤不同显微组分的纹理特点,分别采用不同尺度下圆形LBP及LBP均匀模式获取煤显微图像的LBP信息值,构建包含能量、对比度、局部平稳性等特征量的特征集对煤显微组分进行表征,并以此对镜质体中各类别纹理数据进行分析。结果表明:构建的纹理特征量对于镜质体中不同类别具有较好的可分性;圆形LBP中尺度的选择对有效特征量的提取有较大影响;LBP均匀模式在保持特征数据有效性的同时,可明显减少LBP模式数,从而减少计算量。文中结果可为煤显微组分的自动分类与识别提供依据。

基于小波变换的煤岩惰质组显微图像分类

在分析煤岩惰质组各组分显微图像特点的基础上,提出一种基于小波变换的煤岩惰质组显微组分自动分类方法。首先用离散小波变换对煤岩显微图像进行分解,根据分解所得的水平、垂直、对角3个方向小波系数设计描述其纹理属性的特征量;通过对特征量的分析,选取水平方向能偏、对角方向方差特征量以及图像的亮度比等特征量构成特征向量集;采用支持向量机对惰质组各组分进行分类,获得对其7类典型组分的较为理想的分类效果。与其他同类方法的实验结果比较表明,本文特征量选取与分类方案在分类效果上具有明显的优势。

基于迁移学习的煤岩壳质组显微组分识别模型

为了提高煤岩壳质组显微组分的识别准确率,避免分类器构建中特征提取阶段的人工干预,采用深度学习的方法实现煤岩壳质组显微组分类别的自动识别。由于煤岩壳质组样本数有限,采用传统的卷积神经网络构建分类器对其识别容易产生过拟合,泛化能力较差。为解决该问题,提出了一种基于迁移学习的煤岩壳质组显微组分识别模型(分类器)。该模型在传统的卷积神经网络模型基础上,通过迁移学习共享预训练网络模型中卷积层和池化层的权值系数,并结合煤岩壳质组显微图像样本,优化网络模型结构和全连接层参数,进而构建适合于煤岩壳质组显微组分识别的深度学习网络模型。试验结果表明:与由传统神经网络直接构成的深度学习模型相比,本文构建的基于迁移学习的煤岩壳质组识别模型性能和效果均明显提高,尤其是以VGG16作为预训练模型构建的分类器在本文数据集上性能表现最优,其对测试样本识别准确率可达98.10%;由于模型的训练参数减少,模型的训练时间明显缩短,且在较短的训练周期内达到收敛且训练集的识别准确率保持稳定,表明了以VGG16作为预训练模型的分类器在煤岩壳质组识别中具备较好的性能。

基于轮廓波变换的煤壳质组显微组分分类

在分析煤壳质组显微组分图像特点的基础上,鉴于其纹理及方向信息特征差异,提出一种基于轮廓波变换(Contourlet)与超限学习机的煤壳质组显微组分自动分类方法。首先,运用Contourlet变换对煤壳质组显微图像进行多尺度多方向分解,提取各子带的统计特征量组成特征向量集;再构建超限学习机分类器对壳质组各显微组分进行分类。实验结果表明:与其他用于描述纹理的同类特征提取方法相比,采用本文方法提取的特征量训练的分类器,在分类效果上具有明显的优势,其分类准确率可达97.64%;与支持向量机分类结果相比,超限学习机对于煤壳质组分类准确率可高出2%,分类速度显著提高。

基于改进极限学习机的焦煤惰质组分类方法

为提高焦煤惰质组显微组分分类的准确性,减少对分类器训练的人工干预,提出一种基于改进极限学习机(ELM)的焦煤惰质组显微组分分类方法。首先根据焦煤惰质组各显微组分在光特性及形貌特性上存在的差异及特点,从亮度、纹理等层面分别提取其显微图像中基于灰度统计分布的亮度比、均值、方差、偏度、一致性及峰度等6个亮度相关特征量和基于灰度共生矩阵的能量、熵、惯性矩、局部平稳性及最大概率等5个纹理相关特征量,构建11维初始特征量集,并采用主成分分析法(PCA)对初始特征进行抽取以降低特征空间维数、去除信息冗余;再将奇异值分解引入到极限学习机中,推导利用奇异值分解求解ELM隐含层输出权值矩阵的方法,构建改进的极限学习机。改进后的极限学习机解决了普通的ELM训练中为了求解权值矩阵需要通过大量实验确定参数的问题,有效地提高了学习机的智能化程度。实验结果表明:与支持向量机(SVM)分类方法相比,改进后的ELM方法对分类器训练及样本测试的速度、对焦煤惰质组测试样本分类的准确率均明显提高;与单一的ELM方法相比,改进后的ELM方法分类器的网络训练更加快速便捷,网络隐含层节点数减少近40%,对测试样本分类的准确率进一步提高,可达96.7%。

基于Tamura纹理特征的煤岩壳质组显微组分分类

根据煤岩壳质组各显微组分的纹理特点及其差异,采用基于人类视觉感知的Tamura纹理描述方法,提取其粗糙度、对比度、方向度、线像度、规则度等特征量,对壳质组显微组分中角质体、藻类体和树皮体等3类组分典型样本进行描述,并对特征量的可区分性进行分析。鉴于壳质组显微组分样本数的局限,构建适合于小样本分类问题的支持向量机分类器,分别采用不同特征量及特征量组合对3种典型组分进行分类。实验结果表明:单个特征难以实现对显微组分的有效分类;采用组合特征可明显提高分类效果,其中线像度和方向度的组合效果最佳,分类平均准确率可达98.9%。该结果可为煤岩其它显微组分的分类与识别提供参考。

基于行程长度纹理特征的焦炭显微图像分类算法

在分析焦炭显微图像各向异性光学组织中片状与纤维状显微图像特征的基础上,通过对纹理特征的差异性的研究,提出了一种基于行程长度纹理特征和支持向量机(Support Vector Ma-chine)的焦炭显微图像分类方法。该方法首先计算焦炭显微图像中4个方向上的行程长度矩阵,利用行程长度矩阵求得对图像纹理具有不同表征能力的纹理特征量,通过对各个特征量的数据分析,选取有效特征量组合作为分类器的训练向量,然后用支持向量机对实验样本进行分类。实验结果表明,该方法能够有效地识别出焦炭各向异性组织中纤维状、片状等不同光学组分。

一种基于流形学习的PCA-SLPP特征空间降维方法

针对复杂模式分类中特征空间维数过高问题,提出一种基于流形学习的PCA-SLPP降维方法。先对初始特征量集中样本数据进行主成分分析(PCA),使特征量在全局空间中相互独立;再采用改进的有监督局部保留投影(SLPP)法对主成分分析后的数据进行映射,使数据在特征空间中的局部流行结构得以保持的同时扩大样本数据的可区分性;最终依据累计贡献率与特征值的大小实现特征空间的降维。采用降维后的数据集训练支持向量机分类器,对具有复杂结构的煤岩惰质组显微组分进行分类。实验结果表明:PCA可以有效去除特征数据间的信息冗余,有助于分类正确率的提高;PCA的维数一定且总维数较高时,采用SLPP继续降维对分类正确率影响不大,但当总维数降到2及以下时,分类正确率迅速下降;在特征空间总维数降到初始维数的1/2及以下时,本文方法的分类正确率明显高于其他算法;本文方法在耗时上与SLPP相近。

煤焦显微结构特征与焦炭性质的关系

通过分析13种不同变质程度的单种煤的煤岩性质以及对应的40 kg试验焦炉所炼焦炭的性质,结果表明:焦炭光学组织指数(OTI)与单种煤镜质组平均最大反射率存在正相关线性关系;通过多元线性回归分析,确定了镜质组反射率分布和焦炭光学组织组成的定量关系;同时也总结了焦炭抗碎强度M40和反应性CRI与焦炭光学组织组成的关系:焦炭光学组织中镶嵌状结构所占比例越多,焦炭的抗碎强度M40越高,其反应性CRI也较低。

炼焦煤的煤岩特征对其结焦性质的影响

随着煤岩测定技术的进步，炼焦煤的煤岩性质已在炼焦配煤中得到广泛应用。通过对多种单种煤和配合煤的煤岩特征以及对应的40kg试验焦炉所炼焦炭的性质进行分析和比较，结果表明：单煤种的R0加。在1．3％～1．5％间，所炼制焦炭的冷态机械强度（M40和M10）最好，其热性质（反应性CRI和反应后强度CSR）也较好；配合煤反射率分布图特征越接近正态分布，则所炼制的焦炭冷态机械强度（M40、M10）就较好，配合煤反射率分布图特征偏离正态分布越远，其焦炭热性质越差；40kg试验焦炉所得焦炭的反应性CRI高，其反应后强度CSR较低，存在负相关线形关系。

焦炭热性质加和性在配煤研究中的应用

结合配西加煤实验,提出了配煤所涉煤种对应的焦炭热性质(反应性/反应后强度)具有加和性的观点,在对方案中所涉及的变化煤种对应的焦炭热性质数据进行假定与修正的基础上,结合各方案中煤种比例,对各方案进行比较及计算得出了计算值与实验值一致的结果,从而证实煤种对应的焦炭热性质在配煤中具有加和性。该结论可以为生产中设计配煤方案提供便利,从而指导配煤炼焦生产,稳定和提高焦炭质量。

配煤中添加石油焦试验研究

为了扩大炼焦煤资源选择范围,提高焦炭质量,通过5kg小焦炉炼焦试验,研究了在配煤中添加石油焦对所炼焦炭质量的影响。结果表明:在较好黏结性的配合煤中,适当添加一定比例的石油焦,可在一定程度上促进焦炭的各向异性发展和完善,提高焦炭的光学异性指数OTI值。随着石油焦代替瘦煤比例提高并达到一定程度,所炼焦炭的CRI值逐渐降低;配入石油焦粒度较小时有利于提高焦炭热性质,粒度较大时对提高焦炭CSR不利。

基于曲波变换和压缩感知的煤岩惰质组分类

鉴于煤岩惰质组显微组分结构复杂、有效特征量难以获取等问题,提出一种基于曲波变换和压缩感知的煤岩惰质组分类方法.首先对惰质组显微图像进行曲波变换,提取变换后各尺度层的系数特征,使其在基函数字典下有较好的稀疏表示;然后采用压缩感知的方法对曲波变换后的高频系数进行降维,将降维后的高频系数与保留的低频系数级联构成特征集;最后,以径向基函数为核函数构建支持向量机对惰质组中各显微组分进行分类.结果表明:曲波变换比小波变换能更有效地刻画惰质组各显微组分特征信息;采用压缩感知降维,在保留原始样本的重要特征信息的同时可以有效消除冗余,从而提高分类的准确率,其平均准确率可达97.51%.

影响焦炭热性质因素的研究

利用13种粘结结焦性质指标相近的配合煤进行70 kg小焦炉试验,比较了所炼焦炭的热性质与矿物质催化指数、煤岩显微组分和焦炭光学组织的关系。结果表明:当配合煤粘结结焦性指标相近时,焦炭热性质主要由灰成分中矿物质催化指数MCI决定;煤岩显微组分含量也是影响焦炭热性质的因素之一;焦炭热性质中CSR不仅受CRI影响,而且受焦炭中光学各向异性指数OTI及光学组织含量的影响。该结论对指导配煤生产,稳定和提高焦炭热性质具有实际意义。

基于均值偏移和边缘置信度的焦炭显微图像分割

针对焦炭显微图像中光学组织的特点,提出了一种结合均值偏移和边缘置信度的焦炭显微图像分割。该方法首先计算图像像素的边缘置信度,利用边缘置信度设计均值偏移算法中的权值函数,对特征空间的采样点进行加权,以提高模式点检测的准确性;然后以扩展的均值偏移向量进行迭代,实现焦炭显微图像的初步分割;由于在初步分割中产生过多的聚类数,导致了相同组分区域的过分割。因此通过空域距离和区域边界像素的置信度平均值设置合并条件,合并相同光学组分的焦炭区域,实现图像的最终分割。实验表明,该方法能够有效地分割出焦炭显微图像中不同光学组织组分区域,为焦炭光学组织的自动识别提供可靠依据。