样本量对激光诱导击穿光谱技术在煤质灰分检测的影响研究

为了提高激光诱导击穿光谱技术在定量检测煤质灰分时的精度,对同一煤矿的77个标准煤样进行光谱数据采集,使用偏最小二乘法(PLS)对不同数量的样本数据进行建模,再用剩余样品进行预测验证。实验结果表明:基于偏最小二乘法的灰分预测模型在训练样本数量小于60个时,建模精度较差,合格率约为35%,随着训练样本的增加,预测精度逐渐提高,当样本量达到67个时,预测精度基本稳定,合格率为90%,当训练样本数量为70个时,预测精度最佳,合格率为100%,仅有一个预测偏差大于0.6%,继续增加训练样本至76个时,预测精度变差,合格率变为83%,出现过拟合问题,当训练样本的数量不变时,增加单个样本的光谱数据,可显著提高模型的预测精度。研究结果表明,基于偏最小二乘回归法的定量分析模型,可根据预测结果选取合适的训练样本数量,构建出精度较高的煤质灰分预测模型,为进一步研发检测仪器提供技术支撑。

基于激光诱导击穿光谱技术的煤矸分选方法研究

煤矸分选是煤矿生产的必要工序,对于提高煤炭的清洁利用效率、提升煤矿的生产质量均有至关重要的作用。为了提高煤矸分选的准确率和降低生产成本,提出1种基于激光诱导击穿光谱技术(LIBS)的煤矸分选方法。通过LIBS对同一产地10个块煤样品和10个矸石样品的表面进行激发,并收集光谱数据后对其进行分析处理;基于煤和矸石的主要矿物成分为Si、Al、Ca、Fe、Mg、K、Na、Ti该8种主要元素,通过计算每次收集光谱数据中主要元素的相对标准偏差(RSD)以分析结果的重复性,再根据主要元素的特征谱线波峰面积对煤和矸石进行分类。实验结果表明,激光诱导击穿光谱技术对煤矸分选具有有效性,可利用煤和矸石的不同元素组成进行样品分类鉴别,从而提高煤矸分选效率,以期为进一步研制煤矸石智能分检仪器设备提供技术支撑。