基于激光诱导击穿光谱技术的煤灰分特征研究

作     者：李云红 余天骄 周小计 管今哥 郑永秋 张成飞 程博 LI Yun-hong;YU Tian-jiao;ZHOU Xiao-ji;GUAN Jin-ge;ZHENG Yong-qiu;ZHANG Cheng-fe;CHENG Bo

作者机构：西安工程大学电子信息学院陕西西安710048 北京大学电子学院北京100871 中北大学省部共建动态测试技术国家重点实验室山西太原030051 内蒙航天动力机械测试所内蒙古呼和浩特010076 

出 版 物：《激光与红外》 (Laser & Infrared)

年 卷 期：2023年第53卷第11期

页      面：1657-1664页

学科分类：080901[工学-物理电子学] 07[理学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080401[工学-精密仪器及机械] 070302[理学-分析化学] 0804[工学-仪器科学与技术] 0703[理学-化学] 0803[工学-光学工程] 

基　　金：国家自然科学基金项目(No.61727819) 陕西省科技厅自然科学基础研究重点项目(No.2022JZ-35)资助 

主　　题：煤灰分 BP神经网络 粒子群算法 LIBS 光谱强度 

摘      要：灰分是衡量煤炭质量优劣的关键指标,是衡量煤矿和选煤厂煤炭产品质量的主要指标之一。针对传统煤灰分含量识别效率低、煤样本质量不高的问题,本文基于粒子群优化算法(PSO)和BP神经网络,提出了基于粒子群神经网络的煤炭灰分预测模型。目的是快速识别出煤炭产品中灰分的含量,为煤炭开采提供技术支撑。研究选取了180个标准煤粉样品,1~140号样本数据用于训练集,141~180号样本数据作为测试集。应用PSO-BP模型对煤炭灰分特性进行了研究,仿真结果表明:优化后的6维BP神经网络模型,决定系数R^(2)为0.88501越接近1,表明建立的PSO-BP模型具有较好的预测性能,灰分预测值与灰分真值无限逼近。进而表明所构建的灰分预测模型具有较高的预测精度,提升了模型的泛化能力和预测精度,为后续的LIBS术应用于煤炭检测提供一定的理论依据。