来源：期刊VIP网 时间：
作者：熊凯;邹祥波;陈创庭;杨先茂;陈公达;张爽;卢伟业;陈小玄;卢志民;姚顺春;
单位：广东省能源集团有限公司;广东能源集团科学技术研究院有限公司;华南理工大学电力学院;广东省特种设备检测研究院顺德检测院;
摘要：煤质快速全面检测对锅炉燃烧优化和燃煤电厂数智化转型具有重要意义，激光诱导击穿光谱（laser-induced breakdown spectroscopy,LIBS）在煤质快速检测中具有巨大应用潜力。为满足煤炭现场快速检测的应用目标，利用煤粉颗粒流式LIBS检测实验装置采集了不同电厂的46组煤样光谱数据，系统开展了LIBS与机器学习相结合的煤质多指标同步快速检测研究。针对颗粒流状态下光谱波动较大的特点，对单脉冲光谱采集个数进行了优化，并建立无效光谱筛选、光谱平均、光谱归一化数据预处理方法，进一步对比了PLSR、SVR、PSO-SVR和LSTM 4种机器学习算法以及全光谱、特征波段、强度积分和PCA提取4种光谱特征输入对模型预测煤质多指标性能的影响。结果表明：单次检测累计采集200个单脉冲光谱进行光谱平均，光谱信号不确定性可控制在5%以内；煤质多指标定量分析中PSO-SVR算法的预测性能最佳，利用PCA算法对光谱数据进行降维，在减少模型计算量的同时提高了模型预测性能，两者结合所建立的模型对煤发热量预测均方根误差为0.289 MJ/kg，平均绝对误差为0.231 MJ/kg；对煤碳质量分数、灰分和挥发分预测结果同样较理想，均方根误差分别为0.987%、1.310%和1.612%，平均绝对误差分别为0.839%、1.014%,1.033%。研究结果表明结合合适的机器学习算法，LIBS技术可以实现煤质多指标同步精准快速检测，在煤炭高效清洁利用场景中具有广阔的应用前景。
关键词：煤质;;激光诱导击穿光谱;;机器学习;;高效清洁;;颗粒流
基金资助：国家重点研发计划项目（2021YFF0601001）;; 广东省新型电力系统技术创新项目（1688950422168）;; 广东省自然科学基金杰出青年项目（2021B1515020071）;广东省自然科学基金项目（2022A1515010741）;; 中央高校自然科学类项目（2023ZYGXZR090）~~
