一种颗粒燃料LIBS在线分析方法及系统与流程

摘要: 本发明属于光谱检测,具体涉及一种颗粒燃料libs在线分析方法及系统。背景技术:1、在新型电力系统建设背景下,煤电机组需要提升低碳、智能化运行水平,并可以在更大范...
一种颗粒燃料LIBS在线分析方法及系统与流程

本发明属于光谱检测,具体涉及一种颗粒燃料libs在线分析方法及系统。

背景技术:

1、在新型电力系统建设背景下,煤电机组需要提升低碳、智能化运行水平,并可以在更大范围内进行调峰和快速变负荷支撑。解决上述技术问题的关键症结是缺乏实时准确的入炉燃料特性参数(发热量、挥发分等),它们直接影响机组调峰、灵活运行及碳排放控制。

2、激光诱导击穿光谱(laser-induced breakdown spectroscopy,libs)技术凭借其非接触、多元素同步分析和快速响应等优势,在煤质在线检测领域受到广泛关注。现有技术通常利用激光照射样品表面,诱导产生等离子体,并通过采集等离子体发射的光谱信号,对样品的燃料特性参数进行反演分析。其中,如何根据光谱信息准确反演燃料特性参数,是影响检测准确性的关键问题。目前,一般针对同一样品连续采集多条光谱,并采用算术平均等方式获得能够表征该样品光谱特征的代表光谱,再对所述代表光谱进行归一化、平滑、基线校正或特征提取等预处理,最后将预处理后的光谱输入预先建立的定量分析模型,以获得发热量、挥发分、灰分等燃料特性参数的预测结果。

3、现有入炉颗粒燃料libs在线分析中,通常对同一样品连续采集的多条光谱进行直接算术平均,以获得样品代表光谱。该方法实现简单,但其隐含前提是各条光谱质量相近、对最终结果的贡献相同,而实际在线测量过程难以满足这一条件。入炉颗粒燃料通常处于连续运动状态,颗粒的粒径、形状、表面状态、组分分布、运动速度及空间位置均存在随机变化,激光焦点与颗粒表面的耦合状态也随之波动。同时,激光脉冲能量、等离子体形成与演化过程、光谱采集时序、现场粉尘和振动等因素,均可能造成光谱整体强度、特征谱线强度、谱形结构及噪声水平发生明显变化,部分测量还可能出现激发不足、局部饱和或偏离样品典型特征的异常光谱。

4、在上述情况下,直接平均会将高质量光谱与低质量光谱按照相同权重参与融合,使低质量光谱中的异常波动和噪声被引入代表光谱,进而导致特征谱线被削弱、谱形失真或背景波动增大,降低代表光谱对样品真实特征的表征能力。即使采用简单阈值对异常光谱进行剔除,也通常只能针对单一异常特征进行判断,且处理结果容易受阈值设置影响,难以同时兼顾整体强度稳定性、谱形一致性和多变量统计特征。因此,现有方法缺乏对单条光谱质量进行综合评价,并依据质量差异自适应调整各条光谱融合贡献的机制,容易造成后续定量分析模型输入不稳定,影响煤质指标预测结果的准确性。

技术实现思路

1、本发明旨在克服现有颗粒分析中直接平均法无法区分光谱质量优劣、低质量光谱等权参与融合导致融合光谱失真、进而影响特性指标预测精度的问题,提供一种基于光谱质量评价与自适应加权融合的颗粒燃料libs在线分析方法及系统。其核心在于通过对同一样品连续采集的多条光谱分别进行光谱质量评价,依据评价结果确定各条光谱的融合权重,并按该权重对多条光谱进行加权融合以生成融合光谱;所述质量评价基于一个或多个质量指标的组合进行,综合反映各条光谱的整体质量,据此实现高质量光谱贡献放大、低质量光谱贡献压制的自适应融合。融合后的融合光谱输入回归定量分析模型,输出待测样品的特性指标预测结果。本发明通过光谱质量评价与自适应加权融合的协同作用,无需改变现有检测硬件配置,即可显著提高特性指标预测的准确性和稳定性。

2、为解决上述问题,本发明的第一方面提供了一种颗粒燃料libs在线分析方法,所述方法包括以下步骤:步骤s1,获取颗粒待测样品的多条光谱,组成待测样品的光谱集合;步骤s2,对各条所述光谱进行多个质量评价,以每条光谱各个质量评分的指数值加权乘积作为该条光谱的综合质量得分,根据该综合质量得分确定各条光谱的融合权重,并按照所述融合权重对所述多条光谱进行加权融合,获得所述待测样品的融合光谱;步骤s3,将所述融合光谱输入回归定量分析模型,通过所述回归定量分析模型输出所述待测样品的特性指标。

3、本技术提供的颗粒燃料libs在线分析方法,其核心在于通过步骤s1至s3的流程设计,构建“光谱获取→质量评价与加权融合→模型预测”的全链路分析架构,使待测样品连续采集的多条光谱经质量评价后获得各条光谱的融合权重,按该权重对多条光谱加权融合生成融合光谱,融合光谱输入回归定量分析模型输出特性指标预测结果,从而有效抑制低质量光谱对融合结果的干扰,显著提高特性指标预测的准确性和稳定性。

4、进一步地,每条光谱各个质量指标的贡献系数作为对应质量得分指数值的幂指数;其中,所述每条光谱各个质量指标的贡献系数的总和为1。

5、进一步地,所述步骤s2中,根据下式确定各条光谱的融合权重:

6、

7、其中,wi为光谱集合中第i条光谱的融合权重,qi为第i条光谱的综合质量得分,ρ为权重强化因子,n表示光谱集合中的光谱数量为n条。

8、进一步地,所述步骤s2中,基于下述质量指标中的一个或多个的组合对每条所述光谱进行质量评价:各条光谱的强度稳定性得分、谱形一致性得分、主成分统计中心性得分、光谱集合总光谱面积、光谱集合强度之和、余弦相似度、欧氏距离马氏距离、局部异常因子。

9、进一步地,所述步骤s2包括:步骤s21,基于待测样品的光谱集合,对所述每条光谱分别计算强度稳定性得分、谱形一致性得分和主成分统计中心性得分;步骤s22,根据下式计算各条光谱的综合质量得分:

10、

11、其中,表示待测样品的光谱集合中的第条光谱,、和分别表示强度稳定性、谱形一致性和主成分统计中心性在综合质量评价中的贡献系数,其满足条件:。

12、进一步地,所述步骤s2通过下述方式进行质量评价:计算各条光谱的l2范数,获取全部待评价光谱的l2范数中位数,计算各条光谱相对于所述中位数的偏离程度,根据所述偏离程度计算各条光谱的强度稳定性得分,作为每条光谱的质量得分;其中,强度稳定性得分的取值范围为0至1,第条光谱的强度越接近该样品光谱集合的l2范数中位数,值越接近1,偏离程度越大,值越低。

13、进一步地,所述步骤s2通过下述方式进行质量评价:构建全部待评价光谱的中位数光谱,计算各条光谱与所述中位数光谱的相关系数,表征该条光谱与样品中位数光谱在整体谱形上的一致程度,根据下式计算各条光谱的谱形一致性得分,以此作为每条光谱的质量得分:

14、

15、其中,表示第i条光谱与所述中位数光谱的相关系数,表示第i条光谱的谱形一致性得分,为谱形一致性下限参数;当时,表明该条光谱与中位数光谱之间的谱形差异较大,;当时,值随相关系数的增大而连续增加;当时,表明该条光谱与中位数光谱的谱形完全一致,。

16、进一步地,所述步骤s2通过下述方式进行质量评价:对全部待评价光谱进行主成分分析,根据各条光谱的hotelling t2统计量和q残差计算各条光谱的主成分统计中心性得分,以此作为每条光谱的质量得分;其中,越高,表示第i条光谱越接近样品光谱集合的主要成分统计分布。

17、进一步地,在所述步骤s1之后还包括:步骤s11,对各条所述光谱进行异常值检测,剔除饱和光谱或无效光谱,将保留的光谱组成所述待测样品的光谱集合。

18、进一步地,所述步骤s11包括:步骤s111,判断各条光谱中是否存在至少一个波长点的光谱强度达到或超过光谱仪有效探测上限所对应的饱和阈值,若是,则将该条光谱判定为饱和光谱并予以剔除;步骤s112,判断各条光谱在特征谱线峰位附近多个波长点的光谱强度标准偏差是否低于无效激发阈值,若是,则将该条光谱判定为无效激发光谱并予以剔除。

19、进一步地,在所述步骤s3之前还包括:步骤s31,对所述融合光谱进行基线校正与降噪处理,得到校正光谱;步骤s32,对所述校正光谱进行通道强度归一化,得到归一化光谱;步骤s33,对所述归一化光谱进行变量筛选,获得预处理后的光谱数据。

20、进一步地,所述回归定量分析模型为偏最小二乘回归定量分析模型;通过所述偏最小二乘回归定量分析模型输出所述待测样品的燃料特性指标预测结果,所述燃料特性指标包括发热量和挥发分。

21、根据本发明的另一个方面,本发明还提供了一种颗粒燃料libs在线分析系统,所述系统包括:激光器,用于发射激光至颗粒待测样品表面以诱导产生等离子体;光谱仪,用于采集所述等离子体发射的光谱信号,输出多条光谱;质量评价单元,与所述光谱仪数据连接,用于对所述待测样品的多条光谱的每条光谱进行多个质量评价,以每条光谱各个质量评分的指数值加权乘积作为该条光谱的综合质量得分;融合处理单元,与所述质量评价单元数据连接,用于根据各条光谱的所述综合质量得分确定各条光谱对应的融合权重,并按照所述融合权重对所述多条光谱进行加权融合,获得所述待测样品的融合光谱;数据处理器,与所述融合处理单元数据连接,用于将所述融合光谱输入回归定量分析模型,通过所述回归定量分析模型输出所述待测样品的特性指标。

22、进一步地,在所述质量评价单元中,将每条光谱各个质量指标的贡献系数作为对应质量得分指数值的幂指数;其中,所述每条光谱各个质量指标的贡献系数的总和为1。

23、进一步地,所述质量评价单元还用于基于下述质量指标中的一个或多个的组合对每条所述光谱进行质量评价:各条光谱的强度稳定性得分、谱形一致性得分、主成分统计中心性得分、光谱集合总光谱面积、光谱集合强度之和、余弦相似度、欧氏距离马氏距离、局部异常因子。

24、进一步地,所述融合处理单元根据下式确定各条光谱的融合权重:

25、

26、其中,wi为光谱集合中第i条光谱的融合权重,qi为第i条光谱的综合质量得分,ρ为权重强化因子,n表示光谱集合中的光谱数量为n条。

27、进一步地,所述融合处理单元根据下式计算各条光谱的综合质量评分:

28、

29、其中,表示待测样品的光谱集合中的第条光谱,、和分别表示强度稳定性、谱形一致性和主成分统计中心性在综合质量评价中的贡献系数,其满足条件:。

30、进一步地,所述系统还包括时序控制器,与所述激光器和所述光谱仪电性连接,用于控制激光发射与光谱采集的同步时序。

31、进一步地,所述质量评价单元包括:强度稳定性评价模块,用于计算各条光谱的l2范数,获取全部待评价光谱的l2范数的中位数,以所述中位数为基准计算各条光谱的l2范数的偏离程度,根据所述偏离程度计算各条光谱的强度稳定性得分;谱形一致性评价模块,用于构建全部待评价光谱的中位数光谱,计算各条光谱与所述中位数光谱的相关系数,并根据所述相关系数计算各条光谱的谱形一致性得分;主成分统计中心性评价模块,用于对全部待评价光谱进行主成分分析,根据各条光谱的hotelling t2统计量和q残差计算各条光谱的主成分统计中心性得分。

32、进一步地,所述数据处理器包括:异常值检测单元,用于对各条所述光谱进行异常值检测,剔除存在物理异常的光谱,将保留的光谱组成待评价光谱集合;预处理单元,用于对所述融合光谱进行基线校正与降噪处理、通道强度归一化及变量筛选,获得预处理后的光谱数据;定量分析单元,用于将所述预处理后的光谱数据输入偏最小二乘回归定量分析模型,输出所述待测样品的燃料特性指标预测结果,所述燃料特性指标包括发热量和挥发分。

33、进一步地,所述异常值检测单元进一步被配置为:判断各条光谱中是否存在至少一个波长点的光谱强度达到或超过光谱仪有效探测上限所对应的饱和阈值,若是,则将该条光谱判定为饱和光谱并予以剔除;判断各条光谱在特征谱线峰位附近多个波长点的光谱强度标准偏差是否低于无效激发阈值,若是,则将该条光谱判定为无效激发光谱并予以剔除。

34、本发明的上述技术方案具有如下有益的技术效果:

35、1.实现了光谱质量的多维度综合评价与自适应融合,显著提升了融合光谱对样品真实特征的表征能力。通过质量评价综合反映各条光谱的整体质量,能够全面、准确地区分光谱质量的优劣,克服了传统单阈值法仅能判断单一异常特征的局限,使融合得到的融合光谱更真实地反映样品的典型特征。

36、2.通过分级处理策略,有效抑制了低质量光谱和物理异常光谱对融合结果的干扰。通过剔除物理异常光谱,再依据各光谱的质量评价结果确定融合权重,使高质量光谱在融合光谱构建中占据主导地位,低质量光谱的贡献被有效压制,避免了低质量光谱中的异常波动和噪声被引入融合光谱,显著提升了后续定量分析模型的输入稳定性和预测精度。

37、3.通过权重转换机制,在不改变各条光谱质量排序的前提下,进一步放大了高质量光谱与低质量光谱之间的权重差异,使融合结果更侧重于高质量光谱的有效信息,同时保留了多条测量光谱的多样性信息,避免了权重过度集中于少数光谱导致的信息损失,在质量优先与信息完整性之间实现了有效平衡。

38、4.与现有检测流程和定量分析建模框架具有良好的兼容性,可直接嵌入现有的颗粒分析流程中。在优选的具体实施方式中,实验结果表明,与直接平均的常规方法相比,采用本方法后发热量和挥发分的拟合度(r2)分别从0.668、0.601提升到0.976、0.878,绝对误差从1.661mj/kg、4.739%降低到1.031mj/kg、2.480%,显著提高了特性指标预测的精度。