一种基于拉曼与红外光谱融合的煤质在线检测方法及系统与流程

本申请涉及分析化学与过程检测领域，特别是涉及一种基于拉曼与红外光谱融合的煤质在线检测方法及系统。

背景技术：

1、目前煤质检测主要依赖传统的化学分析法（如工业分析、元素分析）和单一的快速光谱技术。传统化学分析法：结果准确，但流程繁琐、耗时长（数小时至数天）、具有滞后性、破坏样品，无法满足生产过程实时优化控制的需求。单一近红外光谱技术：虽快速，但模型依赖大量标样，对煤中关键结构（如芳香环、矿物晶相）敏感度不足，模型稳健性易受煤种变化影响。单一拉曼光谱技术对碳骨架结构敏感，但信号弱、易受荧光干扰，且对含氢官能团（如-oh）不敏感。离线红外光谱技术能提供丰富官能团信息，但通常需要制样（kbr压片），难以实现在线测量。

2、综上所述，现有单一光谱技术均无法在不制备样品、快速在线的条件下，全面、高精度地获取煤炭的化学结构信息与多项工业分析参数。

技术实现思路

1、本申请的目的是提供一种基于拉曼与红外光谱融合的煤质在线检测方法及系统，可实现煤炭工业分析参数的快速、精准、在线无损检测，显著提升检测效率、精度与煤炭利用的智能化水平。

2、为实现上述目的，本申请提供了如下方案：

3、第一方面，本申请提供了一种基于拉曼与红外光谱融合的煤质在线检测方法，包括：

4、同步或异步采集待测煤样的拉曼光谱和红外吸收光谱；

5、根据所述拉曼光谱及所述红外吸收光谱，提取待测煤样的煤质敏感特征及全光谱特征；

6、将所述煤质敏感特征与所述全光谱特征进行拼接，得到融合特征向量；

7、根据所述融合特征向量，采用预先训练好的机器学习模型，确定待测煤样的工业分析参数，以确定待测煤样的质量。

8、在一实施方式中，在同步或异步采集待测煤样的拉曼光谱和红外吸收光谱之前，所述方法还包括：对待测煤样进行测量面整形，使光谱照射面对焦且平整。

9、在一实施方式中，在根据所述拉曼光谱及所述红外吸收光谱，提取待测煤样的煤质敏感特征及全光谱特征之前，所述方法还包括：分别对所述拉曼光谱及所述红外吸收光谱进行平滑去噪、基线校正及标准化处理。

10、在一实施方式中，根据所述拉曼光谱及所述红外吸收光谱，提取待测煤样的煤质敏感特征及全光谱特征，包括：分别提取所述拉曼光谱及所述红外吸收光谱的谱峰参数、光谱统计量及吸光度，得到煤质敏感特征；分别对所述拉曼光谱及所述红外吸收光谱进行主成分分析，保留前n个主成分，得到全光谱特征。

11、在一实施方式中，所述谱峰参数包括特定波段的峰高、峰位置、峰强度、峰面积及峰比值；所述光谱统计量包括均值、方差、偏度及峰度。

12、在一实施方式中，所述机器学习模型包括第一级分析模型及第二级分析模型；所述第一级分析模型预先采用第一训练样本集进行训练得到，所述第二级分析模型预先采用第二训练样本集进行训练得到；所述第一训练样本集中的训练样本包括融合特征样本及对应的初步工业分析参数；所述第二训练样本集中的训练样本包括融合特征集样本及对应的工业分析参数；根据所述融合特征向量，采用预先训练好的机器学习模型，确定待测煤样的工业分析参数，包括：根据所述融合特征向量，采用所述第一级分析模型，确定待测煤样的初步工业分析参数；将所述初步工业分析参数与所述融合特征向量进行融合，得到融合特征集；根据所述融合特征集，采用所述第二级分析模型，确定待测煤样的工业分析参数。

13、在一实施方式中，所述第一级分析模型为支持向量机或随机森林模型；所述第二级分析模型为树集成模型。

14、在一实施方式中，所述机器学习模型包括拉曼分析模型及红外分析模型；所述拉曼分析模型预先采用第三训练样本集进行训练得到，所述红外分析模型预先采用第四训练样本集进行训练得到；所述第三训练样本集中的训练样本包括拉曼光谱特征样本及对应的拉曼工业分析参数；所述第四训练样本集中的训练样本包括红外光谱特征样本及对应的红外工业分析参数；根据所述融合特征向量，采用预先训练好的机器学习模型，确定待测煤样的工业分析参数，包括：分别从所述融合特征向量中提取拉曼光谱特征及红外光谱特征；根据所述拉曼光谱特征，采用所述拉曼分析模型，确定拉曼工业分析参数；根据所述红外光谱特征，采用所述红外分析模型，确定红外工业分析参数；对所述拉曼工业分析参数及所述红外工业分析参数进行融合，得到待测煤样的工业分析参数。

15、第二方面，本申请提供了一种基于拉曼与红外光谱融合的煤质在线检测系统，包括：

16、一体化采样探头，用于同步或异步采集待测煤样的拉曼光谱和红外吸收光谱；

17、光谱分析模块，用于根据所述拉曼光谱及所述红外吸收光谱，提取待测煤样的煤质敏感特征及全光谱特征；将所述煤质敏感特征与所述全光谱特征进行拼接，得到融合特征向量；根据所述融合特征向量，采用预先训练好的机器学习模型，确定待测煤样的工业分析参数，以确定待测煤样的质量。

18、在一实施方式中，所述一体化采样探头包括激光器、卤素灯、拉曼光谱仪及红外光谱仪；所述激光器及所述卤素灯用于通过弧形反射面将激发光混合发射至待测煤样的测量面；所述拉曼光谱仪用于采集待测煤样的拉曼光谱；所述红外光谱仪用于采集待测煤样的红外吸收光谱。

19、根据本申请提供的具体实施例，本申请具有了以下技术效果：

20、通过同步或异步采集拉曼光谱与红外吸收光谱，利用二者对碳骨架芳香结构及含氧、含氢极性官能团的互补性响应，获取更全面、多维度的煤质信息，有效克服单一光谱技术特征重叠或信息缺失的局限；在特征提取层面，将全光谱特征与煤质敏感特征拼接融合，既保留完整光谱信息又突出关键参量，构建的融合特征向量具有更高区分度和鲁棒性，结合机器学习模型实现工业分析参数（水分、灰分、挥发分、固定碳）的快速精准预测。该方法无需复杂样品前处理，检测周期由传统化学法的数小时缩短至秒级，完全满足皮带输送、入炉燃烧等生产环节的在线实时质量控制需求；同时，非接触式测量避免人为误差和化学试剂消耗，兼具环保与经济性。实际应用表明，融合模型的预测精度与稳定性显著优于单一光谱方案，能够为煤炭智能分选、配煤优化及燃烧工况调整提供可靠数据支撑，有效提升了煤炭利用效率和清洁化水平，在检测速度、准确性、信息全面性和在线适应性方面均取得显著技术突破。

1.一种基于拉曼与红外光谱融合的煤质在线检测方法，其特征在于，包括：

2.根据权利要求1所述的基于拉曼与红外光谱融合的煤质在线检测方法，其特征在于，在同步或异步采集待测煤样的拉曼光谱和红外吸收光谱之前，所述方法还包括：

3.根据权利要求1所述的基于拉曼与红外光谱融合的煤质在线检测方法，其特征在于，在根据所述拉曼光谱及所述红外吸收光谱，提取待测煤样的煤质敏感特征及全光谱特征之前，所述方法还包括：

4.根据权利要求1所述的基于拉曼与红外光谱融合的煤质在线检测方法，其特征在于，根据所述拉曼光谱及所述红外吸收光谱，提取待测煤样的煤质敏感特征及全光谱特征，包括：

5.根据权利要求4所述的基于拉曼与红外光谱融合的煤质在线检测方法，其特征在于，所述谱峰参数包括特定波段的峰高、峰位置、峰强度、峰面积及峰比值；所述光谱统计量包括均值、方差、偏度及峰度。

6.根据权利要求1所述的基于拉曼与红外光谱融合的煤质在线检测方法，其特征在于，所述机器学习模型包括第一级分析模型及第二级分析模型；所述第一级分析模型预先采用第一训练样本集进行训练得到，所述第二级分析模型预先采用第二训练样本集进行训练得到；所述第一训练样本集中的训练样本包括融合特征样本及对应的初步工业分析参数；所述第二训练样本集中的训练样本包括融合特征集样本及对应的工业分析参数；

7.根据权利要求6所述的基于拉曼与红外光谱融合的煤质在线检测方法，其特征在于，所述第一级分析模型为支持向量机或随机森林模型；所述第二级分析模型为树集成模型。

8.根据权利要求1所述的基于拉曼与红外光谱融合的煤质在线检测方法，其特征在于，所述机器学习模型包括拉曼分析模型及红外分析模型；所述拉曼分析模型预先采用第三训练样本集进行训练得到，所述红外分析模型预先采用第四训练样本集进行训练得到；所述第三训练样本集中的训练样本包括拉曼光谱特征样本及对应的拉曼工业分析参数；所述第四训练样本集中的训练样本包括红外光谱特征样本及对应的红外工业分析参数；

9.一种基于拉曼与红外光谱融合的煤质在线检测系统，应用于权利要求1-8中任一项所述的基于拉曼与红外光谱融合的煤质在线检测方法，其特征在于，所述系统包括：

10.根据权利要求9所述的基于拉曼与红外光谱融合的煤质在线检测系统，其特征在于，所述一体化采样探头包括激光器、卤素灯、拉曼光谱仪及红外光谱仪；