一种煤炭快速测灰的方法与流程

本发明涉及煤炭质量检测，尤其涉及一种煤炭快速测灰的方法。

背景技术：

1、煤炭灰分是评价煤炭质量、定价、利用路径规划的核心指标，直接决定煤炭的热值与应用价值。目前行业内通用的煤炭灰分检测方法为gb/t 212-2008规定的缓慢灼烧法，该方法检测精度高，但需要将样本在815℃下灼烧2小时以上，检测周期长，无法满足煤矿、洗煤厂、火电厂等场景的现场快速检测需求。

2、现有快速测灰技术中，γ射线透射法可实现在线检测，但存在辐射风险，设备采购与维护成本高，对使用环境有严格限制；近红外光谱法具有无辐射、检测速度快、成本低的优势，成为快速测灰的主流研发方向，但现有基于近红外光谱的测灰方法，普遍存在特征提取不充分的问题，无法挖掘光谱数据与煤炭灰分之间的深层关联，对复杂煤种、宽灰分范围的样本检测精度不稳定，难以兼顾检测速度与检测精度。

3、针对现有技术的上述不足，本发明提出一种基于三级垂直特征提取的煤炭快速测灰方法，通过层级递进的深度特征提取，充分挖掘检测数据与灰分的关联关系，实现煤炭灰分的快速、高精度、无辐射检测。

技术实现思路

1、发明目的：本发明的目的在于提供一种煤炭快速测灰的方法；能够解决现有技术中煤炭测灰方法检测周期长、有辐射风险、特征提取不充分、精度不稳定的问题。

2、技术方案：为解决上述技术问题，根据本发明的一个方面，更具体的说是一种煤炭快速测灰的方法，具体包括以下步骤：

3、s1、采集多组历史煤炭样本的检测数据，以及对应样本的灰分真值，构建煤炭灰分检测原始数据集；

4、s2、对所述原始数据集进行预处理，消除数据噪声与干扰，得到预处理后的标准数据集；

5、s3、对所述标准数据集进行三级垂直处理，提取与煤炭灰分相关的深度特征；其中，第二级特征基于第一级垂直处理输出的第一级特征提取得到，第三级特征基于第二级垂直处理输出的第二级特征提取得到；

6、s4、以提取的所述深度特征为输入、对应煤炭样本的灰分真值为标签，训练煤炭灰分预测模型，并对模型精度进行验证；

7、s5、采集待测煤炭样本的检测数据，经与s2相同的预处理、与s3相同的三级垂直特征提取后，输入训练完成的煤炭灰分预测模型，输出待测煤炭的灰分检测结果。

8、更进一步，所述历史煤炭样本的检测数据为煤炭样本的近红外光谱数据；所述灰分真值为采用gb/t 212-2008《煤的工业分析方法》测得的样本空气干燥基灰分。

9、更进一步，所述预处理依次包括异常值剔除、光谱平滑、基线校正、数据归一化四个步骤；其中，异常值剔除采用3σ准则，光谱平滑采用savitzky-golay平滑法，基线校正采用多元散射校正法，数据归一化采用min-max归一化将数据映射至[0,1]区间。

10、更进一步，所述第一级垂直处理，具体为：对预处理后的标准数据集，提取单维度数据的基础特征，包括单波段吸光度统计特征、平滑特征、一阶导数基础特征，输出第一级特征集。

11、更进一步，所述第二级垂直处理，具体为：以第一级特征集为唯一输入，提取特征间的线性关联特征，包括相邻特征的差值、特征间的比值、乘积、皮尔逊相关系数特征，输出第二级特征集。

12、更进一步，所述第三级垂直处理，具体为：以第二级特征集为唯一输入，通过堆叠的全连接层或一维卷积层提取高阶非线性深度特征，同时加入通道注意力机制对与灰分相关的特征进行权重赋值，输出第三级特征集。

13、更进一步，所述通道注意力机制，对第二级特征集中的每个特征通道进行相关度打分，强化与煤炭灰分相关度高于预设阈值的特征，抑制无关或低相关度的干扰特征。

14、更进一步，所述煤炭灰分预测模型采用xgboost梯度提升树、随机森林或bp神经网络中的任意一种；训练过程中，将标准数据集按照预设比例划分为训练集、测试集与验证集，采用训练集完成模型拟合，采用测试集调整模型超参数。

15、更进一步，所述模型精度验证步骤：采用预留的验证集对训练完成的模型进行精度验证，当模型的决定系数不低于对应预设值、平均绝对误差不超过对应预设值时，判定模型合格，可用于待测煤炭的灰分检测。

16、更进一步，所述待测煤炭样本的检测数据采集条件，与历史煤炭样本的检测数据采集条件完全一致，包括环境温度、环境湿度、光谱扫描次数、光谱分辨率、样本装样厚度均保持相同。

17、有益效果：

18、检测效率实现量级提升，完美适配工业现场实时检测需求

19、对比传统方法，本方法基于近红外光谱结合标准化预测流程，无需高温设备与复杂的实验室操作。可直接应用于煤矿井口原煤分级、洗煤厂重介分选环节实时参数调整、火电厂入炉煤在线监控、焦化厂入厂煤快速验收等场景，彻底解决了传统方法检测滞后导致的煤质不符、分选效率低、锅炉燃烧不充分、配煤比例偏差等行业痛点，实现煤炭全产业链的灰分实时管控。

20、安全无辐射，全生命周期成本大幅降低

21、本方法完全规避了γ射线透射法的电离辐射风险，无需办理辐射安全许可、无需专人持证操作、无需单独建设辐射防护机房，可在普通工业车间、煤场等开放场景直接使用。普通操作人员也可快速熟悉独立完成检测，大幅降低了人力与管理成本，同时彻底消除了辐射对操作人员、周边环境的潜在伤害，符合安全生产要求。

22、检测精度与煤种适应性实现双重突破，解决行业长期痛点

23、现有近红外测灰方法大多仅提取原始光谱的基础特征，无法挖掘光谱与灰分的深层关联，低灰、高灰样本偏差尤为明显。本发明通过三级垂直递进的特征提取架构，从单波段基础特征（捕捉光谱本身的灰分相关变化）→ 特征间线性关联特征（捕捉不同波段对应矿物质的协同变化规律）→ 高阶非线性深度特征+通道注意力机制（过滤煤种、水分、粒度等干扰，强化核心有效特征），逐层挖掘光谱数据与灰分的深层关联，实现了全煤种、宽灰分范围的稳定高精度检测，远超现有近红外测灰技术的精度水平，有效解决了现有方法煤种适应性差、精度不稳定的问题。

24、流程标准化程度高，检测结果重复性与可复制性强

25、本发明的预处理、三级特征提取、模型预测全流程均为标准化固定步骤，无需针对不同煤种手动调整特征提取参数，模型训练完成后仅需定期补充新样本更新即可，无需重新设计特征工程。同时明确了待测样本与建模样本的采集条件一致性要求，保证了不同批次、不同操作人员、不同设备间的检测结果一致性，符合工业批量检测的要求，可直接对接现有煤炭自动采制样系统，实现无人值守的在线连续检测。

1.一种煤炭快速测灰的方法，其特征在于，具体包括以下步骤：

2.根据权利要求1所述的一种煤炭快速测灰的方法，其特征在于：所述历史煤炭样本的检测数据为煤炭样本的近红外光谱数据；所述灰分真值为采用相关分析方法测得的样本空气干燥基灰分。

3.根据权利要求1所述的一种煤炭快速测灰的方法，其特征在于：所述预处理依次包括异常值剔除、光谱平滑、基线校正、数据归一化四个步骤；其中，异常值剔除采用3σ准则，光谱平滑采用savitzky-golay平滑法，基线校正采用多元散射校正法，数据归一化采用min-max归一化将数据映射至[0,1]区间。

4.根据权利要求1所述的一种煤炭快速测灰的方法，其特征在于：所述第一级垂直处理，具体为：对预处理后的标准数据集，提取单维度数据的基础特征，包括单波段吸光度统计特征、平滑特征、一阶导数基础特征，输出第一级特征集。

5.根据权利要求4所述的一种煤炭快速测灰的方法，其特征在于：所述第二级垂直处理，具体为：以第一级特征集为唯一输入，提取特征间的线性关联特征，包括相邻特征的差值、特征间的比值、乘积、皮尔逊相关系数特征，输出第二级特征集。

6.根据权利要求5所述的一种煤炭快速测灰的方法，其特征在于：所述第三级垂直处理，具体为：以第二级特征集为唯一输入，通过堆叠的全连接层或一维卷积层提取高阶非线性深度特征，同时加入通道注意力机制对与灰分相关的特征进行权重赋值，输出第三级特征集。

7.根据权利要求6所述的一种煤炭快速测灰的方法，其特征在于：所述通道注意力机制，对第二级特征集中的每个特征通道进行相关度打分，强化与煤炭灰分相关度高于预设阈值的特征，抑制无关或低相关度的干扰特征。

8.根据权利要求1所述的一种煤炭快速测灰的方法，其特征在于：所述煤炭灰分预测模型采用xgboost梯度提升树、随机森林或bp神经网络中的任意一种；训练过程中，将标准数据集按照预设比例划分为训练集、测试集与验证集，采用训练集完成模型拟合，采用测试集调整模型超参数。

9.根据权利要求1所述的一种煤炭快速测灰的方法，其特征在于：所述模型精度验证步骤：采用预留的验证集对训练完成的模型进行精度验证，当模型的决定系数不低于对应预设值、平均绝对误差不超过对应预设值时，判定模型合格，可用于待测煤炭的灰分检测。

10.根据权利要求1所述的一种煤炭快速测灰的方法，其特征在于：所述待测煤炭样本的检测数据采集条件，与历史煤炭样本的检测数据采集条件完全一致，包括环境温度、环境湿度、光谱扫描次数、光谱分辨率、样本装样厚度均保持相同。