亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        光譜對(duì)煤粉發(fā)熱量檢測(cè)系統(tǒng)的研究

        2014-11-08 06:58:40李燈熬趙菊敏
        應(yīng)用光學(xué) 2014年1期
        關(guān)鍵詞:發(fā)熱量煤粉光譜

        馮 丁,李燈熬,趙菊敏

        (太原理工大學(xué) 信息工程學(xué)院,山西 太原030024)

        為了計(jì)算方便,首先將映射數(shù)據(jù)進(jìn)行中心化處理,定義和函數(shù) K=φ(X)Tφ(X),k(xi,xj)=φ(xi)Tφ(xj),映射到空間F 中的協(xié)方差矩陣為

        引言

        我國(guó)能源資源的特點(diǎn)是富煤、少油、缺氣,這一特點(diǎn)決定了在未來(lái)較長(zhǎng)時(shí)期內(nèi)煤炭將仍然處于我國(guó)能源的主體地位[1]。煤炭的發(fā)熱量是煤炭作為能源使用價(jià)值高低的體現(xiàn),是研究煤質(zhì)的重要評(píng)價(jià)指標(biāo)之一[2]。目前,國(guó)內(nèi)外現(xiàn)行的方法雖然其測(cè)量的結(jié)果精度和準(zhǔn)確度都能達(dá)到國(guó)家標(biāo)準(zhǔn),但該方法分析周期長(zhǎng),操作過(guò)程復(fù)雜,消耗資源大[3]。

        近紅外光(near infrared,NIR)是介于可見(jiàn)光(VIS)和中紅外光(MIR)之間的電磁波,波長(zhǎng)在780nm~2 500nm范圍,主要是由于分子振動(dòng)的非諧振性使分子振動(dòng)從基態(tài)向高能級(jí)躍遷時(shí)產(chǎn)生的,具有較強(qiáng)的穿透能力。近紅外光譜是一種快速、無(wú)損、綠色的分析技術(shù),它廣泛應(yīng)用于農(nóng)業(yè)和食品安全,例如主要內(nèi)部成分的檢測(cè)和品種的鑒別[4-7]。

        近紅外煤粉發(fā)熱量預(yù)測(cè)方法是基于煤炭中的芳香烴、羥基、芳香環(huán)等基團(tuán)對(duì)近紅外的吸收特性建立起來(lái)的新方法,該方法利用標(biāo)準(zhǔn)值與光譜特性之間的相關(guān)性建立定量預(yù)測(cè)模型,最終間接快速準(zhǔn)確地實(shí)現(xiàn)煤粉發(fā)熱量的檢測(cè)。

        1 測(cè)量原理

        近紅外光譜分析方法主要包括漫反射法和透射法2種。因?yàn)槲矬w對(duì)光的散色隨著波長(zhǎng)的縮短而增大,近紅外波長(zhǎng)比中紅外波長(zhǎng)短,因此,近紅外更適合進(jìn)行物體的漫反射光譜分析[8]。漫反射光的強(qiáng)度取決于樣品對(duì)光的吸收和樣品對(duì)光的散色作用。本文采用的漫反射吸光度公式為

        式中:A為吸光度;R∞為漫反射率;K為吸收系數(shù)(主要取決于漫反射體的化學(xué)成分);S為漫反射體的散色系數(shù)(主要取決于漫反射體的物理特性,S≈421.67)[8]。

        2 系統(tǒng)硬件設(shè)計(jì)

        近紅外煤粉發(fā)熱量檢測(cè)系統(tǒng)主要包括光譜采集模塊和控制模塊2部分,其中光譜采集模塊包括光源(LED)、濾光片、傅里葉變換干涉儀和近紅外探測(cè)器,光譜采集模塊設(shè)計(jì)結(jié)構(gòu)如圖1所示。探測(cè)器選用光敏材料為InGaAs的探測(cè)器,探測(cè)范圍800nm~2 500nm波長(zhǎng)的光譜。

        圖1 光譜采集模塊結(jié)構(gòu)圖Fig.1 Schematic of detector

        控制模塊采用模塊化的設(shè)計(jì)思想,主要包括中央處理器(CPU)、光譜采集轉(zhuǎn)換電路、光源控制電路、通信電路等4部分,整體結(jié)構(gòu)如圖2所示。中央處理器輸出脈沖信號(hào),通過(guò)光源控制電路控制光源的工作,探測(cè)器接收到光譜信息,通過(guò)信號(hào)采集轉(zhuǎn)換電路將信息傳給中央處理器(CPU),中央處理器對(duì)采集到的光譜信息進(jìn)行處理分析得到煤粉樣品的發(fā)熱量數(shù)據(jù),最后將數(shù)據(jù)存儲(chǔ)。

        圖2 系統(tǒng)電路模塊Fig.2 Block diagram of system circuit

        3 系統(tǒng)評(píng)價(jià)

        3.1 硬件評(píng)價(jià)

        分別對(duì)系統(tǒng)進(jìn)行電壓與電流穩(wěn)定性測(cè)試、光源驅(qū)動(dòng)電路穩(wěn)定性測(cè)試以及系統(tǒng)整體參數(shù)測(cè)試,結(jié)果表明:系統(tǒng)的工作電壓與電流穩(wěn)定,光源驅(qū)動(dòng)電路能夠在脈沖的驅(qū)動(dòng)下穩(wěn)定工作,系統(tǒng)的穩(wěn)定性能夠滿足檢測(cè)需要。

        3.2 樣品制備與樣品發(fā)熱量的測(cè)定

        煤炭樣品選自貴州省境內(nèi)的各大煤礦的煤樣,煤種均為煙煤,經(jīng)過(guò)破碎后選擇150個(gè)煤粉樣品進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)的過(guò)程中隨機(jī)選取100個(gè)樣品作為校正集,50個(gè)樣品作為驗(yàn)證集,所有樣品的粒度都小于0.2mm。首先采用化學(xué)分析方法測(cè)得每個(gè)煤粉樣品的發(fā)熱量Q,分析結(jié)果如表1所示。

        表1 煤粉樣品發(fā)熱量理化分析結(jié)果Table 1 Physical and chemical analysis result of calorific value of pulverized coal

        3.3 光譜采集

        啟動(dòng)儀器對(duì)各樣品的近紅外光譜進(jìn)行采集,為了減少光敏傳感器的漂移對(duì)檢測(cè)結(jié)果的影響,在每次掃描前首先對(duì)光敏傳感器自身的光譜信號(hào)進(jìn)行采集,然后再采集樣品的漫反射光譜,將樣品的漫反射光譜減去光敏傳感器自身的光譜得到樣品的真實(shí)漫反射近紅外光譜,對(duì)每個(gè)樣品在不同的角度采集3次光譜,最終將3次光譜取平均值。煤粉樣品漫反射近紅外光譜圖如圖3所示。

        圖3 煤粉樣品漫反射近紅外光譜Fig.3 Diffuse NIR pulverized coal samples

        3.4 光譜預(yù)處理

        采集到的近紅外光譜不僅包含煤粉樣品內(nèi)部的結(jié)構(gòu)信息,同時(shí)也包含了一些噪聲信息,因此在建立模型時(shí)首先需要對(duì)采集到的漫反射光譜進(jìn)行去噪,即對(duì)光譜進(jìn)行預(yù)處理。目前,應(yīng)用較多的預(yù)處理方法有多元散色校正(MSC)、標(biāo)準(zhǔn)正態(tài)變換(SNV)、平滑去噪處理、微分處理等方法。本次實(shí)驗(yàn)采用5點(diǎn)平滑的光譜預(yù)處理方法對(duì)煤粉的漫反射光譜進(jìn)行去噪處理,經(jīng)5點(diǎn)平滑后的漫反射光譜如圖4所示,對(duì)比原始光譜圖,發(fā)現(xiàn)經(jīng)5點(diǎn)平滑處理有效去除了2 300nm和1 100nm附近的高頻噪聲。

        圖4 5點(diǎn)平滑處理漫反射光譜Fig.4 5-point smoothing diffuse reflection spectrum

        3.5 預(yù)測(cè)原理

        近紅外光譜檢測(cè)技術(shù)是一種間接的分析技術(shù),是通過(guò)建立校正模型來(lái)實(shí)現(xiàn)對(duì)未知樣本進(jìn)行定量分析。本次實(shí)驗(yàn)中共有150個(gè)煤粉樣品,以其中的100個(gè)煤粉樣品作為校正集建立煤粉發(fā)熱量的校正模型,另外50個(gè)樣本作為驗(yàn)證集對(duì)建立的模型進(jìn)行驗(yàn)證。

        主成分分析(principal component analysis,PCA)是一種線性分析方法,是對(duì)光譜矩陣進(jìn)行主成分分析后,將參與回歸建模的光譜數(shù)據(jù)點(diǎn)替換為矩陣的主成分得分矩陣,用主成分得分矩陣與待測(cè)組分含量矩陣進(jìn)行多元線性回歸建立模型,從而達(dá)到對(duì)未知組分樣品進(jìn)行分析的目的[5]。

        核主成分分析(kernel principal component analysis,KPCA)是在主成分分析(PCA)的基礎(chǔ)上,通過(guò)引入核函數(shù)將原始數(shù)據(jù)映射到高維空間,然后再利用PCA方法實(shí)現(xiàn)非線性特征提取的方法。核主成分分析的主要過(guò)程如下:

        假設(shè)有M個(gè)分析樣本,每個(gè)樣本有N個(gè)變量,X=[x1,x2,…,xM]為輸入空間RN的數(shù)據(jù)集,則第k個(gè)樣本的輸入向量xk=[wk1,wk2,…,wkM],k=1,2,…,M。通過(guò)非線性變換把輸入RN映射到高維特征空間:

        為了計(jì)算方便,首先將映射數(shù)據(jù)進(jìn)行中心化處理,定義和函數(shù) K=φ(X)Tφ(X),k(xi,xj)=φ(xi)Tφ(xj),映射到空間F 中的協(xié)方差矩陣為

        設(shè)V和λ是協(xié)方差矩陣C的一對(duì)特征向量和特征值,則滿足關(guān)系式:CV=λV,其中特征向量V是由特征空間(φ(x1),φ(x2),…,φ(xM))生成的子空間,因此必定存在α=(α1,α2,…,αM)使得

        由于Kα=Mλα,解出α代入(3)式中即可得到任意輸入樣本x在高維特征空間中的非線性特征

        圖5 前10個(gè)主成分累計(jì)貢獻(xiàn)率Fig.5 Cumulative contribution rate of 10 principal components

        PCA和KPCA的前10個(gè)主成分累計(jì)貢獻(xiàn)率如圖5所示,橫坐標(biāo)PC代表主成分?jǐn)?shù),縱坐標(biāo)表示主成分累計(jì)貢獻(xiàn)率。采用PCA方法的前10個(gè)主成分的累計(jì)貢獻(xiàn)率為96%,而采用KPCA方法前3個(gè)主成分的累計(jì)貢獻(xiàn)率就已達(dá)到96%,同時(shí)隨著因子數(shù)a的增大收斂速度變快,當(dāng)因子數(shù)a=6時(shí),前2個(gè)主成分的累計(jì)貢獻(xiàn)率已經(jīng)達(dá)到96%,前5個(gè)主成分的累計(jì)貢獻(xiàn)率已經(jīng)超過(guò)99%,具有很好的降維效果,因此本設(shè)計(jì)中采用因子數(shù)a=6的核主成分分析的方法建立煤粉發(fā)熱量的預(yù)測(cè)模型。

        3.6 模型的準(zhǔn)確性和穩(wěn)定性驗(yàn)證

        3.6.1 模型的準(zhǔn)確性驗(yàn)證

        將事先準(zhǔn)備好的驗(yàn)證集的50個(gè)樣品的近紅外光譜經(jīng)5點(diǎn)平滑處理后輸入到煤粉發(fā)熱量預(yù)測(cè)模型,得到每個(gè)樣品的發(fā)熱量預(yù)測(cè)值,然后將煤粉樣品發(fā)熱量的預(yù)測(cè)值與理化分析值(真實(shí)值)進(jìn)行比較,通過(guò)求得預(yù)測(cè)值與真實(shí)值之間的相關(guān)系數(shù),以及預(yù)測(cè)均方標(biāo)準(zhǔn)差RMESP和預(yù)測(cè)最大偏差可以對(duì)模型的預(yù)測(cè)準(zhǔn)確性進(jìn)行驗(yàn)證,驗(yàn)證集樣品的預(yù)測(cè)值與真實(shí)值之間的相關(guān)性曲線如圖6所示。

        圖6 驗(yàn)證集樣品預(yù)測(cè)值與真實(shí)值相關(guān)性曲線Fig.6 Predicted value and true value correlation curve of validation samples

        模型的準(zhǔn)確性驗(yàn)證結(jié)果,驗(yàn)證集的煤粉樣品發(fā)熱量預(yù)測(cè)值與真實(shí)值的相關(guān)系數(shù)R2(Corr,Coeff)≈0.9958>0.95,表明煤粉發(fā)熱量的預(yù)測(cè)值與真實(shí)值之間具有良好的相關(guān)性,即表明采用近紅外法進(jìn)行煤粉發(fā)熱量的預(yù)測(cè)是可行的。預(yù)測(cè)均方標(biāo)準(zhǔn)差 RMSEP≈22.45,最大偏差為111kcal/Kg,從數(shù)值上看誤差視乎很大,但是由于選用的驗(yàn)證集煤粉樣品的發(fā)熱量范圍在3 515kcal/kg~6 134kcal/kg之間,樣品的發(fā)熱均值為4 787.64,雖然預(yù)測(cè)均方標(biāo)準(zhǔn)差為22.45,但平均單位偏移率只有0.004 7左右,最大偏移率為0.03,表明模型具有較高的預(yù)測(cè)精度。

        3.6.2 模型的穩(wěn)定性驗(yàn)證

        在驗(yàn)證集中選取5個(gè)樣品,分別對(duì)每個(gè)樣品在不同的實(shí)驗(yàn)環(huán)境下檢測(cè)10次,將每次采集到的光譜經(jīng)5點(diǎn)平滑處理后帶入模型,預(yù)測(cè)得到每個(gè)樣品每次的發(fā)熱量值,可以對(duì)儀器和定量分析模型的穩(wěn)定性進(jìn)行評(píng)價(jià)。實(shí)驗(yàn)結(jié)果如圖7所示。

        圖7 重復(fù)性驗(yàn)證結(jié)果Fig.7 Result of repeated experiments

        對(duì)比分析5個(gè)樣本的10次檢測(cè)結(jié)果如表2所示,發(fā)現(xiàn)相對(duì)偏差RSD均為1.3%左右,說(shuō)明系統(tǒng)具有良好的檢測(cè)穩(wěn)定性,能夠滿足實(shí)際工作的需要。

        表2 對(duì)比結(jié)果Table 2 Comparison among 5 samples

        4 結(jié)論

        設(shè)計(jì)了一款基于近紅外的煤粉發(fā)熱量檢測(cè)系統(tǒng),首先對(duì)系統(tǒng)各個(gè)硬件部分進(jìn)行了測(cè)試,硬件能夠滿足系統(tǒng)的要求,然后對(duì)多項(xiàng)式核主成分分析(KPCA)進(jìn)行了介紹,并且與主成分分析(PCA)方法在提取前10個(gè)主成分累計(jì)貢獻(xiàn)率進(jìn)行了對(duì)比,發(fā)現(xiàn)KPCA方法明顯優(yōu)于PCA,且隨著因子數(shù)a的增加,KPCA在特征提取中效果更加明顯,因此系統(tǒng)采用KPCA的方法建立煤粉發(fā)熱量的近紅外預(yù)測(cè)模型,最后通過(guò)驗(yàn)證集樣品對(duì)系統(tǒng)的準(zhǔn)確性和穩(wěn)定性進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,系統(tǒng)的預(yù)測(cè)值與真實(shí)值之間的相關(guān)系數(shù)達(dá)到0.995 8,系統(tǒng)具有很好的預(yù)測(cè)精度,選取5個(gè)樣本分別進(jìn)行10次測(cè)試,統(tǒng)計(jì)測(cè)試結(jié)果發(fā)現(xiàn)相對(duì)偏差均小于2%,系統(tǒng)具有很高的穩(wěn)定性。

        [1] 李穎娜,吳楠,王宇亮,等.近紅外光譜-系統(tǒng)聚類法快速測(cè)定煤炭品質(zhì)[J].蘭州理工大學(xué)學(xué)報(bào),2012,38(1):59-62.LI Ying-na,WU Nan,WANG Yu-liang,et al.Fast determination of coal quality by using near-infrared spectroscopy-hierarchical clustering method [J].Journal Lanzhou University of Technology,2012,38(1):59-62.(in Chinese with an English abstract)

        [2] 于實(shí),李豐田.煤質(zhì)檢測(cè)分析新技術(shù)方法與化驗(yàn)結(jié)果的審查實(shí)用手冊(cè)[M].北京:當(dāng)代中國(guó)出版社,2005.YU Shi,LI Feng-tian.Analysis and test results of new technology and methods of coal quality detection examination handbook[M].Beijing:Contemporary China Publishing House,2005.(in Chinese)

        [3] 雷萌,李明.采用KPCA特征提取的近紅外煤炭發(fā)熱量預(yù)測(cè)模型[J].化工學(xué)報(bào),2012,63(12):3991-3995.LEI Meng,LI Ming.NIRS prediction model of calorific value of coal with KPCA feature extract[J].Journal of Chemical Industry and Engineering,2012,63(12):3991-3995.(in Chinese with an English abstract)

        [4] 劉桂霞,王新譜,李秀敏.近紅外光譜檢測(cè)技術(shù)在害蟲(chóng)檢測(cè)中的應(yīng)用[J].光譜學(xué)與光譜分析,2009,29(7):1856-1859.LIU Gui-xia,WANG Xin-pu,LI Xiu-min.Application of NIR spectroscopy technology in the field of insect pests detection [J].Spectroscopy and Spectral Analysis,2009,29(7):1856-1859.(in Chinese with an English abstract)

        [5] 李軍華,吳煒,何艷,等.近紅外光譜對(duì)天然巖石中礦物成分含量測(cè)定的研究[J].光譜學(xué)與光譜分析,2013,33(1):85-88.LI Jun-hua,WU Wei,HE Yan,et al.Study on determining the content of all kinds of composition in the natural rock by near infrared reflectance spectroscopy[J].Spectroscopy and Spectral Analysis,2013,33(1):85-88.(in Chinese with an English abstract)

        [6] 譚琨,葉元元,杜培軍.基于支持向量機(jī)的假酒近紅外光譜識(shí)別分類研究[J].光子學(xué)報(bào),2013,42(1):69-73.TAN Kun,YE Yuan-yuan,DU Pei-jun.Identification and classification of near-infrared spectrum of adulterated wine based on support vector machine[J].Acta Photonica Sinica,2013,42(1):69-73.(in Chinese with an English abstract)

        [7] 談愛(ài)玲,畢衛(wèi)紅.基于KPCA和LSSVM的蜂蜜近紅外光譜鑒別分析[J].激光與紅外,2011,41(12):1331-1336.TAN Ai-ling,BI Wei-hong.Identification of honey by NIR spectroscopy technology based on KPCA and LSSVM [J].Laser & Infrared,2011,41(12):1331-1336.(in Chinese with an English abstract)

        [8] 劉蘭濤,陳曉光,吳文福,等.三波長(zhǎng)谷物蛋白質(zhì)近紅外檢測(cè)儀[J].吉林大學(xué)學(xué)報(bào):工學(xué)版,2009,39(1):93-97.LIU Lan-tao,CHEN Xiao-guang,WU Wen-fu,et al.Near infrared detector with three wavelengths for grain protein content[J].Journal of Jilin University:Engineering and Technology Edition,2009,39(1):93-97.(in Chinese with an English abstract)

        [9] 孫仁爽,金哲雄,張哲鵬,等.老鸛草中藥材紅外光譜的分析與鑒定[J].光譜學(xué)與光譜分析,2013,33(1):81-84.SUN Ren-shuang,JIN Zhe-xiong,ZHANG Zhe-peng,et al.Analysis and identification of geranium by twodimensional correlation infrared spectroscopy [J].Spectroscopy and Spectral Analysis,2013,33(1):81-84.(in Chinese with an English abstract)

        [10] 王偉明,董大明,鄭文剛,等.梨糖果濃度近紅外漫反射光譜檢測(cè)的預(yù)處理方法研究[J].光譜學(xué)與光譜分析,2013,33(2):359-362.WANG Wei-ming,DONG Da-ming,ZHENG Wengang,et al.Pretreatment method of near-infrared diffuse reflection spectra used for sugar content prediction of pears[J].Spectroscopy and Spectral A-nalysis,2013,33(2):359-362.(in Chinese with an English abstract)

        猜你喜歡
        發(fā)熱量煤粉光譜
        曹家灘煤灰分和水分對(duì)發(fā)熱量影響的理論與實(shí)驗(yàn)研究
        煤化工(2022年5期)2022-11-09 08:34:44
        高爐噴吹煤粉添加助燃劑生產(chǎn)實(shí)踐
        山東冶金(2022年4期)2022-09-14 09:00:08
        基于三維Saab變換的高光譜圖像壓縮方法
        電廠燃煤虛擬采樣及發(fā)熱量均值不確定度評(píng)定
        Effect of moxibustion combined with acupoint application on enteral nutrition tolerance in patients with severe acute pancreatitis
        星載近紅外高光譜CO2遙感進(jìn)展
        煤層氣排采產(chǎn)氣通道適度攜煤粉理論
        天然氣發(fā)熱量間接測(cè)量不確定度評(píng)估方法初探
        高爐煤粉精細(xì)化噴吹技術(shù)
        苦味酸與牛血清蛋白相互作用的光譜研究
        制服丝袜一区二区三区| 久久久久亚洲AV无码专区一区| 久久本道久久综合一人| 后入丝袜美腿在线观看| 十八18禁国产精品www| 亚洲男人天堂网站| 日韩人妻av不卡一区二区三区| 久久99热只有频精品8国语| 无码欧美毛片一区二区三| 亚洲一二三区在线观看| 亚洲熟女国产熟女二区三区| 狼人伊人影院在线观看国产| 免费无码中文字幕a级毛片| 日韩精品中文字幕无码专区| 亚洲一区极品美女写真在线看| 我要看免费久久99片黄色| 亚洲av无码一区二区三区不卡| 99福利网| 白色白色在线视频播放平台| 天天干天天日夜夜操| 搡老熟女中国老太| 国产日本在线视频| 一区二区精品天堂亚洲av | 亚洲天堂av在线免费看| 亚洲成熟女人毛毛耸耸多| 中文国产日韩欧美二视频| 亚洲一区二区三区精品网| 亚洲av日韩综合一区尤物| 国内精品久久久久久久97牛牛| 日本夜爽爽一区二区三区| 日韩最新av一区二区| 国产一区二区视频在线免费观看| 黑人巨大跨种族video| 亚洲AV无码专区国产H小说| 隔壁的日本人妻bd高清中字| 99久久亚洲精品日本无码| 狠狠噜天天噜日日噜| 极品少妇一区二区三区四区| 欧美性白人极品1819hd| 亲子乱aⅴ一区二区三区下载| 亚洲中文字幕无码不卡电影|