向 陽，王世博，葛世榮，王賽亞，周 悅，呂淵博，楊 恩

中國礦業(yè)大學(xué)機(jī)電工程學(xué)院，江蘇 徐州 221116

引 言

近紅外光譜作為一種價格低廉、實時、信噪比高、非破環(huán)性的光譜分析技術(shù)，已經(jīng)在煤質(zhì)分析檢測和煤巖分類[1]等方面得到了應(yīng)用，其中，聚類分析在近紅外光譜識別分類中應(yīng)用廣泛，國內(nèi)外學(xué)者對煤巖聚類進(jìn)行了許多的研究。楊恩[2]等基于煤巖的灰分產(chǎn)率，建立了支持向量煤巖灰分回歸(SVR)以及向量煤巖分類(SVC)模型對煤巖進(jìn)行遠(yuǎn)距離識別實驗，該模型具有較高的識別準(zhǔn)確率。

上述文獻(xiàn)報道以遙感的思路對煤巖光譜進(jìn)行遠(yuǎn)距離的灰分產(chǎn)率預(yù)測，未考慮到空氣中的粉塵對光譜曲線的影響，在煤礦采掘現(xiàn)場中，粉塵濃度較大，刮板運(yùn)輸機(jī)上的煤流速度很快，但目前還未見針對高粉塵，高運(yùn)載速度現(xiàn)場的近紅外光譜研究，導(dǎo)致識別的算法，識別的模型大多不適應(yīng)采掘現(xiàn)場。所以，為了對井下實驗提供參考，以典型原位煤巖為實驗樣本，在粉塵環(huán)境下分析樣本近紅外光譜特征以及基于標(biāo)準(zhǔn)樣本庫建立了兩種煤巖快速識別模型。

1 實驗部分

1.1 裝置

圖1為粉塵環(huán)境下近紅外光譜采集裝置。采用內(nèi)部空間為1 500 mm×500 mm×600 mm密封箱形成密閉粉塵環(huán)境，根據(jù)設(shè)定的粉塵濃度投入定量粉塵顆粒。采用SL-DC05型無極變速鼓風(fēng)機(jī)使粉塵處于分布均勻的懸浮狀態(tài)。煤巖樣品和光源分別位于密封箱兩側(cè)，距離為150 cm。為減小氣溶膠消光系數(shù)對光源的影響，使用驚鴻2 000 W透射式影視聚光燈作為光源，用林上科技的LS122A紅外輻射計測量光源輻射能量。使用荷蘭AvaSpec-NIR512近紅外光纖光譜儀進(jìn)行數(shù)據(jù)采集，設(shè)置光譜范圍為1 000～2 500 nm，采集間隔為3 nm；使用直徑為3.5 cm的準(zhǔn)直鏡為信號的采集裝置，準(zhǔn)直鏡連接Y形光纖，一端連接光譜儀，另一端接入650 nm激光光源作為指示光源，以便于能對準(zhǔn)待測樣本，為避免粉塵對準(zhǔn)直鏡的污染，在準(zhǔn)直鏡鏡頭處加裝JGS3石英玻璃，把準(zhǔn)直鏡固定于密封箱體上，準(zhǔn)直鏡的鏡頭直徑為2.5 cm，視場角為0.1°，準(zhǔn)直鏡與樣本的探測距離保持150 cm，所以光譜儀在樣本上的探測區(qū)域的直徑為2.76 cm，面積大約為6 cm2。在每組實驗前用15 cm×15 cm材料為PTFE的標(biāo)準(zhǔn)白板在150 cm箱體內(nèi)對光源進(jìn)行白校正。

圖1 粉塵-近紅外光譜實驗裝置Fig.1 Dust-near infrared spectroscopy experimental device

1.2 粉塵環(huán)境的設(shè)置

文獻(xiàn)[3]通過對比爾定律變形，得到了濃度c(單位mg·m-3)、吸收物質(zhì)的厚度L(單位為m)；消光系數(shù)k、I和I0分別為出射光光強(qiáng)和入射光光強(qiáng)(單位為mW·cm-2)；參量之間的關(guān)系式

I=I0e-kcL

(1)

同時還指出粉塵的消光系數(shù)與粉塵的密度、粉塵的中粒徑成反比關(guān)系

(2)

式(2)中，α為實驗常數(shù)，由實驗獲得；ρ為粉塵密度；d50為粉塵中粒徑。由上述兩式可知在粉塵密度ρ、吸收物質(zhì)的厚度L和中粒徑d50一定的情況下，粉塵濃度越大，試樣所反射的光強(qiáng)I0被粉塵吸收的越大，為了保證準(zhǔn)直鏡所接收到的反射光強(qiáng)I只受到粉塵消光系數(shù)的單次影響，在加入粉塵后，用鼓風(fēng)機(jī)吹拂粉塵2 min，使箱體內(nèi)粉塵濃度均勻，用紅外輻射計從鼓風(fēng)機(jī)風(fēng)道處測試光源強(qiáng)度，通過調(diào)整光源的發(fā)光強(qiáng)度，保證測到的輻照度約為1 200 W·m-2，光照度約為20 000 Lux。

根據(jù)文獻(xiàn)[4]對綜采工作面粉塵濃度的測定，綜采工作面的全塵的濃度和粒度為300～600 mg·m-3，中粒徑為22.23 μm。在沒有降塵措施的情況下，井下粉塵的濃度可達(dá)3 000 mg·m-3。為模擬煤礦綜采工作面環(huán)境粉塵情況，設(shè)置粉塵濃度分別為600，1 000，1 500和3 000 mg·m-3。通過控制注入密封箱體內(nèi)的粉塵質(zhì)量實現(xiàn)粉塵濃度設(shè)置，顆粒質(zhì)量與粉塵濃度的計算式為

(3)

式(3)中，M為注入粉塵的質(zhì)量，單位g；V為箱體體積，單位m3；c為粉塵的濃度，單位mg·m-3。試驗裝置密閉箱體的體積為0.48 m3，由式(3)獲得不同粉塵濃度下粉塵注入量，列于表1。

表1 實驗粉塵注入量Table 1 Experimental dust injection

由于該實驗中采用了大功率鹵素?zé)魜肀３謱嶒灥墓廨椪斩?，為保證煤粉不發(fā)生燃爆，選用揮發(fā)分質(zhì)量最低的無煙煤煤粉和抑爆劑堿式碳酸鎂按9∶1混合作為實驗粉塵[5]。為保證實驗用粉塵符合實驗要求，把實驗用粉塵通過800目標(biāo)準(zhǔn)篩，保證實驗粉塵的中粒徑在22 μm以下。

1.3 煤巖樣本

從全國各地收集了常見的無煙煤、煙煤、褐煤三個大類的12個典型煤樣以及常見的頁巖、砂巖、灰?guī)r三大類沉積巖的11種典型煤系巖樣，為了保證實驗更接近于采掘現(xiàn)場，實驗樣本采用現(xiàn)場原位樣本，并用密封袋保存，各個樣本的編號、類別、來源如表2所示。

表2 實驗樣本表Table 2 Experimental samples table

2 結(jié)果與討論

2.1 標(biāo)準(zhǔn)光譜數(shù)據(jù)庫的建立

從近紅外反射光譜可以分析了解在晶體場作用下由于離子能級的躍遷引起的吸收特征變化，而這些吸收谷含有豐富的物質(zhì)成分信息，是物質(zhì)鑒別的關(guān)鍵所在。

由圖2可知，典型煤系巖石主要在1 400，1 900和2 200 nm出現(xiàn)特征吸收谷，其中，1 400 nm波長的吸收谷主要是由礦物中結(jié)構(gòu)水的OH-引起的，1 900 nm波長處的吸收谷主要是由石英包體水(乳石英)和樣本的吸附水引起的，2 200 nm波長處的吸收谷主要是由鈉長石、高嶺石中Al—OH引起的；由于典型高煤階煤樣無煙煤、煙煤含有大量的不透明碳質(zhì)物質(zhì)，這些不透明碳質(zhì)物質(zhì)遮蔽結(jié)構(gòu)水、石英包體水、Al—OH在1 400，1 900和2 200 nm波長處的吸收谷特征，所以高階煤煤樣在全近紅外波段上無明顯的吸收特征，而低階煤褐煤中，由于灰分產(chǎn)率最高，其性狀接近矸石，所以在褐煤類樣本中出現(xiàn)了明顯的吸收特征[6]。

從試樣表23個試樣中從每個樣本類型中隨機(jī)取出1個樣本作為測試試樣，其中煤樣3個，巖樣3個，把23個試樣的光譜曲線作為標(biāo)準(zhǔn)光譜數(shù)據(jù)庫。

2.2 粉塵環(huán)境下的煤巖光譜

把表2中的樣本分別在前述粉塵濃度下進(jìn)行近紅外光譜的采集，通過圖3和圖4對比可知，粉塵的加入導(dǎo)致波長1 000～1 200 nm與波長2 400～2 500 nm的光譜出現(xiàn)異常波動，光譜信噪比降低，其產(chǎn)生的原因為鹵鎢光源的輻照度曲線為凸型，其最大輻照度所處的波長為1 400 nm，所以前述兩波段的光能量較小，受粉塵消光系數(shù)影響大，使得光譜信噪比降低。

圖2 23個煤巖試樣的光譜曲線(a)：11個典型煤系巖石試樣光譜曲線；(b)：12個典型煤試樣光譜曲線Fig.2 Spectra of 23 coal and rock samples(a)：11 typical coal measures samples (b)：12 typical coal samples

由圖3可知，在煤樣本中，煤的反射率偏低，由于樣本2無煙煤2號與樣本10氣煤為高階煤，灰分產(chǎn)率較低，其基質(zhì)(主要是C，H和O元素組成的有機(jī)物)和固定碳含量較多，試樣中含有的不透明碳質(zhì)物質(zhì)較多，所以光譜較為平滑沒有明顯的吸收谷，其光譜反射率較小并趨于水平；由于樣本12褐煤2號為低階煤，灰分產(chǎn)率較高，試樣中的不透明物質(zhì)較低，所以石英胞體水的振動以及有機(jī)物分子團(tuán)的振動在1 900和2 300 nm附近有明顯的吸收谷，由于粉塵主要物質(zhì)為無煙煤，隨著粉塵濃度的增加，無煙煤中不透明物質(zhì)增多，遮蔽作用使得褐煤2號特征吸收谷減弱。

圖3 典型煤樣本不同粉塵濃度的近紅外光譜(a)：樣本2無煙煤2號；(b)：樣本10氣煤；(c)樣本12褐煤2號Fig.3 Near-infrared spectroscopy of different dust concentrations in typical coal samples(a)：Sample 2, anthracite No.2；(b): Sample 10, gas coal；(c): Sample 12, lignite coal

圖4 典型煤系巖石樣本不同粉塵濃度的近紅外光譜(a)：樣本17砂質(zhì)頁巖2號；(b)：樣本20粉砂巖1號；(c)：樣本23泥質(zhì)灰?guī)r2號Fig.4 Near-infrared spectra of different dust concentrations in typical rock samples(a)：Sample 17, sandy shale No.2；(b): Sample 20, siltstone No.1；(c): Sample 23, argillaceous limestone No.2

綜上，隨著粉塵濃度的增加，粉塵中的無煙煤的不透明物質(zhì)含量增加，使得實驗樣本的特征吸收谷減弱。

為了評價不同濃度的粉塵對光譜的影響，對所選取的實驗樣本按不同的粉塵濃度的數(shù)據(jù)與該樣本的標(biāo)準(zhǔn)樣本庫數(shù)據(jù)進(jìn)行相似系數(shù)的求解，相似系數(shù)越大說明粉塵對煤巖近紅外反射光譜曲線的影響越小。光譜相似系數(shù)通常用光譜角度匹配

(1)光譜角度匹配(SAM)

(1)

式(1)中，xik表示實驗樣本中第i個樣本的第k個波長的反射率；yik為第i個樣本的第k個波長在標(biāo)準(zhǔn)樣本庫中的樣本數(shù)據(jù)；cosθ是實驗樣本數(shù)據(jù)與標(biāo)準(zhǔn)樣本庫數(shù)據(jù)廣義夾角余弦，cosθ越大光譜數(shù)據(jù)的相似程度越大。

圖5為實驗樣本在不同濃度下所采集的近紅外反射光譜數(shù)據(jù)與標(biāo)準(zhǔn)樣本庫數(shù)據(jù)的夾角余弦，由圖5可知，煤樣本和巖樣本在不同粉塵濃度下所采集的曲線和標(biāo)準(zhǔn)光譜庫中的曲線的余弦夾角均處于0.9以上，有著較大的匹配度；其中，煤類樣本中，褐煤類樣本12和褐煤2號的光譜曲線對粉塵濃度的變化較為敏感，由于樣本12在粉塵濃度3 000 mg·m-3下新增了一個波長為2 200 nm較大的吸收谷，導(dǎo)致光譜匹配度下降；其余樣本在各個粉塵濃度下沒有出現(xiàn)新的較大吸收谷，所以測試樣本與樣本庫中樣本的余弦夾角值接近1，其光譜曲線高度匹配。

圖5 實驗樣本與標(biāo)準(zhǔn)樣本庫的夾角余弦Fig.5 Angle cosine between experimental samples and standard samples

(2)皮爾遜相關(guān)系數(shù)

(2)

圖6為實驗樣本在不同濃度的條件下所采集的近紅外光譜數(shù)據(jù)與標(biāo)準(zhǔn)樣本庫數(shù)據(jù)的皮爾遜相關(guān)系數(shù)。對比圖5、圖6可看出，相比于光譜角度匹配法(SAM)來說，由于該算法與光譜數(shù)據(jù)中的均值有關(guān)，所以不僅新增較大的吸收谷對相關(guān)系數(shù)結(jié)果有影響，而且不同濃度下反射率的變化結(jié)果也較為敏感。煤類樣本中，由于無煙煤類樣本2號為高階煤樣，反射率最低，所以在粉塵加入后使得光譜曲線在2 200 nm劇烈震蕩，導(dǎo)致相關(guān)系數(shù)降低；煙煤類樣本10的反射率變化較低，且無明顯吸收谷的產(chǎn)生，所有相關(guān)系數(shù)均保持在0.7以上，濃度對其影響較??；褐煤類樣本12和褐煤2號由于反射率的變化較大，光譜曲線的斜率由負(fù)變?yōu)榱苏?，所以?dǎo)致相關(guān)系數(shù)偏低；巖類樣本中，除灰?guī)r類樣本23在600 mg·m-3相關(guān)系數(shù)為0.4外，由于樣本為灰白色，反射率較高，信噪比比煤類樣本高，所以均有著相比煤類樣本有著較大的相關(guān)系數(shù)；通過計算各個實驗樣本的平均相關(guān)系數(shù)，各個樣本濃度的平均相關(guān)系數(shù)為 0.72。

圖6 實驗樣本與標(biāo)準(zhǔn)樣本庫的相關(guān)系數(shù)Fig.6 Correlation between experimental samples and standard samples

2.3 試樣光譜曲線的處理

由于光譜采集過程受儀器性能和粉塵的影響，導(dǎo)致大部分試樣的光譜在1 000～1 200和2 400～2 500 nm出現(xiàn)極大的噪聲，為提高數(shù)據(jù)的信噪比，舍去各個濃度的樣本1 000～1 200和2 400～2 500 nm的光譜數(shù)據(jù)并進(jìn)行光譜預(yù)處理。

采用Savitzky-Golay平滑算法對數(shù)據(jù)進(jìn)行去噪平滑。Savitzky-Golay卷積平滑算法具體如式(3)

(3)

為了校正因光譜散射引起的光譜差異，消除基線漂移，使用SNV算法對光譜數(shù)據(jù)庫進(jìn)行進(jìn)一步處理，SNV算法為

(4)

(5)

式中Xi，λ為第i個樣本在k個波長點(diǎn)的光譜吸光度；m為光譜的維數(shù)；Xi, SNV為經(jīng)校正后的光譜吸光度如圖7所示。

圖7 SG+SNV處理后的標(biāo)準(zhǔn)光譜庫(a)：典型煤系巖石樣本數(shù)據(jù)庫；(b)：典型煤樣本數(shù)據(jù)庫Fig.7 Processed standard spectral database by SG+SNV(a)：Typical coal measures samples;(b)：Typical coal samples

采用SG去噪和SNV預(yù)處理后的各個濃度的典型煤巖樣本數(shù)據(jù)和經(jīng)同樣算法處理后的標(biāo)準(zhǔn)樣本庫進(jìn)行SAM光譜角度匹配及皮爾遜相關(guān)系數(shù)的求解，如圖8所示，其中由于SAM光譜角度在未經(jīng)預(yù)處理就有極高的光譜匹配度，所以在經(jīng)過SG+SNV預(yù)處理后，各個粉塵濃度下的典型煤巖光譜曲線與標(biāo)準(zhǔn)光譜數(shù)據(jù)庫匹配程度變化不大，除17號樣本外匹配度均在0.9以上，17號樣本砂質(zhì)頁巖預(yù)處理后出現(xiàn)異常降低，可能是因為17號樣本的光譜數(shù)據(jù)特征吸收谷吸收較低，經(jīng)去噪處理后吸收谷消失；對比圖6與圖9可知，樣本12褐煤2號相關(guān)性較低，主要原因為樣本12的信號強(qiáng)度在是所有信號里最低的[由圖2(b)圖7(b)可知]，經(jīng)SNV算法后，光譜曲線產(chǎn)生較大偏差，所以只采用經(jīng)過SG預(yù)處理算法的樣本12實驗光譜曲線與標(biāo)準(zhǔn)光譜曲線進(jìn)行相關(guān)系數(shù)的計算，在600，1 000，1 500和3 000 mg·m-3粉塵環(huán)境下的相關(guān)系數(shù)分別為：0.492，0.837 7，0.605 9和0.157 6每個粉塵濃度的相關(guān)系數(shù)相比于未經(jīng)預(yù)處理的均有上漲；除樣本12以外，其余所有樣本和標(biāo)準(zhǔn)樣本庫的樣本經(jīng)SG+SNV預(yù)處理后光譜相關(guān)系數(shù)都顯著增加，平均相關(guān)系數(shù)為0.78，平均提升0.13，樣本2無煙煤2號樣本相關(guān)系數(shù)提升76.3%。

圖8 實驗樣本與標(biāo)準(zhǔn)樣本庫的夾角余弦Fig.8 Angle cosine between experiment samples and standard samples

圖9 實驗樣本與標(biāo)準(zhǔn)樣本庫的相關(guān)系數(shù)Fig.9 Correlation coefficient between experimental samples and standard samples

2.4 不同濃度試樣光譜曲線的聚類分析

以光譜角度匹配(SAM)和皮爾遜相關(guān)系數(shù)算法為基礎(chǔ)，對不同濃度條件下的實驗樣本進(jìn)行聚類分析。根據(jù)前述23個煤巖樣本的煤巖特征，把樣本庫分為煤樣12個，巖樣11個，二值化煤巖樣本，把煤樣本設(shè)為“0”，巖樣本設(shè)為“1”；選擇SG+SNV預(yù)處理后的樣本數(shù)據(jù)庫為標(biāo)準(zhǔn)數(shù)據(jù)庫，并把數(shù)據(jù)庫中的樣本以實樣樣本的方式進(jìn)行二值化處理，取前述隨機(jī)選取的不同濃度的實驗樣本作為煤巖類型的測試樣本，并對其進(jìn)行實驗編號如表3所示。

表3 煤巖聚類分析樣本表Table 3 Sample table for coal rock cluster analysis

分別計算各個不同濃度的實驗樣本的光譜數(shù)據(jù)與每個標(biāo)準(zhǔn)樣本庫數(shù)據(jù)的余弦夾角與相關(guān)系數(shù)，對標(biāo)準(zhǔn)樣本庫的遍歷，把實驗樣本數(shù)據(jù)與標(biāo)準(zhǔn)樣本庫數(shù)據(jù)的余弦夾角和相關(guān)系數(shù)大小最大的歸為同一類進(jìn)行定性分析，兩種識別模型的識別結(jié)果如圖10所示。

圖10 兩種識別模型對實驗樣本的煤巖識別結(jié)果(a)：光譜角度匹配SAM；(b)：皮爾遜相關(guān)系數(shù)Fig.10 Coal and rock identification results of experimental samples by two recognition models(a)：Spectral angle matching (SAM)；(b)：Pearson correlation coefficient

由圖9和10(b)可知，樣本2在1 000及3 000 mg·m-3粉塵條件和具有高相關(guān)系數(shù)情況下均出現(xiàn)了錯誤識別，其主要的原因為：皮爾遜相關(guān)系數(shù)對波形相似、特別是縱坐標(biāo)相差很小的兩個樣本曲線會出現(xiàn)較大誤差，由于樣本14黑色頁巖含碳量較高，樣本2在經(jīng)過SG+SNV預(yù)處理后其波形與數(shù)據(jù)庫中的樣本14黑色頁巖1號相近，通過相關(guān)系數(shù)算法識別模型求解導(dǎo)致實驗樣本的錯誤識別。

采用識別時間(T)以及識別精度(P)對兩種識別模型進(jìn)行評價。光譜角度匹配SAM和皮爾遜相關(guān)系數(shù)對24個測試樣本的煤巖類型判定時間(T)為Matlab識別程序運(yùn)行時間，識別精度(P)的計算方法如式(6)

(6)

式(6)中，N為測試樣本的樣本類型被正確識別的個數(shù)，P為識別算法的識別精度。

由表4可知，兩種不同識別算法識別精度均達(dá)到87%以上，相比于皮爾遜相關(guān)系數(shù)，光譜角度匹配有著更高的識別效率和識別準(zhǔn)確度，所以光譜角度匹配SAM的方法對不同濃度的試樣的煤巖定性識別更為精確。

表4 兩種識別模型的煤巖識別結(jié)果Table 4 Coal and rock identification results of two models

3 結(jié) 論

(1)粉塵的加入使樣本在近紅外波段1 000～1 200和2 400～2 500 nm的光譜數(shù)據(jù)信噪比降低；隨著粉塵濃度的增加，粉塵中的無煙煤的不透明物質(zhì)使得實驗樣本中的特征吸收谷減弱。

(2)光譜角度匹配法(SAM)在預(yù)處理前后均具有極高的光譜匹配度，除砂質(zhì)頁巖2號在粉塵濃度為1 500 mg·m-3的光譜匹配度為0.7外，其他所有樣本的光譜匹配度在0.9以上；相關(guān)系數(shù)經(jīng)預(yù)處理有顯著提升，預(yù)處理前的平均相關(guān)系數(shù)為0.72，預(yù)處理后的平均相關(guān)系數(shù)為0.78；除褐煤2號外，所有的樣本光譜相關(guān)系數(shù)平均提升0.13，無煙煤2號樣本各個濃度平均相關(guān)系數(shù)提升76.3%，褐煤2號的光譜相關(guān)系數(shù)經(jīng)光譜預(yù)處理降低。

(3)光譜角度匹配法(SAM)在粉塵環(huán)境中對典型煤巖樣本的定性分析效果比皮爾遜相關(guān)系數(shù)法好。光譜角度匹配法(SAM)煤巖識別精度為100%，識別時間為8 ms，皮爾遜相關(guān)系數(shù)煤巖識別精度為87.5%，識別時間為852 ms。