CN110927193A - 一种基于深度学习的煤质在线检测分析系统及方法 - Google Patents
一种基于深度学习的煤质在线检测分析系统及方法 Download PDFInfo
- Publication number
- CN110927193A CN110927193A CN201911008156.3A CN201911008156A CN110927193A CN 110927193 A CN110927193 A CN 110927193A CN 201911008156 A CN201911008156 A CN 201911008156A CN 110927193 A CN110927193 A CN 110927193A
- Authority
- CN
- China
- Prior art keywords
- coal
- detected
- detector
- deep learning
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
- G01N23/223—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material by irradiating the sample with X-rays or gamma-rays and by measuring X-ray fluorescence
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/07—Investigating materials by wave or particle radiation secondary emission
- G01N2223/076—X-ray fluorescence
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/10—Different kinds of radiation or particles
- G01N2223/101—Different kinds of radiation or particles electromagnetic radiation
- G01N2223/1016—X-ray
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/30—Accessories, mechanical or electrical features
- G01N2223/31—Accessories, mechanical or electrical features temperature control
- G01N2223/3103—Accessories, mechanical or electrical features temperature control cooling, cryostats
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明实施例提供一种基于深度学习的煤质在线检测分析系统及方法,该系统包括:探测器,控制器;所述探测器,用于在所述控制器的控制下向待检测煤炭发射X射线,并读取所述待检测煤炭激发出的特征荧光,得到所述待检测煤炭的实时能量谱;所述控制器,用于获取所述待检测煤炭的实时能量谱;获取待检测煤炭的实时能量谱;并对实时能量谱进行解谱,得到所述待检测煤炭的每个元素对应的含量值;获取所述待检测煤炭的实验室检测成分数据,将所述实验室检测成分数据与所述每个元素对应的含量值作为训练样本输入到深度学习样本进行训练,得到煤炭成分分析模型;利用所述煤炭成分分析模型对后续的待检测煤炭的成分进行分析,得到成分结果,耗费时间少,效率高。
Description
技术领域
本发明实施例涉及煤炭设备技术领域,具体涉及一种基于深度学习的煤质在线检测分析系统及方法。
背景技术
煤是主要的能源来源。随着工业的发展,全球对煤品质要求不断提高。高品质的煤对生产效率和环境污染问题有着重大的影响。所以在使用煤前,对煤的工业分析是必不可少的。传统的煤矿分析方法主要利用化学分析方法。虽然其精度较高,但该方法存在成本高、耗时长的缺点。
因此,如何提供一种煤炭成分分析检测方法,能够对煤炭的成分进行分析,耗费时间少,效率高,是本领域技术人员亟待解决的技术问题。
发明内容
为此,本发明实施例提供一种基于深度学习的煤质在线检测分析系统及方法,能够对煤炭的成分进行分析,耗费时间少,效率高。
为了实现上述目的,本发明实施例提供如下技术方案:
第一方面,本发明实施例提供一种基于深度学习的煤质在线检测分析系统,包括:探测器,控制器;
所述探测器,用于在所述控制器的控制下向待检测煤炭发射X射线,并读取所述待检测煤炭激发出的特征荧光,得到所述待检测煤炭的实时能量谱;
所述控制器,用于获取所述待检测煤炭的实时能量谱;获取待检测煤炭的实时能量谱;并对实时能量谱进行解谱,得到所述待检测煤炭的每个元素对应的含量值;获取所述待检测煤炭的实验室检测成分数据,将所述实验室检测成分数据与所述每个元素对应的含量值作为训练样本输入到深度学习样本进行训练,得到煤炭成分分析模型;所述实验室检测成分数据,包括:所述待检测煤炭的灰分、硫份、挥发分;利用所述煤炭成分分析模型对后续的待检测煤炭的成分进行分析,得到成分结果。
优选地,所述探测器,包括:具有空腔的外壳,设置于所述空腔内部的X射线管、X射线准直器与窗口、X射线探测器、探测器窗口、散热装置;
所述X射线管通过所述X射线准直器与窗口向待检测煤炭发射X射线;
所述X射线探测器通过所述探测器窗口读取所述待检测煤炭激发出的特征荧光,得到所述待检测煤炭的实时能量谱。
优选地,所述散热装置,包括:水冷散热装置、半导体制冷散热装置、风冷散热装置。
优选地,还包括:雪橇板;
所述探测器安装于所述雪橇板上方;所述雪橇板设置于运煤皮带的上方;所述雪橇板的翘起端朝向煤炭移动的反方向;
所述雪橇板与可调节固定臂的第一端铰接,所述可调节固定臂的第二端与龙门架铰接。
优选地,还包括:煤炭移动探测器,用于探测运煤皮带上是否有煤料运输;并将探测结果发送到所述控制器。
优选地,所述煤炭移动探测器为角度传感器;
所述角度传感器设置于所述雪橇板上,用于探测运煤皮带运行时,所述雪橇板的倾斜角度,并将所述倾斜角度传送到所述控制器。
优选地,所述控制器,还用于判断所述倾斜角度是否超过预设角度;如果所述倾斜角度超过预设角度,则启动煤炭成分实时检测的步骤。
优选地,还包括:温度控制系统,设置于所述探测器的散热装置;
所述温度控制系统,根据所述探测器内的实时温度控制所述散热装置对所述探测器内部进行散热冷却。
第二方面,本发明实施例提供一种基于深度学习的煤质在线检测分析方法,应用于如上述第一方面任一种所述的基于深度学习的煤质在线检测分析系统,包括:
获取待检测煤炭的实时能量谱;并对实时能量谱进行解谱,得到所述待检测煤炭的每个元素对应的含量值;
获取所述待检测煤炭的实验室检测成分数据,将所述实验室检测成分数据与所述每个元素对应的含量值作为训练样本输入到深度学习样本进行训练,得到煤炭成分分析模型;所述实验室检测成分数据,包括:所述待检测煤炭的灰分、硫份、挥发分;
利用所述煤炭成分分析模型对后续的待检测煤炭的成分进行分析,得到成分结果。
优选地,所述对实时能量谱进行解谱,得到所述待检测煤炭的每个元素对应的含量值,包括:
将谱数据按能量高低划分成n个能窗,利用仪器的响应系数aij,建立能窗计数率Ni与核素含量Yj的关系,j表示元素的下标,m为元素个数;
最小二乘法求解方程组,使得统计误差εi的平方和最小,使Yj取得最优值:
求解Y的数值,得到每个元素含量。
本发明实施例提供一种基于深度学习的煤质在线检测分析系统,包括:探测器,控制器;所述探测器,用于在所述控制器的控制下向待检测煤炭发射X射线,并读取所述待检测煤炭激发出的特征荧光,得到所述待检测煤炭的实时能量谱;所述控制器,用于获取所述待检测煤炭的实时能量谱;获取待检测煤炭的实时能量谱;并对实时能量谱进行解谱,得到所述待检测煤炭的每个元素对应的含量值;获取所述待检测煤炭的实验室检测成分数据,将所述实验室检测成分数据与所述每个元素对应的含量值作为训练样本输入到深度学习样本进行训练,得到煤炭成分分析模型;所述实验室检测成分数据,包括:所述待检测煤炭的灰分、硫份、挥发分;利用所述煤炭成分分析模型对后续的待检测煤炭的成分进行分析,得到成分结果,能够利用探测到实时能量谱进行元素分析,并且利用深度学习模型进行成分的分析,得到成分结果,能够对煤炭的成分进行分析,耗费时间少,效率高。
本发明实施例提供的一种基于深度学习的煤质在线检测分析方法,也具有上述的有益效果,在此不再一一赘述。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引申获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明实施例提供的一种基于深度学习的煤质在线检测分析系统的组成结构示意图;
图2为本发明实施例提供的一种基于深度学习的煤质在线检测分析系统的探测器示意图;
图3为本发明实施例提供的一种基于深度学习的煤质在线检测分析系统的雪橇板示意图;
图4为本发明实施例提供的一种基于深度学习的煤质在线检测分析系统的各部分交互示意图;
图5为本发明实施例提供的一种基于深度学习的煤质在线检测分析方法的流程图。
图6为本发明实施例提供的被测物能量谱的示意图;
图7为本发明实施例提供的深度学习示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参考图1、图2,图1为本发明实施例提供的一种基于深度学习的煤质在线检测分析系统的组成结构示意图;图2为本发明实施例提供的一种基于深度学习的煤质在线检测分析系统的探测器示意图;图3为本发明实施例提供的一种基于深度学习的煤质在线检测分析系统的雪橇板示意图;图4为本发明实施例提供的一种基于深度学习的煤质在线检测分析系统的各部分交互示意图。
本发明实施例提供一种基于深度学习的煤质在线检测分析系统100,包括:探测器110,控制器120;
所述探测器110,用于在所述控制器的控制下向待检测煤炭发射X射线,并读取所述待检测煤炭激发出的特征荧光,得到所述待检测煤炭的实时能量谱;
所述控制器120,用于获取所述待检测煤炭的实时能量谱;获取待检测煤炭的实时能量谱;并对实时能量谱进行解谱,得到所述待检测煤炭的每个元素对应的含量值;获取所述待检测煤炭的实验室检测成分数据,将所述实验室检测成分数据与所述每个元素对应的含量值作为训练样本输入到深度学习样本进行训练,得到煤炭成分分析模型;所述实验室检测成分数据,包括:所述待检测煤炭的灰分、硫份、挥发分;利用所述煤炭成分分析模型对后续的待检测煤炭的成分进行分析,得到成分结果。
进一步地,所述探测器110,包括:具有空腔的外壳1,设置于所述空腔内部的X射线管5、X射线准直器与窗口6、X射线探测器2、探测器窗口3、散热装置4;所述X射线管通过所述X射线准直器与窗口向待检测煤炭发射X射线;所述X射线探测器通过所述探测器窗口读取所述待检测煤炭激发出的特征荧光,得到所述待检测煤炭的实时能量谱。具体地,外壳为探测器盒子主体,由不锈钢构成,保证整个探测器盒子密封。X射线探测器2为低能X射线探测器;探测器窗口,为低密度材料制作而成;散热装置4,可为水冷散热装置,也可以为半导体制冷散热装置或其他散热装置。可以将散热装置设置为水冷散热装置、半导体制冷散热装置、风冷散热装置,当然,也可以使用其他的散热装置。
进一步地,为了防止运煤皮带运输的煤料不够平整,还可以在设置雪橇板130;所述探测器110安装于所述雪橇板130上方;所述雪橇板130设置于运煤皮带的上方;所述雪橇板130的翘起端朝向煤炭移动的反方向;所述雪橇板与可调节固定臂的第一端铰接,所述可调节固定臂的第二端与龙门架铰接。从而,雪橇板能够使得煤料上部相对较为整齐,避免碰到探测器。
更进一步地,还可以设置煤炭移动探测器140,用于探测运煤皮带上是否有煤料运输;并将探测结果发送到所述控制器120。从而可以方便控制器启动煤炭的成分检测程序。当然,也可以将煤炭移动探测器设置为角度传感器;所述角度传感器设置于所述雪橇板上,用于探测运煤皮带运行时,所述雪橇板的倾斜角度,并将所述倾斜角度传送到所述控制器120,控制器可以判断所述倾斜角度是否超过预设角度;如果所述倾斜角度超过预设角度,则启动煤炭成分实时检测的步骤。也就是说通过安装在探测器盒子附近的角度传感器,实时计算探测器盒子角度,如果有煤经过,探测器和雪橇板一起发生角度变化,当变化大于设定值的时候,我们认为有物料经过,并打开射线,开始整个测试。
另外,为确保探测器110内温度稳定,可以单独设计了温控系统与水冷装置,部分系统可以采用全封闭的半导体制冷方式对整个系统进行冷却;也可以时说设置温度控制系统150,设置于所述探测器的散热装置;所述温度控制系统,根据所述探测器内的实时温度控制所述散热装置对所述探测器内部进行散热冷却。
本发明实施例提供一种基于深度学习的煤质在线检测分析系统,能够利用探测到实时能量谱进行元素分析,并且利用深度学习模型进行成分的分析,得到成分结果,能够对煤炭的成分进行分析,耗费时间少,效率高。
请参考图5,图5为本发明实施例提供的一种基于深度学习的煤质在线检测分析方法的流程图。
本发明实施例提供一种基于深度学习的煤质在线检测分析方法,应用于如上述任一实施例所述的基于深度学习的煤质在线检测分析系统,包括:
步骤S51:获取待检测煤炭的实时能量谱;并对实时能量谱进行解谱,得到所述待检测煤炭的每个元素对应的含量值;
步骤S52:获取所述待检测煤炭的实验室检测成分数据,将所述实验室检测成分数据与所述每个元素对应的含量值作为训练样本输入到深度学习样本进行训练,得到煤炭成分分析模型;所述实验室检测成分数据,包括:所述待检测煤炭的灰分、硫份、挥发分;
步骤S53:利用所述煤炭成分分析模型对后续的待检测煤炭的成分进行分析,得到成分结果。
具体地,为了对实时能量谱进行解谱,得到所述待检测煤炭的每个元素对应的含量值,可以进行以下步骤:
将谱数据按能量高低划分成n个能窗,利用仪器的响应系数aij,建立能窗计数率Ni与核素含量Yj的关系,j表示元素的下标,m为元素个数;
最小二乘法求解方程组,使得统计误差εi的平方和最小,使Yj取得最优值:
求解Y的数值,得到每个元素含量。
请参考图6、图7,图6为本发明实施例提供的被测物能量谱的示意图;图7为本发明实施例提供的深度学习示意图。
在本发明实施例中,将谱数据按能量高低划分成n个能窗,利用仪器的响应系数aij,建立能窗计数率Ni与核素含量Yj的关系,j表示元素的下标,m为元素个数;
其中i=1,2,3,j=1,2,3;
最小二乘法求解方程组,使得统计误差εi的平方和最小,使Yj取得最优值:
即AY=N,求Y即可求得每个元素含量。
在解得每个元素含量后,我们会将其与实验室检测灰分等参数作为输入,训练我们的深度学习模型,从而根据实际采集的每一个能谱,对灰分、硫份、挥发分等相关不能直接检测的物理量。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (10)
1.一种基于深度学习的煤质在线检测分析系统,其特征在于,包括:探测器,控制器;
所述探测器,用于在所述控制器的控制下向待检测煤炭发射X射线,并读取所述待检测煤炭激发出的特征荧光,得到所述待检测煤炭的实时能量谱;
所述控制器,用于获取所述待检测煤炭的实时能量谱;获取待检测煤炭的实时能量谱;并对实时能量谱进行解谱,得到所述待检测煤炭的每个元素对应的含量值;获取所述待检测煤炭的实验室检测成分数据,将所述实验室检测成分数据与所述每个元素对应的含量值作为训练样本输入到深度学习样本进行训练,得到煤炭成分分析模型;所述实验室检测成分数据,包括:所述待检测煤炭的灰分、硫份、挥发分;利用所述煤炭成分分析模型对后续的待检测煤炭的成分进行分析,得到成分结果。
2.根据权利要求1所述的基于深度学习的煤质在线检测分析系统,其特征在于,
所述探测器,包括:具有空腔的外壳,设置于所述空腔内部的X射线管、X射线准直器与窗口、X射线探测器、探测器窗口、散热装置;
所述X射线管通过所述X射线准直器与窗口向待检测煤炭发射X射线;
所述X射线探测器通过所述探测器窗口读取所述待检测煤炭激发出的特征荧光,得到所述待检测煤炭的实时能量谱。
3.根据权利要求2所述的基于深度学习的煤质在线检测分析系统,其特征在于,
所述散热装置,包括:水冷散热装置、半导体制冷散热装置、风冷散热装置。
4.根据权利要求1所述的基于深度学习的煤质在线检测分析系统,其特征在于,还包括:雪橇板;
所述探测器安装于所述雪橇板上方;所述雪橇板设置于运煤皮带的上方;所述雪橇板的翘起端朝向煤炭移动的反方向;
所述雪橇板与可调节固定臂的第一端铰接,所述可调节固定臂的第二端与龙门架铰接。
5.根据权利要求4所述的基于深度学习的煤质在线检测分析系统,其特征在于,还包括:煤炭移动探测器,用于探测运煤皮带上是否有煤料运输;并将探测结果发送到所述控制器。
6.根据权利要求5所述的基于深度学习的煤质在线检测分析系统,其特征在于,所述煤炭移动探测器为角度传感器;
所述角度传感器设置于所述雪橇板上,用于探测运煤皮带运行时,所述雪橇板的倾斜角度,并将所述倾斜角度传送到所述控制器。
7.根据权利要求6所述的基于深度学习的煤质在线检测分析系统,其特征在于,
所述控制器,还用于判断所述倾斜角度是否超过预设角度;如果所述倾斜角度超过预设角度,则启动煤炭成分实时检测的步骤。
8.根据权利要求1至7任一项所述的基于深度学习的煤质在线检测分析系统,其特征在于,还包括:温度控制系统,设置于所述探测器的散热装置;
所述温度控制系统,根据所述探测器内的实时温度控制所述散热装置对所述探测器内部进行散热冷却。
9.一种基于深度学习的煤质在线检测分析方法,应用于如权利要求1至8任一项所述的基于深度学习的煤质在线检测分析系统,其特征在于,包括:
获取待检测煤炭的实时能量谱;并对实时能量谱进行解谱,得到所述待检测煤炭的每个元素对应的含量值;
获取所述待检测煤炭的实验室检测成分数据,将所述实验室检测成分数据与所述每个元素对应的含量值作为训练样本输入到深度学习样本进行训练,得到煤炭成分分析模型;所述实验室检测成分数据,包括:所述待检测煤炭的灰分、硫份、挥发分;
利用所述煤炭成分分析模型对后续的待检测煤炭的成分进行分析,得到成分结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911008156.3A CN110927193B (zh) | 2019-10-22 | 2019-10-22 | 一种基于深度学习的煤质在线检测分析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911008156.3A CN110927193B (zh) | 2019-10-22 | 2019-10-22 | 一种基于深度学习的煤质在线检测分析系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110927193A true CN110927193A (zh) | 2020-03-27 |
CN110927193B CN110927193B (zh) | 2022-03-25 |
Family
ID=69849423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911008156.3A Active CN110927193B (zh) | 2019-10-22 | 2019-10-22 | 一种基于深度学习的煤质在线检测分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110927193B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111855711A (zh) * | 2020-09-10 | 2020-10-30 | 天津美腾科技股份有限公司 | 块煤煤质检测方法及系统 |
CN114841272A (zh) * | 2022-05-09 | 2022-08-02 | 山西理工智联科技有限公司 | 一种基于x射线煤质多元素的配煤分类建模方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005046878A1 (de) * | 2005-09-29 | 2007-04-12 | Katz, Elisabeth | Vorrichtung und Verfahren zur Schnell- oder Online-Bestimmung der Komponenten eines Zwei- oder Mehrstoffsystems |
CN101509872A (zh) * | 2009-03-20 | 2009-08-19 | 清华大学 | 一种基于回归分析的煤质在线检测分析方法 |
CN101603929A (zh) * | 2009-07-16 | 2009-12-16 | 宋兆龙 | 输送带上煤炭成分实时检测装置 |
CN102095744A (zh) * | 2010-11-25 | 2011-06-15 | 贾文宝 | 一种三能煤炭灰分在线监测装置 |
CN102519993A (zh) * | 2011-12-31 | 2012-06-27 | 清华大学 | 一种反射式x射线煤炭灰分与发热量检测装置及检测方法 |
CN102607666A (zh) * | 2012-02-28 | 2012-07-25 | 天地(常州)自动化股份有限公司 | 堆煤传感器 |
CN104849292A (zh) * | 2015-06-10 | 2015-08-19 | 长沙敏衡测控科技有限公司 | 煤质快速分析装置 |
CN106018731A (zh) * | 2016-05-12 | 2016-10-12 | 华中科技大学 | 一种煤质挥发分、固定碳在线检测方法及系统 |
CN106153657A (zh) * | 2016-09-19 | 2016-11-23 | 长沙开元仪器股份有限公司 | 煤质在线检测装置及方法 |
CN107589093A (zh) * | 2017-09-08 | 2018-01-16 | 邓雷 | 一种基于回归分析的煤质在线检测分析方法 |
CN108046130A (zh) * | 2017-12-26 | 2018-05-18 | 杭州易管科技有限公司 | 一种集装箱吊箱智能控制方法及吊箱系统 |
CN108249141A (zh) * | 2017-12-29 | 2018-07-06 | 英特尔产品(成都)有限公司 | 物料添加系统 |
CN108254398A (zh) * | 2016-12-27 | 2018-07-06 | 天安友城(北京)信息科技有限公司 | 插入式煤质快速测量装置 |
CN108489912A (zh) * | 2018-05-11 | 2018-09-04 | 东北大学 | 一种基于煤炭光谱数据的煤炭成分分析方法 |
CN108519330A (zh) * | 2018-04-03 | 2018-09-11 | 北京英思创科技有限公司 | 煤质成分实时精准检测系统及方法 |
WO2018204901A2 (en) * | 2015-12-31 | 2018-11-08 | Fives Intralogistics Corp. | Vision based article typing and sorting system |
-
2019
- 2019-10-22 CN CN201911008156.3A patent/CN110927193B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005046878A1 (de) * | 2005-09-29 | 2007-04-12 | Katz, Elisabeth | Vorrichtung und Verfahren zur Schnell- oder Online-Bestimmung der Komponenten eines Zwei- oder Mehrstoffsystems |
CN101509872A (zh) * | 2009-03-20 | 2009-08-19 | 清华大学 | 一种基于回归分析的煤质在线检测分析方法 |
CN101603929A (zh) * | 2009-07-16 | 2009-12-16 | 宋兆龙 | 输送带上煤炭成分实时检测装置 |
CN102095744A (zh) * | 2010-11-25 | 2011-06-15 | 贾文宝 | 一种三能煤炭灰分在线监测装置 |
CN102519993A (zh) * | 2011-12-31 | 2012-06-27 | 清华大学 | 一种反射式x射线煤炭灰分与发热量检测装置及检测方法 |
CN102607666A (zh) * | 2012-02-28 | 2012-07-25 | 天地(常州)自动化股份有限公司 | 堆煤传感器 |
CN104849292A (zh) * | 2015-06-10 | 2015-08-19 | 长沙敏衡测控科技有限公司 | 煤质快速分析装置 |
WO2018204901A2 (en) * | 2015-12-31 | 2018-11-08 | Fives Intralogistics Corp. | Vision based article typing and sorting system |
CN106018731A (zh) * | 2016-05-12 | 2016-10-12 | 华中科技大学 | 一种煤质挥发分、固定碳在线检测方法及系统 |
CN106153657A (zh) * | 2016-09-19 | 2016-11-23 | 长沙开元仪器股份有限公司 | 煤质在线检测装置及方法 |
CN108254398A (zh) * | 2016-12-27 | 2018-07-06 | 天安友城(北京)信息科技有限公司 | 插入式煤质快速测量装置 |
CN107589093A (zh) * | 2017-09-08 | 2018-01-16 | 邓雷 | 一种基于回归分析的煤质在线检测分析方法 |
CN108046130A (zh) * | 2017-12-26 | 2018-05-18 | 杭州易管科技有限公司 | 一种集装箱吊箱智能控制方法及吊箱系统 |
CN108249141A (zh) * | 2017-12-29 | 2018-07-06 | 英特尔产品(成都)有限公司 | 物料添加系统 |
CN108519330A (zh) * | 2018-04-03 | 2018-09-11 | 北京英思创科技有限公司 | 煤质成分实时精准检测系统及方法 |
CN108489912A (zh) * | 2018-05-11 | 2018-09-04 | 东北大学 | 一种基于煤炭光谱数据的煤炭成分分析方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111855711A (zh) * | 2020-09-10 | 2020-10-30 | 天津美腾科技股份有限公司 | 块煤煤质检测方法及系统 |
CN114841272A (zh) * | 2022-05-09 | 2022-08-02 | 山西理工智联科技有限公司 | 一种基于x射线煤质多元素的配煤分类建模方法 |
CN114841272B (zh) * | 2022-05-09 | 2024-05-14 | 山西理工智联科技有限公司 | 一种基于x射线煤质多元素的配煤分类建模方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110927193B (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5721759A (en) | Method and equipment for determining the content of an element | |
RU2499252C2 (ru) | Устройство и способ для рентгеновского флуоресцентного анализа образца минерала | |
CN110927193B (zh) | 一种基于深度学习的煤质在线检测分析系统及方法 | |
CN101949852B (zh) | 一种基于光谱标准化的煤质在线检测方法 | |
CN101509872B (zh) | 一种基于回归分析的煤质在线检测分析方法 | |
US7006919B2 (en) | Real time continuous elemental measurement of bulk material | |
CN108693204A (zh) | 一种钾盐成分在线检测装置 | |
KR101710090B1 (ko) | Uv-led 광원기반의 휴대용 형광 측정 장치 및 uv-led 광원을 이용한 형광 측정 방법 | |
US11953455B1 (en) | Ore component analysis device and method | |
CN103293175A (zh) | 测定液体水玻璃化学成分的方法 | |
CN108680592B (zh) | 一种钾盐成分在线检测方法 | |
CN103196935A (zh) | 台架实验1ap中铀钚在线测量装置 | |
Baettig et al. | Measuring moisture content profiles in a board during drying: a polychromatic X-ray system interfaced with a vacuum/pressure laboratory kiln | |
Zelinger et al. | Laser photoacoustic spectrometry and its application for simulation of air pollution in a wind tunnel | |
CN110887794A (zh) | 一种二维大气痕量气体廓线测量系统 | |
CN207798674U (zh) | 用于漫反射光在农产品中辐射深度的测量系统 | |
CN115763616A (zh) | X射线探测器、在线矿石成分分析设备及方法 | |
CN208366879U (zh) | 一种钾盐成分在线检测装置 | |
CN114324171B (zh) | 一种全自动精浆分析仪的测定方法 | |
CN213986181U (zh) | 一种用于汽油检测的具有数值对比功能的红外光谱仪 | |
CN207104512U (zh) | 一种光栅精密检测设备以及机床 | |
RU2305276C2 (ru) | Измерение содержания влаги в контейнерах с оксидом плутония | |
Khusainov et al. | Portable γ-and X-ray analyzers based on CdTe p–i–n detectors | |
CN205719958U (zh) | 一种红外成像水污染监测系统 | |
Yao et al. | The influence of soil particle sizes on hyperspectral prediction of soil organic matter content |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |