CN112525879B - 一种煤岩显微组分原位识别与快速定量的方法 - Google Patents
一种煤岩显微组分原位识别与快速定量的方法 Download PDFInfo
- Publication number
- CN112525879B CN112525879B CN202011275896.6A CN202011275896A CN112525879B CN 112525879 B CN112525879 B CN 112525879B CN 202011275896 A CN202011275896 A CN 202011275896A CN 112525879 B CN112525879 B CN 112525879B
- Authority
- CN
- China
- Prior art keywords
- coal
- components
- microscopic
- micro
- raman
- 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.)
- Active
Links
- 239000003245 coal Substances 0.000 title claims abstract description 163
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000011435 rock Substances 0.000 title claims abstract description 47
- 238000011065 in-situ storage Methods 0.000 title claims abstract description 22
- 238000011002 quantification Methods 0.000 title claims abstract description 20
- 238000001237 Raman spectrum Methods 0.000 claims abstract description 46
- 238000004458 analytical method Methods 0.000 claims abstract description 46
- 238000001069 Raman spectroscopy Methods 0.000 claims abstract description 37
- 238000010586 diagram Methods 0.000 claims abstract description 27
- 238000012360 testing method Methods 0.000 claims abstract description 20
- 239000012458 free base Substances 0.000 claims abstract description 4
- 239000003086 colorant Substances 0.000 claims abstract description 3
- 239000004079 vitrinite Substances 0.000 claims description 19
- 229920002101 Chitin Polymers 0.000 claims description 17
- 238000007621 cluster analysis Methods 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims description 15
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 6
- 239000011707 mineral Substances 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 5
- 238000002310 reflectometry Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 239000002245 particle Substances 0.000 claims description 2
- 238000005498 polishing Methods 0.000 claims description 2
- 238000000926 separation method Methods 0.000 claims description 2
- 239000000463 material Substances 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 7
- 238000002474 experimental method Methods 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 abstract description 4
- 238000003672 processing method Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004445 quantitative analysis Methods 0.000 description 5
- 238000005286 illumination Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000001530 Raman microscopy Methods 0.000 description 1
- 239000013543 active substance Substances 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 239000002585 base Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- XTQHKBHJIVJGKJ-UHFFFAOYSA-N sulfur monoxide Chemical class S=O XTQHKBHJIVJGKJ-UHFFFAOYSA-N 0.000 description 1
- 229910052815 sulfur oxide Inorganic materials 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000003039 volatile agent Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
Landscapes
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physics & Mathematics (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)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种煤岩显微组分原位识别与快速定量的方法，首先选取多种不同煤阶标准煤进行工业分析、岩相分析和拉曼光谱面扫描，得到干燥无灰基挥发分含量Vdaf、显微组分类型测定结果及拉曼特征参数；选取若干拉曼特征参数进行聚类分析，根据聚类结果绘制热点图，将热点图与岩相分析结果对照，确定热点图不同颜色对应的显微组分类型；将拉曼特征参数与Vdaf建立对应关系，确定各煤阶不同显微组分拉曼特征参数所在的阈值区间，根据该区间建立显微组分原位识别准则；检测时，将待测煤进行工业分析和拉曼测试，利用上述准则即可识别显微组分，再根据热点图中每种颜色点的占比确定相应显微组分含量。本发明实验和数据处理方法简单，检测快速、准确。
Description
技术领域
本发明属于煤的清洁高效利用领域，涉及一种煤岩显微组分识别技术，具体涉及一种煤岩显微组分原位识别与快速定量的方法。
背景技术
“富煤、贫油、少气”的资源禀赋决定了我国以煤炭为主的能源消费结构。煤炭由于其自身结构特点，在利用过程中会带来一系列环境污染问题，如：氮氧化物、硫氧化物和颗粒物排放，以及温室气体效应等，因此，煤炭的清洁高效利用是我国可持续发展的重大需求。
煤是一个结构非均匀体，其化学结构的非均匀性对煤热转化特性影响显著。在显微煤岩学中，根据前体物质、经历的反应和光学性质差异可在微尺度下将煤分为壳质组、镜质组和惰质组三种主要的有机显微组分。不同有机显微组分的化学结构、热转化特性差异显著，有效定量煤的显微组分含量并揭示其分布与化学结构对指导煤的清洁高效利用具有重要意义。
现有的显微组分识别与定量大多采用国标数点法，该方法耗时费力，且易受人为主观因素影响。因此，找到一种能实现煤岩显微组分原位识别和快速准确定量的方法是具有重要意义的。
专利CN 108346147 A公开了一种煤岩显微组分快速自动精确识别技术方法，首先连续拍摄煤岩光片中均匀分布的各个位置的显微图片，针对高精度摄像机拍摄煤岩光片中单个显微图片中对应的各像素点进行转换，得到三个基础识别参数，将图像按像素分割为若干识别区域，并求取每一区域内各识别参数的平均值及标准偏差值，然后与真实煤岩显微组分类型进行对应，利用三种限制参数进行进一步取舍，进行汇总统计，计算出有效单元总数，重复步骤，依次计算煤岩光片上均匀分布的全部测区图片，最终进行汇总统计，计算出煤中活性物及惰性物含量。该方法基于视觉识别技术，识别过程中除了需要建立视觉识别数据库，识别过程中每次检测都需要对煤样拍摄显微图片，然后进行图像处理，检测过程复杂，检测原理基于图片像素点的RGB值判断，判断对象单一，对于相同样品，不同的光照环境都可能得到动机结果不一样，需要严格统一测试和映射模型建立的光照环境，因此实际应用效果并不好。
专利CN 111144186 A公开了一种用于对显微组分进行自动识别的方法及系统，其中方法包括：获取与待识别的目标对象相关联的经过初始化处理的图像数据，并确定所述图像数据所包括的像素点数量；生成所述图像数据的灰度直方图并确定所述图像数据的灰度直方图的多个极小值点；按照数据值的升序顺序对所述多个极小值点进行排序以生成极小值点序列；将多个极小值点中任意两个相邻的极小值点之间的区域确定为所述图像数据的待识别区域，从而获得多个待识别区域；确定所述图像数据的多个待识别区域中每个待识别区域的镜质组的含量、壳质组的含量以及惰质组的含量。该技术还是基于图像识别，图像识别最大的问题就是重复性不高，不同的曝光参数，不同的外部光照环境会造成较大结构误差，特别是外部光照环境，工业上很难保持一个稳定的环境，在实验室环境下能够获得比较稳定的分析结果，但是实际工业环境干扰多，重复性差，导致无法工业应用。
显微拉曼光谱面扫描技术是一种将自动检测平台与显微拉曼光谱仪结合，以设定的步长快速自动对煤二维平面进行光谱检测的技术，它可以在微尺度上实现样品二维平面化学结构原位快速分析。显微拉曼光谱面扫描技术可以在拉曼光谱仪内部进行，不受外界环境干扰，最重要的是分析速度快，对于分析的拉曼特征参数提取也快，结果稳定，克服了图像视觉分析存在较多干扰因素的缺点。本课题组早期专利CN106198488A公开了一种基于拉曼光谱分析的煤质快速检测方法，实现了利用拉曼光谱对煤质参数进行快速分析，分析速度快，准确性高，结果再现性好。但目前还没有将显微拉曼光谱面扫描技术用于原煤显微组分分析的技术，若将拉曼光谱面扫描技术与岩相分析结合，将拉曼分析快速准确不受干扰的特点与岩相分析慢但是结果准确的特点相结合，可以创造出一种准确性高，识别速度快的煤岩显微组分原位识别和定量分析技术。
发明内容
针对目前方法存在的不足之处，现提出一种基于显微拉曼光谱成像耦合聚类分析的煤岩显微组分识别与定量新方法。该方法无需复杂的制样、实验和数据处理过程，具有快速、准确、智能化识别与定量煤岩显微组分的特点。
为了解决上述技术问题，本发明采用具体技术方案如下：
1.一种煤岩显微组分原位识别与快速定量的方法，其特征在于，包括以下步骤：
步骤1、建立煤岩显微组分物理化学性质数据库，具体为：
1.1、选取多种不同煤阶的煤样，首先通过工业分析测得所有煤样的煤质参数；
1.2、参照国家标准制备不同煤样的镶样并抛光；
1.3、采用岩相分析仪对所有煤样进行分析，拍摄多个不同特征平面的显微图片，测量煤样每个特征平面内的随机反射率，并结合颜色、形态、荧光特性，确定各特征平面的煤岩显微组分种类；
1.4、针对每个煤种选取已确定煤岩显微组分的多个特征平面分别开展拉曼光谱面扫描测试，获得每个煤样多个已知显微组分的微尺度煤颗粒的拉曼光谱；
1.5、通过对获取的拉曼光谱进行分析计算，得到煤样的拉曼特征参数；
步骤2、煤岩显微组分原位快速判别准则，具体为：
2.1、首先针对每个煤样特征平面的拉曼特征参数进行聚类分析，采用聚类分析得到的分类结果绘制热点图；
2.2、比对1.3中煤样特征平面岩相分析结果与2.1中绘制热点图，确定热点图不同颜色的聚类分级区域对应的显微组分；
2.3、根据2.2中的对应关系，计算每种煤中不同显微组分的拉曼光谱特征参数的平均值，将每种煤的煤质参数和不同显微组分的拉曼光谱特征参数的平均值分别为横、纵坐标绘图；
2.4、根据2.3中绘制的图，结合不同显微组分的拉曼光谱特征参数的平均值随煤的煤质参数变化的分布特性，在不同显微组分的分界区域选取若干分散的点，拟合出一条分界曲线，该分界曲线能实现各显微组分数值点的完全分离；该分界曲线可作为判别不同显微组分的分界线，根据分界线确定了不同显微组分的阈值区间，并以此阈值区间作为煤岩显微组分的判别准则；
步骤3、煤岩显微组分的快速识别与定量，具体为：
3.1、对待测原煤进行工业分析，获取煤质参数；
3.2、通过步骤1、2的方法对待测原煤进行制样并开展多个特征平面拉曼光谱面扫描测试，计算待测原煤特征平面的拉曼光谱特征参数，然后采用聚类分析对特征平面多个点的拉曼光谱特征参数进行分类，根据聚类分析得到的分类结果绘制热点图，并计算每个分类的拉曼光谱特征参数平均值；
3.3、将步骤3.1获取的煤质参数和步骤3.2中所计算获得的拉曼光谱特征参数平均值作为横、纵坐标代入步骤2.3所绘制图中，确定待测原煤特征平面相应点所属类的拉曼光谱特征参数平均值归属的阈值区间，确定待测原煤特征平面的具体显微组分种类；
3.4、在识别显微组分的基础上，计算步骤3.2中每个特征平面的热点图内每种显微组分的点占比，将不同特征平面上相同的显微组分的点占比取平均值，即为该煤对应显微组分的含量。
进一步地，所述煤岩显微组分包括壳质组、镜质组、惰质组和其他组分，其他组分包括孔洞及矿物物质，孔洞及矿物物质对本发明拉曼光谱特征分析和岩相分析不造成干扰。
进一步地，步骤1中，选取若干拉曼特征参数进行聚类分析，采用层次聚类法得到每个拉曼测试点的分类结果，这里描述为等级，每个测试点都有一个对应的等级。
进一步地，进行聚类分析选取的拉曼特征参数为漂移系数α、V峰与D峰强度比IV/ID、V峰和G峰强度比IV/IG三个，其中，D峰、V峰和G峰分别是拉曼光谱上波数为1350cm-1、1480cm-1和1590cm-1处的特征峰，该处三个参数是本发明进行聚类分析最优的三个参数，实际上不限于这三个参数。
进一步地，所述漂移系数α的计算方法为：α＝(yB-yA)/(yD-yA)，其中，yA、yB和yD分别是拉曼光谱上波数为800cm-1、1800cm-1和D峰对应的峰高。
进一步地，定义综合指标K＝k1α+k2(IV/ID)+k3(IV/IG)，其中，k1、k2和k3为成分得分系数；步骤2.3中采用煤质参数为横坐标，综合指标K的平均值为纵坐标绘图，在壳质组和镜质组之间的分界区域取若干分散的点，采用最小二乘法拟合出一条分界曲线一K1＝a1M2+b1M+c1作为壳质组和镜质组的分界线，M为煤质参数，a1、b1为该多项式的系数，c1为该多项式的常数，通过最小二乘法曲线拟合得到；
在镜质组与惰质组之间的分界区域取若干分散的点，采用最小二乘法拟合出一条分界曲线二K2＝a2M2+b2M+c2作为镜质组与惰质组的分界线，a2、b2为该多项式的系数，c2为该多项式的常数，通过最小二乘法曲线拟合得到；
通过分界曲线一和分界曲线二确定不同显微组分的阈值区间，对应的在步骤3中对待测原煤进行拉曼光谱面扫描测试后，计算得到综合指标K，根据待测原煤的煤质参数和综合指标K实现该原煤的显微组分识别和定量分析。
进一步地，步骤3中，将待测原煤的煤质参数代入分界曲线一中即可获取综合指标的第一个阈值K1，将待测原煤的煤质参数代入分界曲线二中即可获取综合指标的第二个阈值K2，步骤3.2中，判断每个分类的显微组分类别方法如下：
当该类综合指标K平均值满足K>K1时，该类为壳质组；
当该类综合指标K平均值满足K1<K<K2时，该类为镜质组；
当该类综合指标K平均值满足K>K2时，该类为惰质组。
进一步地，综合指标K定义中的系数，k1、k2和k3一种优选组合为通过主成分分析确定。
进一步地，综合指标K定义中的系数k1、k2和k3另一种优选组合为1,0,0，此时K＝α。
进一步地，煤质参数M可以为煤的干燥无灰基挥发分Vdaf。
进一步地，所述步骤1中，岩相分析和拉曼光谱测试选择相同的样品区域。
综上所述，采用上述方法实现煤岩显微组分原位识别与定量，实现的有益效果是：
本发明首先通过现有技术中的岩相分析技术确定标准煤样的显微组分，利用拉曼光谱面扫描技术并对所获光谱进行分析计算得到标准煤样的拉曼特征参数，通过对拉曼特征参数进行聚类分析绘制热点图，将热点图与岩相分析结果对应，确定显微组分种类，然后将标准煤的煤质参数与各显微组分的的拉曼特征参数平均值分别为横、纵坐标绘制二维图，确定不同显微组分的阈值区间，对待测原煤只需要进行工业分析和拉曼光谱面扫描，通过聚类分析得到的每个类别的拉曼特征参数平均值即可反推出该类属于何种显微组分，然后计算所有热点图中该类点的数量和占比，取平均值即可确定每种显微组分的比例，即完成定量分析。本发明将传统显微组分的视觉分析转换为拉曼分析，具有速度快，干扰少，结果稳定性和再现性好的优点。本发明充分利用拉曼光谱面扫描技术的优势，实验和数据处理过程简洁，无需对拉曼光谱进行分峰拟合，可避免其带来的人为误差。
附图说明
图1为本发明提出的煤岩显微组分原位识别与快速定量的方法流程示意图。
图2为本发明拉曼特征参数计算示意图。
图3为一种标准煤在煤岩分析仪下的图像及其对应的热点图，图3(a)为标准煤在煤岩分析仪下的图像，图3(b)为与图3(a)该图像对应的热点图。
图4为实施例1中根据多种标准煤建立的不同显微组分的漂移系数α所在的阈值区间划分示意图。
图5为实施例1中验证基于漂移系数α划分的显微组分阈值区间示意图。
图6为实施例1中用于验证显微组分定量方法的待测原煤的测试图，其中图6(a)为待测原煤在油镜反射光下的图像，图6(b)为图6(a)对应的热点图。
图7为实施例2中根据多种标准煤建立的不同显微组分的综合指标K所在的阈值区间划分示意图。
图8为实施例2中用于验证显微组分定量方法的待测原煤的测试图，其中图8(a)为待测原煤在油镜反射光下的图像，图8(b)为图8(a)对应的热点图。
具体实施方式
下面结合附图和实施例对本发明的实施方式作进一步描述。以下实施例用于说明本发明，但不能用来限制本发明的范围。
为更加清晰地表述本发明的原理和技术方案，下面结合图1所示的流程图和具体实施例进一步说明。
实施例1
本实施例以干燥无灰基挥发分含量作为煤质参数，以漂移系数α作为拉曼特征参数进行举例说明。
1)选取8种标准煤进行工业分析，具体数据如下表所示：
2)按照国标GB/T 16773-2008制备煤光片，用于接下来的岩相分析和拉曼光谱测试；
3)对以上8种标准煤进行岩相分析，采用10X物镜，寻找尽量包含多种不同显微组分的二维平面，将其在油浸镜下的显微图片拍摄保存下来，然后在整个平面内随机测量若干个点的反射率，并做好标记。根据颜色、形态、荧光特性和反射率大小对显微组分种类做出判别；
4)对上述岩相分析选择的样品平面进行拉曼光谱面扫描测试，采用532nm激光器和10X物镜，测试条件如下：
| 激光功率 | 扫描时间 | 扫描步长 | 扫描范围 |
| 1.2mW | 10s | 10μm | 800cm<sup>-1</sup>-1800cm<sup>-1</sup> |
对获得的拉曼光谱进行解析，其特征参数计算示意图如图2所示。采用其中3个拉曼特征参数进行聚类分析，并绘制热点图，如图3所示；
5)将岩相分析结果和热点图对应，确定热点图不同颜色区域对应的显微组分类型并计算不同显微组分的拉曼特征参数平均值，如图4所示，以漂移系数平均值α为纵坐标，以干燥无灰基挥发分含量Vdaf为横坐标，将8种标准煤样的拉曼特征参数平均值和煤质参数在二维平面坐标系内绘图，在不同显微组分的分界区域寻找若干分散的点，根据这些点拟合曲线，作为不同显微组分的分界线，划分不同显微组分的阈值区间，建立煤岩显微组分的判别原则；在壳质组和镜质组之间进行分界线拟合得到分界曲线一α1＝a1M2+b1M+c1，本实施例中，拟合后得到a1＝-2.1126×10-4，b1＝2205，c1＝0.7068，该分界曲线记为：α1＝0.7068+0.0221×Vdaf–2.1126×10-4×(Vdaf)2；在镜质组与惰质组之间进行分界线拟合得到分界曲线二α2＝a2M2+b2M+c2，本实施例中，拟合后得到a2＝–3.2190×10-4，b2＝0.0361，c2＝-0.0142，该分界曲线记为：α2＝-0.0142+0.0361×Vdaf–3.2190×10-4×(Vdaf)2；完成拉曼特征参数平均值与干燥无灰基挥发分含量关联建立，确定相应煤种里不同显微组分的漂移系数α所在的阈值区间。
6)为验证划分的阈值区间是否具有普适性，取一待测原煤，重复以上步骤1)、2)、4)、5)。通过工业分析得到其干燥无灰基挥发分含量为39.62，聚类分析后得到热点图不同颜色区域的漂移系数α平均值大小分别是1.3144(白色)、1.1277(浅灰色)、1.0243(黑色)和0.4802(深灰色)，由于浅灰色点占比为1.3％，根据多次实验经验得知，当某一组分占比小于5％时，对应的是孔洞或矿物物质，不在本发明研究范围内，因此可将这一类点忽略。将其他三个点画在图5)所划分的阈值区间图例中(横坐标均为39.62)，发现其分别落在三种显微组分所属区间内，每种颜色对应一种煤岩显微组分，如图5所示。或者将Vdaf＝39.62代入分界曲线一和分界曲线二中，得到两个漂移系数平均值的阈值点，即α1＝1.2488，α2＝0.9116，聚类分析后得到不同颜色区域的漂移系数α平均值大小分别是1.3144(白色)、1.0243(黑色)和0.4802(深灰色)，白色区域的α大于1.2488，因此为壳质组；黑色区域的α位于1.2488和0.9116之间，因此为镜质组；深灰色区域的α小于0.9116，因此为惰质组。
故本方法建立的煤岩显微组分判别准则具有一定的普适性和准确性。此外，如图6所示，为一个特征平面的热点图，将该待测煤样多个特征平面的热点图不同颜色点占比取平均值，得到白色的点占比18.67％，代表壳质组；黑色的点占比47.11％，代表镜质组；深灰色的点占比32.44％，代表惰质组；浅灰色的点占比1.78％，代表孔洞和矿物质；岩相分析结果得出该待测原煤的显微组分含量为：壳质组18.8％、镜质组47.0％、惰质组33.2％、其他1.0％。通过计算得知，测试误差都在5％以内，说明本发明提出的显微组分定量方法表现出较高的测量精度。
实施例2：
实施例2所采用的实验和数据处理方法与实施例1相同，区别在于采用综合指标，K＝k1α+k2(IV/ID)+k3(IV/IG)，其中，k1、k2和k3为相应拉曼特征参数的成分得分系数，通过对上述三个拉曼特征参数进行主成分分析确定，按照上述采集的数据得到k1＝0.970，k2＝0.972，k3＝0.978，即K＝0.970α+0.972IV/ID+0.978IV/IG。
如图7所示，以综合指标K为纵坐标，以干燥无灰基挥发分含量Vdaf为横坐标，将8种标准煤样的拉曼特征参数平均值和煤质参数在二维平面坐标系内绘图，采用和实施例1相同的方法拟合曲线，作为不同显微组分的分界线，划分不同显微组分的阈值区间，建立煤岩显微组分的判别原则；对壳质组和镜质组之间的分界线进行拟合得到分界曲线K1＝a1M2+b1M+c1，本实施例中，拟合后得到a1＝-4.3850×10-4，b1＝0.0505，c1＝1.3281，该分界曲线记为：K1＝1.3281+0.0505×Vdaf-4.3850×10-4×(Vdaf)2；对镜质组与惰质组之间的分界线进行拟合得到分界曲线K2＝a2M2+b2M+c2，本实施例中，拟合后得到a2＝-5.4752×10-4，b2＝0.0647，c2＝0.1448，该分界曲线记为：K2＝0.1448+0.0647×Vdaf-54752××10-4(Vdaf)2；完成拉曼特征参数平均值与干燥无灰基挥发分含量关联建立，确定相应煤种里不同显微组分的综合指标K所在的阈值区间。
为验证划分的阈值区间是否具有普适性，取一待测原煤，重复以上步骤，通过工业分析得到其干燥无灰基挥发分含量为31.14，聚类分析后通过计算得到热点图不同颜色区域的K值大小分别是2.9131、2.2522和1.5572(和实施例1类似，忽略孔洞和矿物物质)，将这三个点画在图7中所划分的阈值区间图例中综合指标K，发现其分别落在三种显微组分所属区间内，或者按照实施例1中的计算方法也可以确定，如图7所示。故本方法建立的煤岩显微组分判别准则具有一定的普适性和准确性。
此外，如图8所示，为一个特征平面的热点图，在已实现显微组分识别的基础上将该待测煤样多个特征平面的显微组分含量取平均值，得到壳质组含量为26.11％；镜质组含量为29.39％；惰质组含量为43.17％；其他1.33％；岩相分析结果得出该待测原煤的显微组分含量为：壳质组25.8％、镜质组29.6％、惰质组43.8％、孔洞和矿物质0.8％。通过计算得知，两种方法误差在5％以内，说明本发明提出的显微组分定量方法表现出较高的测量精度。
需要说明的是本发明选取的煤质参数最优为干燥无灰基挥发分含量，但是不限于该种，实际还包括但不限于水分、灰分和固定碳含量。
需要说明的是本发明聚类分析选取的拉曼特征参数包括D峰峰位PD、G峰峰位PG、D峰和G峰峰位差RBS，D峰强度ID、G峰强度IG、G峰半峰宽G-FWHM、D峰半峰宽D-FWHM、D峰和G峰强度比ID/IG、V峰强度IV、V峰和D峰强度比IV/ID、V峰和G峰强度比IV/IG、总峰面积AALL以及漂移系数α；所述漂移系数α、V峰与D峰强度比IV/ID、V峰和G峰强度比IV/IG三个仅仅为本发明最优的三个参数。
以上实施方式仅用于说明本发明，而非对本发明的限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行各种组合、修改或者等同替换，都不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.一种煤岩显微组分原位识别与快速定量的方法，其特征在于，包括以下步骤：
步骤1、建立煤岩显微组分物理化学性质数据库，具体为：
1.1、选取多种不同煤阶的煤样，通过工业分析测得所有煤样煤质参数；
1.2、参照国家标准制备不同煤样的镶样并抛光；
1.3、采用岩相分析仪对所有煤样进行分析，拍摄多个不同特征平面的显微图片，测量煤样每个特征平面内的随机反射率，并结合颜色、形态、荧光特性，确定各特征平面的煤岩显微组分种类；
1.4、针对每个煤种选取已确定煤岩显微组分的多个特征平面分别开展拉曼光谱面扫描测试，获得每个煤样多个已知显微组分的微尺度煤颗粒的拉曼光谱；
1.5、通过对获取的拉曼光谱进行分析计算，得到煤样的拉曼特征参数；
步骤2、建立煤岩显微组分原位快速判别准则，具体为：
2.1、首先针对每个煤样特征平面的拉曼特征参数进行聚类分析，采用聚类分析得到的分类结果绘制热点图；
2.2、比对1.3中煤样特征平面岩相分析结果与2.1中绘制热点图，确定热点图不同颜色的聚类分级区域对应的显微组分；
2.3、根据2.2中的对应关系，计算每种煤中不同显微组分的拉曼光谱特征参数的平均值，将每种煤的煤质参数和不同显微组分的拉曼光谱特征参数的平均值分别为横、纵坐标绘图；
2.4、根据2.3中绘制的图，结合不同显微组分的拉曼光谱特征参数的平均值随煤质参数变化的分布特性，在不同显微组分的分界区域选取若干分散的点，拟合出一条分界曲线，该分界曲线能实现各显微组分数值点的完全分离；该分界曲线可作为判别不同显微组分的分界线，根据分界线确定了不同显微组分的阈值区间，并以此阈值区间作为煤岩显微组分的判别准则；
步骤3、煤岩显微组分的快速识别与定量检测，具体为：
3.1、对待测原煤进行工业分析，获取煤质参数；
3.2、通过步骤1、2的方法对待测原煤进行制样并开展多个特征平面拉曼光谱面扫描测试，计算待测原煤特征平面的拉曼光谱特征参数，然后采用聚类分析对特征平面多个点的拉曼光谱特征参数进行分类，根据聚类分析得到的分类结果绘制热点图，并计算每个分类的拉曼光谱特征参数平均值；
3.3、将步骤3.1获取的煤质参数和步骤3.2中所计算获得的拉曼光谱特征参数平均值作为横、纵坐标代入步骤2.3所绘制图中，确定待测原煤特征平面相应点所属类的拉曼光谱特征参数平均值归属的阈值区间，确定待测原煤特征平面的具体显微组分种类；
3.4、在识别显微组分的基础上，计算步骤3.2中每个特征平面的热点图内每种显微组分的点占比，将不同特征平面上相同的显微组分的点占比取平均值，即为该煤对应显微组分的含量；
进行聚类分析选取的拉曼特征参数为漂移系数α、V峰与D峰强度比I V /I D 、V峰和G峰强度比I V /I G 三个，其中，D峰、V峰和G峰分别是拉曼光谱上波数为1350cm-1、1480 cm-1和1590 cm-1处的特征峰；
所述煤岩显微组分包括壳质组、镜质组、惰质组和其他组分，其他组分包括孔洞及矿物物质。
2.如权利要求1所述煤岩显微组分原位识别与快速定量的方法，其特征在于：步骤1中，选取若干拉曼特征参数进行聚类分析，采用层次聚类法得到每个拉曼测试点的分类结果，这里描述为等级，每个测试点都有一个对应的等级。
3.如权利要求1所述煤岩显微组分原位识别与快速定量的方法，其特征在于：所述漂移系数α的计算方法为：α=(y B -y A )/(y D -y A )，其中，y A 、y B 和y D 分别是拉曼光谱上波数为800cm-1、1800cm-1和D峰对应的峰高。
4.如权利要求1所述煤岩显微组分原位识别与快速定量的方法，其特征在于：定义综合指标K=k 1 α+k 2（I V /I D ）+k 3（I V /I G ），其中，k 1、k 2和k 3为成分得分系数；步骤2.3中采用煤质参数为横坐标，综合指标K的平均值为纵坐标绘图，在壳质组和镜质组之间的分界区域取若干分散的点，采用最小二乘法拟合出一条分界曲线一K 1=a 1 M 2 +b 1 M+c 1作为壳质组和镜质组的分界线，M为煤质参数，a 1、b 1为该多项式的系数，c 1为该多项式的常数，通过最小二乘法曲线拟合得到；
在镜质组与惰质组之间的分界区域取若干分散的点，采用最小二乘法拟合出一条分界曲线二K 2 =a 2 M 2 +b 2 M+c 2作为镜质组与惰质组的分界线，a 2、b 2为该多项式的系数，c 2为该多项式的常数，通过最小二乘法曲线拟合得到；
通过分界曲线一和分界曲线二确定不同显微组分的阈值区间，对应的在步骤3中对待测原煤进行拉曼光谱面扫描测试后，计算得到综合指标K，根据待测原煤的煤质参数和综合指标K实现该原煤的显微组分识别和定量分析。
5.如权利要求4所述煤岩显微组分原位识别与快速定量的方法，其特征在于：步骤3中，将待测原煤的煤质参数代入分界曲线一中即可获取综合指标的第一个阈值K 1，将待测原煤的煤质参数代入分界曲线二中即可获取综合指标的第二个阈值K 2，步骤3.3中，判断每个分类的显微组分类别方法如下：
当该类综合指标K平均值满足K>K 1时，该类为壳质组；
当该类综合指标K平均值满足K1<K<K 2时，该类为镜质组；
当该类综合指标K平均值满足K>K 2时，该类为惰质组。
6.如权利要求5所述煤岩显微组分原位识别与快速定量的方法，其特征在于：综合指标K定义中的系数，k 1、k 2和k 3通过主成分分析确定。
7.如权利要求6所述煤岩显微组分原位识别与快速定量的方法，其特征在于：综合指标K定义中的系数k 1、k 2和k 3组合为1,0,0，此时K=α。
8.如权利要求1-7任意一项所述煤岩显微组分原位识别与快速定量的方法，其特征在于：煤质参数M为煤的干燥无灰基挥发分Vdaf。
9.如权利要求1-7任意一项所述煤岩显微组分原位识别与快速定量的方法，其特征在于：所述步骤1中，岩相分析和拉曼光谱测试选择相同的样品区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011275896.6A CN112525879B (zh) | 2020-11-16 | 2020-11-16 | 一种煤岩显微组分原位识别与快速定量的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011275896.6A CN112525879B (zh) | 2020-11-16 | 2020-11-16 | 一种煤岩显微组分原位识别与快速定量的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112525879A CN112525879A (zh) | 2021-03-19 |
| CN112525879B true CN112525879B (zh) | 2021-12-17 |
Family
ID=74982476
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011275896.6A Active CN112525879B (zh) | 2020-11-16 | 2020-11-16 | 一种煤岩显微组分原位识别与快速定量的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112525879B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113624743B (zh) * | 2021-09-02 | 2022-10-21 | 中国石油大学(北京) | 一种应用拉曼光谱参数划分显微组分的方法 |
| CN115165847A (zh) * | 2022-07-07 | 2022-10-11 | 中煤科工集团上海有限公司 | 煤岩光谱感知装置及包括其的采煤机 |
| CN115615881B (zh) * | 2022-10-13 | 2023-06-02 | 中国水利水电科学研究院 | 一种小粒径微塑料检测方法、系统、电子设备及介质 |
| CN116561620B (zh) * | 2023-04-17 | 2024-05-03 | 中煤科工集团上海有限公司 | 基于变量投影重要性的libs光谱数据处理方法、设备和介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106198488B (zh) * | 2016-07-27 | 2017-10-13 | 华中科技大学 | 一种基于拉曼光谱分析的煤质快速检测方法 |
| CN107764796B (zh) * | 2017-09-19 | 2019-07-26 | 华中科技大学 | 一种运用基线漂移量检测原煤水分、挥发分的方法 |
-
2020
- 2020-11-16 CN CN202011275896.6A patent/CN112525879B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112525879A (zh) | 2021-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112525879B (zh) | 一种煤岩显微组分原位识别与快速定量的方法 | |
| US20230342925A1 (en) | System and method for calculating focus variation for a digital microscope | |
| US6888959B2 (en) | Method of inspecting a semiconductor device and an apparatus thereof | |
| CN109544533A (zh) | 一种基于深度学习的金属板缺陷检测和度量方法 | |
| JP2014513292A (ja) | 定量的ビデオ顕微鏡を準備する方法及び関連システム | |
| CN102928340A (zh) | 基于图像分析同时测定煤的显微组分含量和镜质体反射率的方法及其专用设备 | |
| US11519856B2 (en) | Method for optically detecting biomarkers | |
| CN109916922A (zh) | 镜面/类镜面物体的缺陷检测方法 | |
| CN110426395B (zh) | 一种太阳能el电池硅片表面检测方法及装置 | |
| US7863003B2 (en) | Apparatus for implementing non-destructive quality control of substrates and printed biological microarrays | |
| CN108844469B (zh) | 一种基于激光测试工件台阶高度的方法及系统 | |
| US10957035B2 (en) | Defect classification by fitting optical signals to a point-spread function | |
| KR101224477B1 (ko) | 고분자 및 코팅 소재의 스크래치 표면 손상 정량화 방법 | |
| CN116026835A (zh) | 辅料自动检测装置、方法及系统 | |
| CN111563870A (zh) | 图像处理方法和设备、检测方法和装置、存储介质 | |
| CN109490252A (zh) | 一种混凝土表面气泡分析方法及装置 | |
| CN112581424B (zh) | 一种光学元件表面与亚表面缺陷的分类提取方法 | |
| CN115731155A (zh) | 基于机器视觉的单晶硅亚表面裂纹损伤检测方法 | |
| CN116087196A (zh) | 一种构件表面损伤面积的测量方法 | |
| CN110411380B (zh) | 基于小波包纹理分析的非接触式表面粗糙度测量方法 | |
| CN111640085B (zh) | 图像处理方法和设备、检测方法和装置、存储介质 | |
| CN106323885A (zh) | 一种岩样有机质成熟度测量方法 | |
| CN113222880A (zh) | 分析检测方法 | |
| CN211122559U (zh) | 一种车用燃油清净性快速判定装置 | |
| CN118032812A (zh) | 一种防伪油墨印刷缺陷检测方法 |
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 |