CN113390909A

CN113390909A - 一种基于x射线衍射技术的煤矸识别方法

Info

Publication number: CN113390909A
Application number: CN202110655930.0A
Authority: CN
Inventors: 郭永存; 赵艳秋; 王爽; 何磊; 刘普壮; 王鑫泉
Original assignee: Anhui University of Science and Technology
Current assignee: Anhui University of Science and Technology
Priority date: 2021-06-11
Filing date: 2021-06-11
Publication date: 2021-09-14

Abstract

本发明公开一种基于X射线衍射技术的煤矸识别方法，所述煤矸识别方法包括以下步骤：S1：使用X射线衍射仪采集煤与煤矸石的XRD图谱；S2：对采集的煤与煤矸石XRD图谱进行降噪预处理；S3：根据降噪后煤与煤矸石XRD图谱的差异提取二者的识别特征；S4：建立煤与煤矸石识别特征的训练集及其识别模型。本发明煤矸识别方法结合X射线衍射技术在物相分析方面的应用，从物质的组成成分及结构分析出发，通过煤与煤矸石在XRD图谱中呈现的显著差异来识别煤与煤矸石，此方法识别特征明显且易于提取、识别准确率高、时效性强。同时，X射线衍射技术对于小粒径(≤10mm)的煤或煤矸石可以进行有效的识别。

Description

一种基于X射线衍射技术的煤矸识别方法

技术领域

本发明涉及一种煤矸石识别技术领域，具体是一种基于X射线衍射技术的煤矸识别方法。

背景技术

在煤炭的开采过程中，原煤中会夹杂着许多煤矸石，不仅影响分选工作，还会降低煤炭品质与燃烧质量。因此，煤矸分选技术势在必行，这也将是煤炭行业发展的重要方向之一。目前传统的选矸技术主要为人工选矸、动筛跳汰选矸、重介质浅槽选矸等，新型的选矸技术主要为基于图像识别选矸、基于射线识别选矸等。以上方法均是利用煤与煤矸石的物理、化学性质差异来实现煤与煤矸石的识别，比如，密度、灰度与纹理、硬度、能量吸收以及反射光谱等特征差异，以上特征均属于间接提取煤与煤矸石的识别特征。归根结底，以上识别特征的差异主要还是由煤与煤矸石的组成成分不同而造成的，其中煤的主要组成成分是碳，而煤矸石的主要组成成分是氧化铝和石英，另外还有一些微量的稀有金属和重金属元素，由于碳与氧化铝、石英、金属的物理、化学性质不同，进而导致煤与煤矸石呈现的物理、化学性质不同。

传统的选矸技术中，人工选矸需要大量劳动且非自动化；动筛跳汰选矸以及重介质浅槽选矸消耗大量的水资源，排放的物料会污染周围环境，且跳汰机不适合在缺水地区使用。新型的选矸主要结合计算机视觉技术的发展，探讨了在煤矸石分选中采用图像识别的可能性，但在光照不均匀、光照条件差等多种干扰因素的影响下，图像的表面和纹理差异可能不明显。此外，煤矸石周围的粉尘也会影响识别性能。针对这种情况，现提出一种基于X射线衍射技术的煤矸识别方法。

发明内容

本发明的目的在于提供一种基于X射线衍射技术的煤矸识别方法，能够有效解决背景技术中的不足，本发明煤矸识别方法结合X射线衍射技术在物相分析方面的应用，从物质的组成成分及结构分析出发，通过煤与煤矸石在XRD图谱中呈现的显著差异来识别煤与煤矸石，此方法识别特征明显且易于提取、识别准确率高、时效性强。同时，X射线衍射技术对于小粒径(≤10mm)的煤或煤矸石可以进行有效的识别。

本发明的目的可以通过以下技术方案实现：

一种基于X射线衍射技术的煤矸识别方法，所述煤矸识别方法包括以下步骤：

S1：使用X射线衍射仪采集煤与煤矸石的XRD图谱；

S2：对采集的煤与煤矸石XRD图谱进行降噪预处理；

S3：根据降噪后煤与煤矸石XRD图谱的差异提取二者的识别特征；

S4：建立煤与煤矸石识别特征的训练集及其识别模型。

进一步的，所述识别方法是检测煤与煤矸石的物相组成而非间接提取外部特征识别煤矸。

进一步的，所述S1中，煤与煤矸石XRD图谱中2θ的范围根据煤与煤矸石XRD图谱的差异或实际需求更改。

进一步的，所述S3中，提取的识别特征包括煤与煤矸石特征衍射峰的2θ值及其强度，特征衍射峰的2θ值及其强度的比值，2θ范围为20-30°的XRD图谱。

进一步的，所述煤与煤矸石的XRD图谱中提取的识别特征可以根据实际需求更改组合。

进一步的，所述煤矸识别方法能够识别其他在物相组成有明显差异的物料。

本发明的有益效果：

1、本发明煤矸识别方法利用X射线衍射技术获取煤与煤矸石的XRD图谱，进而得到二者的物相组成，从本质上识别出煤与煤矸石，可以直接有效地提高煤与煤矸石的识别精度，降低错误分离概率；

2、本发明煤矸识别方法的识别特征是从煤与煤矸石的XRD图谱中提取，二者在组成成分上有显著差异，致使二者的XRD图谱有显著的不同之处，因此识别特征明显且易于提取；

3、本发明煤矸识别方法的识别特征明显，可以用到很少的识别特征即可达到很高的识别精度；

4、本发明煤矸识别方法对于小粒径(≤10mm)的煤或煤矸石可以进行有效的识别；

5、本发明煤矸识别方法在光照不均匀、光照条件差的区域也可以正常使用。

附图说明

下面结合附图对本发明作进一步的说明。

图1是本发明煤矸识别方法流程图；

图2是本发明X射线衍射强度叠加原理图；

图3是本发明煤的XRD图谱；

图4是本发明煤矸石的XRD图谱；

图5是本发明煤的XRD图谱使用SG平滑降噪后的结果图；

图6是本发明煤矸石的XRD图谱使用SG平滑降噪后的结果图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例1：

请参阅图1所示，一种基于X射线衍射技术的煤矸识别方法，煤矸识别方法包括以下步骤：

一：使用X射线衍射仪采集煤与煤矸石的XRD图谱；

X射线衍射技术的原理为单色X射线入射到晶体时，由于晶体是由原子规则排列成的晶胞组成，这些规则排列的原子间距离与入射X射线波长有相同数量级，故由不同原子散射的X射线相互干涉，在某些特殊方向上产生强X射线衍射，如图2中的L1与L2所示。

产生强X射线衍射的条件需满足布拉格方程：

2d sinθ＝nλ

其中，θ为入射角，d为晶面间距，n为衍射级数，λ为入射线波长，2θ为衍射角。

凡是满足上述方程式的所有晶面上的所有原子衍射波位相完全相同，其振幅互相加强，这样，在2θ方向上面就会出现衍射线，而在其他地方互相抵消，X射线的强度减弱或者等于零，由此可以得到XRD图谱，使用search match软件或Jade软件对材料测得的2θ方向数值及衍射强度与标准物相的衍射数据(即X射线衍射标准卡片或PDF卡片)相比较，可确定材料中存在的物相。

以一煤或煤矸石为例，测得煤与煤矸石的XRD图谱如图3与4所示，使用Jade软件进行物相分析，其中煤(图3)中的主相为C(对应的PDF卡片为26-1076)，且图3中漫散射现象较为严重，这是由样本煤化程度低所造成的。煤矸石(图4)中的主相为SiO₂(对应的PDF卡片为46-1054)，且含有少量的Al₂O₃(对应的PDF卡片为31-0026)。

所述XRD图谱的2θ范围为10-90度，但不局限于10-90度，可根据煤与煤矸石XRD图谱的差异或实际需求更改2θ范围，对比图3或图4，煤与煤矸石的XRD图谱衍射峰出现的位置，即2θ值呈现出明显的差异。

二：XRD图谱由于受到材料本身的结晶度、X射线的漫散射等原因通常会含有噪声，为了确保分析结果的准确性与精度，需要进行降噪预处理；

从图3可知，图谱中有很多漫散射峰，为了降低其对煤识别精度的影响，需对步骤一所测得的XRD图谱进行降噪处理，本实施例选用SG(Savitzky-Golay)平滑降噪，使用5点2次滤波器，把XRD图谱上每5个点记为一个X集合{X_m-2,X_m-1,Xm,X_m+1,X_m+2}，基于最小二乘拟合法构造2次多项式，利用此多项式重新拟合X集合，然后依次移动，直到把XRD图谱遍历完，图5、图6分别为图3、图4使用SG平滑降噪后的结果。

三：根据降噪后煤与煤矸石XRD图谱的差异提取二者的识别特征；

将步骤二得到的数据进行分析，提取数据如表1所示，表1仅列出部分煤与煤矸石(共10个)的识别特征，其中1代表煤，2代表煤矸石。

表1

四：建立煤与煤矸石识别特征的训练集及其识别模型。

本实施例中煤与煤矸石的数据集数量为40个(煤与煤矸石各20个)，以步骤三采集的煤与煤矸石的识别特征建立相应的训练集，基于matlab平台使用机器学习算法对训练集进行训练，建立相应的识别模型，其中使用KNN、逻辑回归、精细树、SVM以及线性判别算法，选用5折交叉验证建立的煤矸识别模型的准确度均为100％。

实施例2：

一种基于X射线衍射技术的煤矸识别方法，煤矸识别方法包括以下步骤：

一：使用X射线衍射仪采集煤与煤矸石的XRD图谱；

同实施例1。

三：根据降噪后煤与煤矸石XRD图谱的特征差异，选择2θ范围为20-30°的XRD图谱作为识别特征。

四：建立煤与煤矸石识别特征的训练集及其识别模型；

本实施例中煤与煤矸石的数据集样本数量为40个(煤与煤矸石各20个)，以步骤三采集的煤与煤矸石的识别特征为例建立相应的训练集，基于matlab平台使用机器学习算法对训练集进行训练，建立相应的识别模型。其中使用KNN、逻辑回归、精细树、SVM以及线性判别算法，选用5折交叉验证建立的煤矸识别模型的准确度分别为95％、97.5％、87.5％、97.5％、97.5％。

综上所述，本发明提供的一种基于X射线衍射技术的煤矸识别方法，基于煤与煤矸石的物质组成成分不同以及X射线衍射技术在物相分析方面的应用，由X射线衍射装置获取煤或煤矸石的XRD图谱，通过实施例1与实施例2均可识别出煤与煤矸石，由于煤与煤矸石的物质组成成分不同，因此在XRD图谱中提取的识别特征差异明显识别模型的准确率如表2所示。

表2

识别模型	KNN	逻辑回归	精细树	SVM	线性判别
						实施例1	100％	100％	100％	100％	100％
实施例2	95％	97.5％	87.5％	97.5％	97.5％

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims

1.一种基于X射线衍射技术的煤矸识别方法，其特征在于，所述煤矸识别方法包括以下步骤：

S1：使用X射线衍射仪采集煤与煤矸石的XRD图谱；

S2：对采集的煤与煤矸石XRD图谱进行降噪预处理；

S4：建立煤与煤矸石识别特征的训练集及其识别模型。

2.根据权利要求1所述的一种基于X射线衍射技术的煤矸识别方法,其特征在于，所述识别方法是通过检测煤与煤矸石的物相组成而非提取外部特征进行识别煤与煤矸石。

3.根据权利要求1所述的一种基于X射线衍射技术的煤矸识别方法,其特征在于，所述S1中，煤与煤矸石XRD图谱中2θ的范围根据煤与煤矸石XRD图谱的差异或实际需求更改。

4.根据权利要求1所述的一种基于X射线衍射技术的煤矸识别方法,其特征在于，所述S3中，提取的识别特征包括煤与煤矸石特征衍射峰的2θ值及其强度，特征衍射峰的2θ值及其强度的比值，2θ范围为20-30°的XRD图谱。

5.根据权利要求3所述的一种基于X射线衍射技术的煤矸识别方法,其特征在于，所述煤与煤矸石的XRD图谱中提取的识别特征可以根据实际需求更改组合。

6.根据权利要求1所述的一种基于X射线衍射技术的煤矸识别方法,其特征在于，所述煤矸识别方法能够识别其他在物相组成有明显差异的物料。