CN116559095A - 台式煤质分析光谱仪及煤质分析方法 - Google Patents
台式煤质分析光谱仪及煤质分析方法 Download PDFInfo
- Publication number
- CN116559095A CN116559095A CN202310518656.1A CN202310518656A CN116559095A CN 116559095 A CN116559095 A CN 116559095A CN 202310518656 A CN202310518656 A CN 202310518656A CN 116559095 A CN116559095 A CN 116559095A
- Authority
- CN
- China
- Prior art keywords
- coal
- spectrum
- matrix
- light source
- sample
- 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.)
- Pending
Links
- 239000003245 coal Substances 0.000 title claims abstract description 185
- 238000004458 analytical method Methods 0.000 title claims abstract description 68
- 238000001228 spectrum Methods 0.000 claims abstract description 144
- 239000011159 matrix material Substances 0.000 claims description 132
- 238000012549 training Methods 0.000 claims description 54
- 238000013527 convolutional neural network Methods 0.000 claims description 37
- 238000010276 construction Methods 0.000 claims description 34
- 238000001816 cooling Methods 0.000 claims description 24
- 238000000513 principal component analysis Methods 0.000 claims description 20
- 238000001035 drying Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 8
- 238000002835 absorbance Methods 0.000 claims description 7
- 239000002274 desiccant Substances 0.000 claims description 3
- 230000017525 heat dissipation Effects 0.000 abstract description 3
- 239000002585 base Substances 0.000 description 17
- 238000007789 sealing Methods 0.000 description 17
- 230000003287 optical effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 239000002245 particle Substances 0.000 description 7
- 230000000052 comparative effect Effects 0.000 description 5
- 238000002536 laser-induced breakdown spectroscopy Methods 0.000 description 5
- 210000002381 plasma Anatomy 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002817 coal dust Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000012458 free base Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Biochemistry (AREA)
- Computational Linguistics (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供台式煤质分析光谱仪及煤质分析方法,包括外壳、样品杯、光源组件、光谱生成组件、温度控制组件和湿度控制组件,所述样品杯和光源组件分别连接在所述外壳的两个面上,所述光谱生成组件、温度控制组件和湿度控制组件连接在所述外壳内,所述样品杯用于放置煤样,所述光源组件用于向所述煤样发射光,所述光谱生成组件用于将煤样的反射光转换成煤样的光谱,所述温度控制组件用于使得外壳内温度恒定在设定温度范围,所述湿度控制组件用于使得外壳内湿度恒定在设定湿度范围。本发明光源组件和光谱生成组件分别位于外壳外和外壳内,光源组件散热不影响光谱生成组件,且通过温度控制组件和湿度控制组件降低了温度和湿度对光谱的影响。
Description
技术领域
本发明涉及煤质分析技术领域,具体涉及台式煤质分析光谱仪及煤质分析方法。
背景技术
煤作为燃料,广泛的应用于各行各业。煤的指令指标有水分、灰分、挥发分、全硫、全水分、发热量等,不同的煤质,价格与应用不同,因此在煤流通及应用之前需要进行煤质分析。
现有技术的煤质分析采用的是现场采样、在实验室人工制样化验,检测时间长,效率低。
激光诱导击穿光谱(Laser induced breakdown spectroscopy,LIBS)已经被广泛应基于颗粒流状态下煤粉的直接测量。LIBS直接测量颗粒流的工作原理是将一束脉冲激光聚焦到自由下落的煤粉颗粒流中心,使一定内的煤粉颗粒被烧蚀,进而激发生成等离子体,再由光谱仪探测等离子体在衰减冷却过程中辐射出来的光谱信号,通过分析具有特定波长和强度的光谱获得煤粉的物质种类及其占比浓度数据。对于煤粉检测而言,虽然LIBS直接测量颗粒流具有无需制样的优势,但是众多研究发现这种测量方案的光谱信号稳定性较差。由于激光焦点附近颗粒的数量、粒径、空间分布随机变化,激光与颗粒的相互作用十分复杂,生成的等离子体不仅在形态上存在明显差异,同时等离子体的中心也会在激光焦点的前后漂移。
近红外光谱技术作为一种快速、无损检测技术在很多领域得到越来越广泛的重视。现有技术中常用的两种近红外光谱仪,一种是基于光栅的近红外光谱仪,光源发出的光经过样品吸收后,剩余的光经过光谱仪中的衍射光栅分光衍射,通过检测器接收后经数据处理后获得光谱,虽然基于光栅的近红外光谱仪抗干扰能力好,但是精度低,信噪比低,光源与衍射光栅之间,衍射光栅与检测器之间通常采用光纤进行光传播,造成光信号衰减,另一种是基于傅里叶变换的近红外光谱仪,光源发出的光被干涉仪的分束器分为两束,一束经透射到达干涉仪的动镜,另一束经反射到达干涉仪的定镜,两束光分别经定镜和动镜反射再回到分束器,动镜以一恒定速度作直线运动,因而经分束器分束后的两束光形成光程差,产生干涉。干涉光在分束器会合后通过样品杯,通过样品后含有样品信息的干涉光到达检测器,然后通过傅里叶变换对信号进行处理,最终得到透过率或吸光度随波数或波长的近红外吸收光谱图。
现有技术基于傅里叶变换的近红外光谱仪有以下问题:
第一,现有的基于傅里叶变换的近红外光谱仪多用于温度和湿度比较恒定的实验室,以降低温度和湿度对光谱的影响,对测量环境要求高;
第二,现有的基于傅里叶变换的近红外光谱仪仅仅通过简单的风扇进行冷却,做不到恒温,煤样光谱测量结果受温度影响大
第三,光源与干涉仪是一体的,光源发出的光先经过干涉仪干涉之后才通过样品,光源和干涉仪固定设置,当样品信号强度过低时,无法对光源更换成高功率的光源,因此如果要改变光源,需要对干涉仪的镜片之间位置进行调整,甚至要更换成其他参数的镜片;
第四,光源与干涉仪之间,干涉仪与检测器之间采用离轴抛物镜进行光路变换,光转换效率低,体积大。
发明内容
针对现有技术存在问题中的一个或多个,本发明提供一种包括外壳、样品杯、光源组件、光谱生成组件、温度控制组件和湿度控制组件,所述样品杯和光源组件分别连接在所述外壳的两个面上,所述光谱生成组件、温度控制组件和湿度控制组件连接在所述外壳内,所述样品杯用于放置煤样,所述光源组件用于向所述煤样发射光,所述光谱生成组件用于将煤样的反射光转换成煤样的光谱,所述温度控制组件用于使得外壳内温度恒定在设定温度范围,所述湿度控制组件用于使得外壳内湿度恒定在设定湿度范围。
根据本发明的一个方面,所述温度控制组件包括温度传感器、导热片、第一风扇、制冷片、散热片和第二风扇,所述温度传感器用于测量外壳内的温度,所述导热片用于将外壳内产生的热量导出,所述第一风扇用于形成环绕外壳的循环风冷通道,所述制冷片用于对外壳制冷,所述散热片用于制冷片的散热,所述第二风扇用于散热片的散热。
根据本发明的一个方面,还包括密封箱,所述密封箱固定在所述外壳内,所述光谱生成组件包括同轴光路、积分球和光谱仪,所述积分球和所述光谱仪固定在所述密封箱内,所述同轴光路固定在密封箱外,所述同轴光路用于将所述光源组件发出的光汇聚到样品杯,所述积分球用于对样品杯内煤样的反射光进行漫散射后进入光谱仪,所述光谱仪用于生成煤样的光谱,所述密封箱内还固定有温度传感器、导热片和第一风扇,所述制冷片、散热片和第二风扇按照远离密封箱的方向依次设置在密封箱外。
根据本发明的一个方面,所述湿度控制组件包括连接筒和干燥筒,所述连接筒可拆卸连接在外壳上,所述干燥筒可拆卸连接在连接筒上,所述干燥筒内放置干燥剂。
根据本发明的一个方面,所述光源组件包括光源、光源支架、支架散热片、光源散热片和光源风扇,所述光源安装在光源支架上,所述光源支架安装在支架散热片上,所述光源散热片外包围所述光源和光源支架,所述光源风扇的出风口朝向所述光源散热片。
根据本发明的一个方面,所述光谱仪包括干涉仪、检测器和数据处理组件,所述积分球包括光源入口、样品反射口和漫反射光出口,所述同轴光路设置在光源组件与积分球之间且与积分球同轴,所述同轴光路与光源组件的距离及所述同轴光路与所述积分球的距离设置为光源组件发出的光从光源入口进入后不经过积分球直接漫反射而是先照射在样品反射口的样品上,所述积分球的样品反射口和漫反射光出口的相对位置设置为样品的反射光在积分球内多次漫反射后通过漫反射光出口进入干涉仪,所述干涉仪用于使得所述积分球射出的漫反射光产生衍射,所述检测器用于将衍射转换为电信号,所述数据处理组件用于将电信号转换成光谱数据。
根据本发明的一个方面,所述同轴光路包括第一准直透镜和第一汇聚透镜,所述第一准直透镜用于将光源组件发出的光变成平行光束,所述第一汇聚透镜用于将第一准直透镜射出的平行光束通过光源入口直接汇聚到样品反射口。
根据本发明的一个方面,所述光谱生成组件还包括第二准直透镜和第二汇聚透镜,所述第二汇聚透镜设置在积分球的漫反射光出口和光谱仪的入口之间,所述第二准直透镜设置在所述第二汇聚透镜与干涉仪之间,所述第二汇聚透镜用于将积分器的漫反射光出口射出的漫反射光汇聚到第二准直透镜,所述第二准直透镜用于将第二汇聚透镜汇聚的光束变成平行光束。
根据本发明的一个方面,还包括窗片,所述窗片设置在所述样品反射口上方。
根据本发明的一个方面,还包括煤质分析组件,所述煤质分析组件与所述光谱生成组件有线或者无线连接,所述煤质分析组件用于将光谱生成组件的光谱数据转换为光谱,通过所述光谱进行煤质分析。
根据本发明的一个方面,所述煤质分析组件包括:
输入模块,将光谱数据转换为矩阵形式,获得光谱数据矩阵,所述光谱数据是煤样的每个光谱的每个吸光度构成的多维矩阵;
协方差矩阵构建模块,构建输入模块输入的光谱数据矩阵的协方差矩阵;
主元分析模块,对协方差矩阵构建模块构建的协方差矩阵进行主元分析,获得每个光谱的主成分构成的主成分光谱矩阵;
煤指标矩阵构建模块,构建一个或多个煤的指标的一维或多维煤指标矩阵,煤的指标包括干燥无灰基、干燥基、空干基和收到基中的一个或多个;
卷积神经网络构建模块,将主元分析模块的主成分光谱矩阵作为输入,以煤指标矩阵构建模块构建的煤指标矩阵为输出,构建卷积神经网络:
训练模块,通过训练集训练卷积神经网络,包括:训练集构建单元,构建训练集;网络训练单元,将训练集依次通过输入模块、协方差矩阵构建模块、主元分析模块获得训练集的主成分光谱矩阵,通过煤指标矩阵构建模块获得训练集的煤指标矩阵,过训练集的主成分光谱矩阵和煤指标矩阵对卷积神经网络构建模块构建的卷积神经网络进行训练;
分析模块,将煤样的主成分光谱矩阵输入训练后的卷积神经网络,获得对应的煤指标矩阵。
根据本发明的一个方面,所述煤质分析组件还包括插值模块,用于对主元分析模块的主成分光谱矩阵进行插值。
根据本发明的第二方面,提供一种利用上述台式煤质分析光谱仪进行煤质分析方法,包括:
将煤样放置于样品杯;
检测外壳内的温度是否达到设定温度范围;
检测外壳内的湿度是否达到设定湿度范围;
当外壳内的温度达到设定温度范围且外壳内的湿度达到设定湿度范围时,
光源组件发出的光经样品杯的煤样反射后通过光谱生成组件生成煤样的光谱。
根据本发明的第二方面,还包括:
将光谱数据转换为矩阵形式,获得光谱数据矩阵,所述光谱数据是煤样的每个光谱的每个吸光度构成的多维矩阵;
构建光谱数据矩阵的协方差矩阵;
对协方差矩阵进行主元分析,获得每个光谱的主成分构成的主成分光谱矩阵;
构建一个或多个煤的指标的一维或多维煤指标矩阵,煤的指标包括干燥无灰基、干燥基、空干基和收到基中的一个或多个;
将主成分光谱矩阵作为输入,以煤指标矩阵为输出,构建卷积神经网络:
通过训练集训练卷积神经网络,包括:构建训练集;获得训练集的主成分光谱矩阵;获得训练集的煤指标矩阵;过训练集的主成分光谱矩阵和煤指标矩阵对卷积神经网络进行训练;
将煤样的主成分光谱矩阵输入训练后的卷积神经网络,获得对应的煤指标矩阵。
根据本发明的第二方面,所述将主成分光谱矩阵作为输入,以煤指标矩阵为输出,构建卷积神经网络步骤之前还包括:对主成分光谱矩阵进行插值。
本发明台式煤质分析光谱仪通过温度控制组件和湿度控制组件使得光谱仪生成组件处于恒温恒湿的环境,降低了温度和湿度对光谱的影响,保证了结果的稳定性。
本发明所述温度控制组件包括对外壳内部循环散热的第一风扇、将外壳内热量导出的导热片以及对外壳制冷的制冷片,从内到外保证了外壳内各组件的恒温环境,有利于温度控制的稳定性和快速性。
本发明可以通过温度控制组件对密封箱进行从内到外的恒温控制,密封箱内设置有光谱仪和积分球,使得光谱仪温度控制更加快速和准确。
本发明光源组件设置在外壳的外侧,光源散发的热量不影响外壳内的光谱生成组件,且通过支架散热片、光源散热片和光源风扇对光源进行重叠散热,能够保证光源的稳定。
本发明通过干燥筒控制湿度,干燥筒通过连接筒方便安装、拆卸和更换。
本发明的光路为光源组件-样品杯-光谱生成组件,相较于现有技术具有以下优点:光源组件和光谱生成组件是分开的,方便根据样品信号强度的不同更换不同的光源组件。
本发明光源组件发出的光是依次经过样品反射和积分球内多次漫反射才通过光谱仪进行衍射,省去了离轴抛物镜,体积减小;相较于通过光纤进入光谱仪,空间光更加稳定、空间光通过积分球直接进入光谱仪,提高了信噪比;防止了光源组件发出的光在积分球漫反射后才进行样品反射甚至光源组件发出的光经过积分球漫反射后不经过样品反射直接进入光谱仪的情形,从而杜绝了上述情形产生的杂散光对光谱数据的影响,提高了信噪比。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明所述台式煤质分析光谱仪的整体示意图;
图2是本发明所述台式煤质分析光谱仪的构成框图的示意图;
图3是本发明所述台式煤质分析光谱仪的内部构建配制的一个实施例的立体示意图;
图4是本发明所述台式煤质分析光谱仪的温度控制组件和湿度控制组件的示意图;
图5是本发明所述台式煤质分析光谱仪的光谱生成组件和煤质分析组件的一个实施例的是示意图;
其中,外壳1、样品杯2、光源组件3、光源31、光源支架32、支架散热片33、光源散热片34、光源风扇35、光谱生成组件4、同轴光路41、第一准直透镜411、第一汇聚透镜412、积分球42、光源入口421、样品反射口422、漫反射光出口423、挡光板424、光谱仪43、干涉仪431、动镜4311、分束镜4312、定镜4313、检测器432、数据处理组件433、第二准直透镜44、第二汇聚透镜45、窗片46、温度控制组件5、温度传感器51、导热片52、第一风扇53、制冷片54、散热片55、第二风扇56、温度控制电路57、湿度控制组件6、连接筒61、干燥筒62、密封箱7、煤质分析组件8、输入模块81、协方差矩阵构建模块82、主元分析模块83、煤指标矩阵构建模块84、插值模块85、卷积神经网络构建模块86、训练模块87、训练集构建单元871、网络训练单元872、分析模块88、上托架9。
具体实施方式
在下文中,仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样,在不脱离本发明的精神或范围的情况下,可通过各种不同方式修改所描述的实施例。因此,附图和描述被认为本质上是示例性的而非限制性的。
下文的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。当然,它们仅仅为示例,并且目的不在于限制本发明。以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
图1是本发明所述台式煤质分析光谱仪的整体示意图,图2是本发明所述台式煤质分析光谱仪的构成框图的示意图,如图1和2所示,所述台式煤质分析光谱仪包括外壳1、样品杯2、光源组件3、光谱生成组件4、温度控制组件5和湿度控制组件6,所述样品杯2和光源组件3分别位于所述外壳1的两个面上,所述外壳1呈中空腔体,所述光谱生成组件4、温度控制组件5和湿度控制组件6位于所述中空腔体,所述样品杯2用于放置煤样,所述光谱生成组件4用于生成煤样的光谱,所述温度控制组件5用于控制所述中空腔体内的温度恒定在设定温度范围,所述湿度控制组件6用于控制所述中空腔体的湿度恒定在设定湿度范围。
本发明光源组件3和光谱生成组件4分别位于外壳外和外壳内,光源组件3散热不影响光谱生成组件4,且通过温度控制组件5和湿度控制组件6降低了温度和湿度对光谱的影响。
在一个实施例中,如图3和4所示,所述温度控制组件5包括温度传感器51、导热片52、第一风扇53、制冷片54、散热片55和第二风扇56,所述温度传感器51用于测量外壳内的温度,所述导热片52用于将外壳内产生的热量导出,所述第一风扇53用于形成环绕外壳的循环风冷通道,所述制冷片54用于对外壳制冷,所述散热片55用于制冷片的散热,所述第二风扇56用于散热片的散热。
优选地,如图3和4所示,还包括密封箱7,所述密封箱固定在所述外壳1内,所述光谱生成组件4包括同轴光路41、积分球42和光谱仪43,所述积分球42和所述光谱仪43固定在所述密封箱7内,所述同轴光路41固定在密封箱7外,所述同轴光路41用于将所述光源组件3发出的光汇聚到样品杯2,所述积分球42用于对样品杯2内煤样的反射光进行漫散射后进入光谱仪43,所述光谱仪43用于生成煤样的光谱,所述密封箱7内还固定有温度传感器51、导热片52和第一风扇53,所述制冷片54、散热片55和第二风扇56按照远离密封箱7的方向依次设置在密封箱7外。
上述光谱仪和积分球均设置在密封箱内,使得积分球与光谱仪之间更加紧凑的同时通过温度控制组件使得光照射到煤样之前温度恒定,使得煤样的反射光在积分球内多次漫反射以及漫反射光出射到光谱仪温度恒定,很大程度上降低了温度对煤样光谱的影响。
在一个实施例中,如图3和4所示,所述湿度控制组件6包括连接筒61和干燥筒62,所述连接筒61可拆卸连接在外壳1上,所述干燥筒62可拆卸连接在连接筒61上,所述干燥筒62内放置干燥剂。
优选地,所述干燥筒62设置在密封箱7内。
在一个实施例中,所述湿度控制组件6还包括湿度传感器,用于测量外壳1内或密封箱7内中空腔体的湿度。
在一个实施例中,所述湿度传感器和所述温度传感器51集成为一体。
在一个实施例中,所述温度控制组件5还包括温度控制电路57,所述湿度组件还包括湿度控制电路,优选地,所述温度控制电路57和所述湿度控制电路可以集成为一体。
在一个实施例中,如图3和图4所示,所述光源组件3包括光源31、光源支架32、支架散热片33、光源散热片34和光源风扇35,所述光源31安装在光源支架32上,所述光源支架32安装在支架散热片33上,所述光源散热片34外包围所述光源31和光源支架32,所述光源风扇35的出风口朝向所述光源散热片34,通过支架散热片33、光源散热片34和光源风扇35对光源31进行全方位的散热,维持光源31的稳定。
本发明通过导热片52、第一风扇53、制冷片54、散热片55和第二风扇56对密封箱7进行从内到外的散热冷却,通过支架散热片33、光源散热片34和光源风扇35对光源31进行全方位的散热,且光谱仪43位于外壳内的密封箱7内,光源31位于外壳外,光源31的散热不影响光谱仪43,从多维度上保证了光谱仪43的温度和光源31的温度的稳定性,降低了温度对煤样光谱的影响。
在一个实施例中,如图3和图5所示,所述光谱仪43包括干涉仪431、检测器432和数据处理组件433,所述积分球42包括光源入口421、样品反射口422和漫反射光出口423,所述同轴光路41设置在光源组件3与积分球42之间且与积分球42同轴,所述同轴光路41与光源组件3的距离及所述同轴光路41与所述积分球42的距离设置为光源组件3发出的光从光源入口421进入后不经过积分球42直接漫反射而是先照射在样品反射口422的样品上,所述积分球42的样品反射口422和漫反射光出口423的相对位置设置为样品的反射光在积分球42内多次漫反射后通过漫反射光出口423进入干涉仪431,所述干涉仪431用于使得所述积分球42射出的漫反射光产生衍射,所述检测器432用于将衍射转换为电信号,所述数据处理组件433用于将电信号转换成光谱数据。
在一个实施例中,所述同轴光路41包括第一准直透镜411和第一汇聚透镜412,所述第一准直透镜411用于将光源组件3发出的光变成平行光束,所述第一汇聚透镜412用于将第一准直透镜411射出的平行光束通过光源入口421直接汇聚到样品反射口422。
在一个实施例中,第一准直透镜411的准直焦距越小,所述第一准直透镜411与光源组件3距离越小,经过第一准直透镜411的平行光束的光强度越高。
在一个实施例中,所述积分球42还包括挡光板424,所述挡光板424用于增加样品的反射光在积分球42内的漫反射次数;
优选地,所述挡光板424的一端固定于漫反射光出口423朝向样品反射口422的积分球42内壁上,所述挡光板424的另一端相对于积分球42内壁倾斜呈沿漫反射光出口423光轴线方向的锐角。
在一个实施例中,所述光谱生成组件4还包括第二准直透镜44和第二汇聚透镜45,所述第二汇聚透镜45设置在积分球42的漫反射光出口423和光谱仪43的入口之间,所述第二准直透镜44设置在所述第二汇聚透镜45与干涉仪431之间,所述第二汇聚透镜45用于将积分器的漫反射光出口423射出的漫反射光汇聚到第二准直透镜44,所述第二准直透镜44用于将第二汇聚透镜45汇聚的光束变成平行光束。
在一个实施例中,还包括窗片46,所述窗片46设置在所述样品反射口422上方。
在一个实施例中,台式煤质分析光谱仪还包括上托架9,所述上托架9用于安装样品杯2和窗片46,所述上托架9和密封箱7连接,所述密封箱7通过一个或多个支撑架与外壳1连接。
在一个实施例中,如图3和图5所示,本发明所述干涉仪431由动镜4311、分束镜4312和定镜4313组成,所述分束镜4312用于将平行光束分成两束,两束光经定镜4313和动镜4311反射后返回到分束器再次相遇,形成干涉光束,干涉光束汇聚到检测器432,动镜4311沿入射光方向的运动改变两条不同路径反射光束之间的光程差,产生时间序列干涉信号,检测器432接收干涉信号并将之转化为电信号输出。
在一个实施例中,如图3所示,还包括煤质分析组件8,所述煤质分析组件8与所述光谱生成组件4有线或者无线连接,所述煤质分析组件8用于将光谱生成组件4的光谱数据转换为光谱,通过所述光谱进行煤质分析。
上述煤质分析组件8可以是诸如计算机的终端设备,还可以是包括处理器和存储器的其他电子设备,还可以是存储有计算机程序的计算机可读存储介质。
在一个实施例中,上述煤质分析组件8包括:
输入模块81,将光谱数据转换为矩阵形式,获得光谱数据矩阵,所述光谱数据是煤样的每个光谱的每个吸光度构成的多维矩阵;
协方差矩阵构建模块82,构建输入模块81输入的光谱数据矩阵的协方差矩阵;
主元分析模块83,对协方差矩阵构建模块82构建的协方差矩阵进行主元分析,获得每个光谱的主成分构成的主成分光谱矩阵;
煤指标矩阵构建模块84,构建一个或多个煤的指标的一维或多维煤指标矩阵,煤的指标包括干燥无灰基、干燥基、空干基、收到基等,划分不同的基准是为了不同的使用;煤的收到基是以收到的煤的全部成分为基准的一种划分,具体如有收到基发热量、空干基发热量或收到基挥发分、干燥无灰基发热量等;
卷积神经网络构建模块86,将主元分析模块83的主成分光谱矩阵作为输入,以煤指标矩阵构建模块84构建的煤指标矩阵为输出,构建卷积神经网络:
训练模块87,通过训练集训练卷积神经网络,包括:训练集构建单元871,构建训练集;网络训练单元872,将训练集依次通过输入模块81、协方差矩阵构建模块82、主元分析模块83获得训练集的主成分光谱矩阵,通过煤指标矩阵构建模块84获得训练集的煤指标矩阵,过训练集的主成分光谱矩阵和煤指标矩阵对卷积神经网络构建模块86构建的卷积神经网络进行训练;
分析模块88,将煤样的主成分光谱矩阵输入训练后的卷积神经网络,获得对应的煤指标矩阵。
在一个实施例中,煤质分析组件8还包括插值模块85,用于对主元分析模块83的主成分光谱矩阵进行插值,进一步优选地,采用Hermite插值法在主成分光谱矩阵中进行多次插值。
在一个实施例中,卷积神经网络构建模块86采用MobileNetV2模型构建卷积神经网络,MobileNetV2模型的网络输入特征是一个单通道、高度为1、宽度为3的特征,使用二维卷积进行相应处理,所有瓶颈层均为倒残差瓶颈层(PW+DW+PW),卷积核K均为每一层上非PW的卷积核,为适应近红外光谱的高度与宽度的特殊性,将卷积核大小设置为1X3。
倍增系数t只用于倒残差瓶颈层,设置层内中间部分是输出通道数C的t倍。当重复次数n≠1时,倒残差瓶颈层执行结束,再重复执行(n-1)次倒残差瓶颈层,重复执行的步长S均为1,步长即每次移动S个点。填充(padding)均为(0,1)填充,即高度方向填充0,宽度方向填充1。
全局池化层(Global average pooling,GAP)用来获取处理后的主成分光谱矩阵对应的输出特征,经过GAP后,使用reshape函数变换,进行线性回归获取相应样品的性质值。
本发明通过协方差矩阵反应任一两个光谱数据之间的线性相关程度,通过主元分析模块83对协方差矩阵进行特征降维,能够不仅可以去除无用的噪声,还能减少计算量,并且结合卷积神经网络,建立一种轻量化、运算速度快、并且可在嵌入式设备运行的定量模型,为近红外光谱数据的泛化和定量模型的建立提供了新的思路。
本发明还提供一种利用上述台式煤质分析光谱仪进行煤质分析方法,包括:
将煤样放置于样品杯2;
检测外壳内温度是否达到设定温度范围,优选地,检测密封箱内温度是否达到设定温度范围;
检测外壳内的湿度是否达到设定湿度范围,优选地,检测外壳内湿度是否达到设定湿度范围;
当光谱仪43的温度达到设定温度范围且光谱仪43的湿度达到设定湿度范围时,
光源组件3发出的光经样品杯2的煤样反射后通过光谱生成组件生成煤样的光谱。
在一个实施例中,还包括:
将光谱数据转换为矩阵形式,获得光谱数据矩阵,所述光谱数据是煤样的每个光谱的每个吸光度构成的多维矩阵;
构建光谱数据矩阵的协方差矩阵;
对协方差矩阵进行主元分析,获得每个光谱的主成分构成的主成分光谱矩阵;
构建一个或多个煤的指标的一维或多维煤指标矩阵,煤的指标包括干燥无灰基、干燥基、空干基和收到基中的一个或多个;
将主成分光谱矩阵作为输入,以煤指标矩阵为输出,构建卷积神经网络:
通过训练集训练卷积神经网络,包括:构建训练集;获得训练集的主成分光谱矩阵;获得训练集的煤指标矩阵;过训练集的主成分光谱矩阵和煤指标矩阵对卷积神经网络进行训练;
将煤样的主成分光谱矩阵输入训练后的卷积神经网络,获得对应的煤指标矩阵。
在一个实施例中,在所述将主成分光谱矩阵作为输入,以煤指标矩阵为输出,构建卷积神经网络步骤之前还包括:对主成分光谱矩阵进行插值。
在本发明的一个具体实施例中,实施例1:采用本发明台式煤质分析光谱仪对煤样进行分析;对比例1:采用现有技术的基于光栅型的近红外光谱仪与本发明的煤质分析组件8进行煤质分析;对比例2:采用现有技术的基于傅里叶变换的近红外光谱仪与本发明的煤质分析组件8进行煤质分析;对比例3:采用本发明台式煤质分析光谱仪(不包括煤质分析组件8)与偏最小二乘(PLS)方法对煤样进行分析;对比例4:采用现有技术的基于光栅型的近红外光谱仪与偏最小二乘(PLS)方法进行煤质分析;对比例5:采用现有技术的基于傅里叶变换的近红外光谱仪与偏最小二乘(PLS)方法进行煤质分析;实施例1-对比例5的对同样煤样进行煤质分析得到的收到基发热量的数据如下表:
表1
通过上表可以看出,本发明煤质分析的偏差的绝对值最小,煤质分析结果最准确。
上述为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种台式煤质分析光谱仪,其特征在于,包括外壳、样品杯、光源组件、光谱生成组件、温度控制组件和湿度控制组件,所述样品杯和光源组件分别连接在所述外壳的两个面上,所述光谱生成组件、温度控制组件和湿度控制组件连接在所述外壳内,所述样品杯用于放置煤样,所述光源组件用于向所述煤样发射光,所述光谱生成组件用于将煤样的反射光转换成煤样的光谱,所述温度控制组件用于使得外壳内温度恒定在设定温度范围,所述湿度控制组件用于使得外壳内湿度恒定在设定湿度范围。
2.根据权利要求1所述的台式煤质分析光谱仪,其特征在于,所述温度控制组件包括温度传感器、导热片、第一风扇、制冷片、散热片和第二风扇,所述温度传感器用于测量外壳内的温度,所述导热片用于将外壳内产生的热量导出,所述第一风扇用于形成环绕外壳的循环风冷通道,所述制冷片用于对外壳制冷,所述散热片用于制冷片的散热,所述第二风扇用于散热片的散热。
3.根据权利要求2所述的台式煤质分析光谱仪,其特征在于,还包括密封箱,所述密封箱固定在所述外壳内,所述光谱生成组件包括同轴光路、积分球和光谱仪,所述积分球和所述光谱仪固定在所述密封箱内,所述同轴光路固定在密封箱外,所述同轴光路用于将所述光源组件发出的光汇聚到样品杯,所述积分球用于对样品杯内煤样的反射光进行漫散射后进入光谱仪,所述光谱仪用于生成煤样的光谱,所述密封箱内还固定有温度传感器、导热片和第一风扇,所述制冷片、散热片和第二风扇按照远离密封箱的方向依次设置在密封箱外。
4.根据权利要求1所述的台式煤质分析光谱仪,其特征在于,所述湿度控制组件包括连接筒和干燥筒,所述连接筒可拆卸连接在外壳上,所述干燥筒可拆卸连接在连接筒上,所述干燥筒内放置干燥剂。
5.根据权利要求1所述的台式煤质分析光谱仪,其特征在于,所述光源组件包括光源、光源支架、支架散热片、光源散热片和光源风扇,所述光源安装在光源支架上,所述光源支架安装在支架散热片上,所述光源散热片外包围所述光源和光源支架,所述光源风扇的出风口朝向所述光源散热片。
6.根据权利要求3所述的台式煤质分析光谱仪,其特征在于,所述光谱仪包括干涉仪、检测器和数据处理组件,所述积分球包括光源入口、样品反射口和漫反射光出口,所述同轴光路设置在光源组件与积分球之间且与积分球同轴,所述同轴光路与光源组件的距离及所述同轴光路与所述积分球的距离设置为光源组件发出的光从光源入口进入后不经过积分球直接漫反射而是先照射在样品反射口的样品上,所述积分球的样品反射口和漫反射光出口的相对位置设置为样品的反射光在积分球内多次漫反射后通过漫反射光出口进入干涉仪,所述干涉仪用于使得所述积分球射出的漫反射光产生衍射,所述检测器用于将衍射转换为电信号,所述数据处理组件用于将电信号转换成光谱数据;
优选地,所述同轴光路包括第一准直透镜和第一汇聚透镜,所述第一准直透镜用于将光源组件发出的光变成平行光束,所述第一汇聚透镜用于将第一准直透镜射出的平行光束通过光源入口直接汇聚到样品反射口;
优选地,所述光谱生成组件还包括第二准直透镜和第二汇聚透镜,所述第二汇聚透镜设置在积分球的漫反射光出口和光谱仪的入口之间,所述第二准直透镜设置在所述第二汇聚透镜与干涉仪之间,所述第二汇聚透镜用于将积分器的漫反射光出口射出的漫反射光汇聚到第二准直透镜,所述第二准直透镜用于将第二汇聚透镜汇聚的光束变成平行光束。
7.根据权利要求6所述的台式煤质分析光谱仪,其特征在于,还包括窗片,所述窗片设置在所述样品反射口上方。
8.根据权利要求6所述的台式煤质分析光谱仪,其特征在于,还包括煤质分析组件,所述煤质分析组件与所述光谱生成组件有线或者无线连接,所述煤质分析组件用于将光谱生成组件的光谱数据转换为光谱,通过所述光谱进行煤质分析;
优选地,所述煤质分析组件包括:
输入模块,将光谱数据转换为矩阵形式,获得光谱数据矩阵,所述光谱数据是煤样的每个光谱的每个吸光度构成的多维矩阵;
协方差矩阵构建模块,构建输入模块输入的光谱数据矩阵的协方差矩阵;
主元分析模块,对协方差矩阵构建模块构建的协方差矩阵进行主元分析,获得每个光谱的主成分构成的主成分光谱矩阵;
煤指标矩阵构建模块,构建一个或多个煤的指标的一维或多维煤指标矩阵,煤的指标包括干燥无灰基、干燥基、空干基和收到基中的一个或多个;
卷积神经网络构建模块,将主元分析模块的主成分光谱矩阵作为输入,以煤指标矩阵构建模块构建的煤指标矩阵为输出,构建卷积神经网络:
训练模块,通过训练集训练卷积神经网络,包括:训练集构建单元,构建训练集;网络训练单元,将训练集依次通过输入模块、协方差矩阵构建模块、主元分析模块获得训练集的主成分光谱矩阵,通过煤指标矩阵构建模块获得训练集的煤指标矩阵,过训练集的主成分光谱矩阵和煤指标矩阵对卷积神经网络构建模块构建的卷积神经网络进行训练;
分析模块,将煤样的主成分光谱矩阵输入训练后的卷积神经网络,获得对应的煤指标矩阵;
进一步优选地,所述煤质分析组件还包括插值模块,用于对主元分析模块的主成分光谱矩阵进行插值。
9.一种利用权利要求1-8中任一所述台式煤质分析光谱仪进行煤质分析方法,其特征在于,包括:
将煤样放置于样品杯;
检测外壳内的温度是否达到设定温度范围;
检测外壳内的湿度是否达到设定湿度范围;
当外壳内的温度达到设定温度范围且外壳内的湿度达到设定湿度范围时,
光源组件发出的光经样品杯的煤样反射后通过光谱生成组件生成煤样的光谱。
10.根据权利要求9所述的煤质分析方法,其特征在于,还包括:
将光谱数据转换为矩阵形式,获得光谱数据矩阵,所述光谱数据是煤样的每个光谱的每个吸光度构成的多维矩阵;
构建光谱数据矩阵的协方差矩阵;
对协方差矩阵进行主元分析,获得每个光谱的主成分构成的主成分光谱矩阵;
构建一个或多个煤的指标的一维或多维煤指标矩阵,煤的指标包括干燥无灰基、干燥基、空干基和收到基中的一个或多个;
将主成分光谱矩阵作为输入,以煤指标矩阵为输出,构建卷积神经网络:
通过训练集训练卷积神经网络,包括:构建训练集;获得训练集的主成分光谱矩阵;获得训练集的煤指标矩阵;过训练集的主成分光谱矩阵和煤指标矩阵对卷积神经网络进行训练;
将煤样的主成分光谱矩阵输入训练后的卷积神经网络,获得对应的煤指标矩阵;
优选地,所述将主成分光谱矩阵作为输入,以煤指标矩阵为输出,构建卷积神经网络步骤之前还包括:对主成分光谱矩阵进行插值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310518656.1A CN116559095A (zh) | 2023-05-09 | 2023-05-09 | 台式煤质分析光谱仪及煤质分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310518656.1A CN116559095A (zh) | 2023-05-09 | 2023-05-09 | 台式煤质分析光谱仪及煤质分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116559095A true CN116559095A (zh) | 2023-08-08 |
Family
ID=87503070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310518656.1A Pending CN116559095A (zh) | 2023-05-09 | 2023-05-09 | 台式煤质分析光谱仪及煤质分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116559095A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117723514A (zh) * | 2024-02-07 | 2024-03-19 | 山西品东智能控制有限公司 | 基于钠光源和智能算法的多指标煤质分析仪及检测方法 |
-
2023
- 2023-05-09 CN CN202310518656.1A patent/CN116559095A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117723514A (zh) * | 2024-02-07 | 2024-03-19 | 山西品东智能控制有限公司 | 基于钠光源和智能算法的多指标煤质分析仪及检测方法 |
CN117723514B (zh) * | 2024-02-07 | 2024-05-17 | 山西品东智能控制有限公司 | 基于钠光源和智能算法的多指标煤质分析仪及检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8213006B2 (en) | Multi-analyte optical computing system | |
US9170154B2 (en) | Data validation and classification in optical analysis systems | |
RU2730366C2 (ru) | Аналитическая система и способ для определения параметров гемоглобина в цельной крови | |
CN111175049A (zh) | 一种发动机燃烧室多维温度及浓度场的诊断系统及方法 | |
US20100141952A1 (en) | Multi-analyte optical computing system | |
US7777887B2 (en) | Absorption spectroscopy apparatus and method | |
US20100195105A1 (en) | Improved stability for optical computing system | |
WO2007064575A1 (en) | Optical analysis system and method for real time multivariate optical computing | |
CN103278472B (zh) | 一种傅立叶红外光谱仪及样品气体吸收池 | |
CN101216409A (zh) | 多源层析激光测量烟气、颗粒浓度和温度分布方法及装置 | |
CN116559095A (zh) | 台式煤质分析光谱仪及煤质分析方法 | |
US7215428B2 (en) | Absorption spectroscopy apparatus and method | |
JP2019066475A (ja) | 多重反射セル、ガス分析装置、及び多重反射セル用ミラーの製造方法 | |
WO2015160520A1 (en) | Method and systems to analyze a gas-mixture | |
CN105954229A (zh) | 基于步进扫描积分吸收法的烷烃类气体检测系统及方法 | |
CN104502304A (zh) | 基于虚拟狭缝技术的微型固化近红外光谱仪 | |
US20230266249A1 (en) | Characteristic information extraction method and portable detection system for small-molecule volatile substances | |
CN114414212B (zh) | 一种便携式激光光束质量β因子测试装置 | |
CN106018315A (zh) | 一种基于罗兰光栅的发动机排放气体分析仪 | |
CN214622270U (zh) | 一种外球式漫反射光谱测量装置 | |
JP6778671B2 (ja) | 多重反射セル及びガス分析装置 | |
US9689795B2 (en) | Methods and systems to analyze a gas-mixture | |
CN116297320B (zh) | 用于煤质分析的近红外光谱系统及煤质分析方法 | |
Sieber et al. | Optical modeling of the analytical chamber of an IR gas sensor | |
Gupta | Multipass Optical Cavity Based Technique for Trace Level Detection of Heavy Water |
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 |