激光与红外

作者：李云红

单位：1.西安工程大学电子信息学院,陕西 西安 710048；2.北京大学电子学院,北京 100871；3.中北大学 省部共建动态测试技术国家重点实验室,山西 太原 030051；4.内蒙航天动力机械测试所,内蒙古 呼和浩特 010076；

关键词：煤灰分;BP神经网络;粒子群算法;LIBS;光谱强度

基金：国家自然科学基金项目(No.61727819)；陕西省科技厅自然科学基础研究重点项目(No.2022JZ-35)资助。

灰分是衡量煤炭质量优劣的关键指标,是衡量煤矿和选煤厂煤炭产品质量的主要指标之一。针对传统煤灰分含量识别效率低、煤样本质量不高的问题,本文基于粒子群优化算法(PSO)和BP神经网络,提出了基于粒子群神经网络的煤炭灰分预测模型。目的是快速识别出煤炭产品中灰分的含量,为煤炭开采提供技术支撑。研究选取了180个标准煤粉样品,1～140号样本数据用于训练集,141～180号样本数据作为测试集。应用PSO BP模型对煤炭灰分特性进行了研究,仿真结果表明:优化后的6维BP神经网络模型,决定系数R2为088501越接近1,表明建立的PSO BP模型具有较好的预测性能,灰分预测值与灰分真值无限逼近。进而表明所构建的灰分预测模型具有较高的预测精度,提升了模型的泛化能力和预测精度,为后续的LIBS术应用于煤炭检测提供一定的理论依据。

来源：2023年第11期

《激光与红外》期刊编辑部

查看激光与红外杂志2023年第11期