基于双能X射线对中低灰煤灰分识别研究与预测

摘要

【目的】针对中低灰煤灰分的实时监测过程中存在检测精度低、检测周期长、辐射风险大的问题，提出了一种基于双能X射线测量和人工智能算法相结合的检测模型和测量方法，即基于MLP神经网络的煤炭灰分检测模型。【方法】基于双能X射线设计了中低灰煤灰分检测实验系统，以粒度、X射线入射角、水分和组成成分作为变量，研究了不同因素对中低灰煤灰分识别效果的影响。建立了X射线透射灰度值与样品灰分含量之间的精准映射关系，采用双能X射线数据对神经网络进行训练，保证模型预测的准确性和可靠性。【结果】结果表明，最后训练后的模型预测值与真实值的均方根误差为0.081 7，平均绝对误差为0.000 01。灰分<20%时，预测范围偏差为±0.79%；灰分为20%～35%时，预测范围偏差为±0.94%；灰分>35%时，预测范围偏差较大。

关键词

灰分 / 双能X射线 / MLP神经网络 / 蝗虫算法