煤質(zhì)煤量全面在線檢測技術(shù)發(fā)展現(xiàn)狀及應(yīng)用進(jìn)展

王洪磊 ，郭 鑫 ，張亦凡 ，張俊升

（1.煤炭科學(xué)研究總院有限公司 智能礦山研究院 北京, 100013；2.煤炭智能開采與巖層控制全國重點實驗室 北京, 100013）

0 引 言

我國正處于煤炭工業(yè)4.0 時代，近30 年來我國煤炭工業(yè)的現(xiàn)代化和管理水平都有很大提高，煤礦智能化正在向著中高級階段邁進(jìn)，八部委聯(lián)合印發(fā)的《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》為我國煤炭工業(yè)智能化發(fā)展指明了方向。煤炭從賦存于地下到運輸至客戶端是全產(chǎn)業(yè)鏈過程，快速、高效、實時掌握開采、運輸和加工利用過程中煤質(zhì)煤量信息是建立多維數(shù)據(jù)網(wǎng)絡(luò)，實現(xiàn)全流程信息透明化、互聯(lián)互通的基礎(chǔ)。為提高生產(chǎn)效率、降低資源浪費、建立健全煤炭全產(chǎn)業(yè)鏈的智能化管理與檢測，煤炭在分倉入庫、快速裝車、分選、工業(yè)燃燒、煤化工加工利用等環(huán)節(jié)對于煤質(zhì)、煤量在線檢測技術(shù)的需求十分迫切[1-6]。

我國煤質(zhì)在線檢測技術(shù)相較于國外起步晚，20世紀(jì)90 年代以來相繼研發(fā)了雙能量γ 射線在線灰分測量儀、中子活化型煤質(zhì)分析儀，成為21 世紀(jì)初科學(xué)研究與工業(yè)現(xiàn)場應(yīng)用的主要煤質(zhì)在線檢測技術(shù)[7-8]。與低能γ 射線反散射法相比，不需分流、破碎、制樣等流程，可直接測量輸送帶上煤層并實現(xiàn)自動校正[9]。但上述技術(shù)使用放射源，污染環(huán)境、傷害人體，存在潛在核輻射等問題[10-12]。近幾十年，受限于放射源使用的成本及安全問題，不使用放射源的“無源”煤質(zhì)在線檢測技術(shù)更受關(guān)注，其中光譜學(xué)技術(shù)主要有基于檢測煤天然γ 射線特征的天然γ 射線檢測法[13]、基于激發(fā)-接收光譜的X 射線在線檢測技術(shù)[14]（多能X 射線吸收法（MXRA）[1,3]、X 射線熒光法（XRF）[12]等）、近紅外光譜分析法[15]、激光拉曼光譜技術(shù)[16]、激光誘導(dǎo)擊穿光譜分析法（Laser-induced Breakdown Spectroscopy, LIBS）[17-19]等，以及為彌補(bǔ)單一技術(shù)獲取信息缺失而開發(fā)的多光譜聯(lián)用技術(shù)（LIBS-Raman[20]、LIBS-XRF[21-22]、LIBS-FTIR/NIRS[23-24]）。此外，人工智能手段具有捕捉樣品豐富信息與進(jìn)行大樣本數(shù)據(jù)運算優(yōu)勢，圖像識別與機(jī)器視覺也被嘗試用于建立煤表面特征信息與煤質(zhì)參數(shù)模型，通過相機(jī)實時捕獲樣本宏觀特征計算煤質(zhì)參數(shù)數(shù)據(jù)[25-27]。

煤量檢測方面，以煤炭主運輸系統(tǒng)的煤流量智能感知技術(shù)為代表，接觸式檢測方法發(fā)展較成熟，主要是電子輸送帶秤檢測法，非接觸式檢測方法主要有核子秤、超聲波、激光雷達(dá)、單/雙目視覺法、結(jié)構(gòu)光視覺法等[5]。煤量檢測對煤炭生產(chǎn)、加工和利用過程的運行管理、能源節(jié)約、安全保障和環(huán)境保護(hù)都具有重要作用，通過準(zhǔn)確檢測和控制煤量，可提高生產(chǎn)效率、降低成本、保障安全。

厘清煤炭工業(yè)應(yīng)用多場景對煤質(zhì)煤量全面分析技術(shù)的需求、技術(shù)應(yīng)用的難點問題，對發(fā)展煤質(zhì)煤量全面分析意義重大，可有效幫助煤炭企業(yè)實時檢測和控制煤炭生產(chǎn)、運輸和加工利用各環(huán)節(jié)的煤質(zhì)和煤量信息，并利用有效信息進(jìn)行工業(yè)指導(dǎo)。本文綜合考慮煤炭生產(chǎn)、運輸和加工利用過程中煤質(zhì)煤量檢測問題，在分析煤質(zhì)煤量全面分析技術(shù)在工業(yè)應(yīng)用需求的基礎(chǔ)上，重點闡述以激光誘導(dǎo)擊穿光譜法及其與其他光譜聯(lián)合的多光譜聯(lián)用技術(shù)為代表的光譜學(xué)技術(shù)的基本原理、優(yōu)缺點、研究進(jìn)展與工業(yè)應(yīng)用情況和以圖像分析為代表的人工智能煤質(zhì)煤量檢測方法。然后，提出現(xiàn)階段不同技術(shù)在進(jìn)行煤質(zhì)煤量實時檢測時存在的技術(shù)局限性。最后，從理論研究和工程實踐方面展望了提出基于煤田地質(zhì)時空背景，發(fā)展多技術(shù)聯(lián)用，建立工業(yè)應(yīng)用場景-煤質(zhì)參數(shù)-實際應(yīng)用指導(dǎo)數(shù)據(jù)庫的4 方面發(fā)展建議，為未來工業(yè)化煤質(zhì)煤量在線檢測的研究導(dǎo)向和工作重心提供理論參考。

1 煤質(zhì)煤量全面分析工業(yè)應(yīng)用需求

煤質(zhì)煤量實時檢測技術(shù)的工業(yè)應(yīng)用是否穩(wěn)定可靠受3 方面因素影響：①設(shè)備使用的工業(yè)場景；②被檢煤樣性質(zhì)；③所采用的檢測技術(shù)。煤炭從開采、運輸?shù)郊庸だ茫b于其流通節(jié)點過程，其粒度狀態(tài)不斷發(fā)生變化。

1）煤炭生產(chǎn)及運輸。原煤開采端（運煤輸送帶）是煤炭流通的開始，源頭煤質(zhì)煤量信息有助于煤礦生產(chǎn)過程中的煤質(zhì)煤量控制和優(yōu)化，對實時獲取煤質(zhì)煤量信息有實際需求。但開采端原煤粒度大、矸石含量高、還易摻雜井下作業(yè)混入的金屬件等雜物[12]，為準(zhǔn)確獲取煤質(zhì)信息帶來了挑戰(zhàn)。

2）煤炭分選。分選過程中，實時煤質(zhì)煤量參數(shù)對煤質(zhì)分析和排序、過程控制和優(yōu)化、資源利用和損失控制、產(chǎn)品質(zhì)量控制及安全監(jiān)測等都非常重要[28]。分選時對煤進(jìn)行破碎，進(jìn)一步去除煤矸石、開采時混入的雜質(zhì)等，有助于提高煤質(zhì)的均勻性。

3）分倉入庫與快速裝車。煤礦儲運的智能化改造要求數(shù)字化的煤場管理系統(tǒng)，這就要求對煤的進(jìn)、耗、存、質(zhì)、量有精細(xì)化管理[29]。煤炭分倉入庫時，實時煤質(zhì)信息有助于分區(qū)堆放和對不同煤進(jìn)行精準(zhǔn)定位。煤量信息有助于實時掌握總煤量及輸送帶堆取量，可在數(shù)字化建設(shè)中形成二維圖全面直觀掌握倉庫存煤信息，查看存煤結(jié)構(gòu)。

4）煤炭加工利用。與上述應(yīng)用場景相比，煤炭的加工利用對實時煤質(zhì)煤量參數(shù)需求最高，且要求的精細(xì)化程度也最高[30]。燃煤發(fā)電廠對煤質(zhì)參數(shù)有時效性需求，獲取實時煤質(zhì)參數(shù)，有助于調(diào)整燃燒過程中煤耗、氧氣供應(yīng)和爐膛溫度等參數(shù)，實現(xiàn)最佳燃燒效果和熱能利用效率，降低燃料消耗和排放物排放；可根據(jù)煤的發(fā)熱量、水分含量和灰熔點等參數(shù)，通過負(fù)荷需求，調(diào)節(jié)煤炭投入量和燃燒條件，保持發(fā)電系統(tǒng)穩(wěn)定運行[31]；通過監(jiān)測煤中硫含量采取相應(yīng)脫硫技術(shù)，降低煙氣污染物排放[32]；煤的灰分、熔融性影響煤灰結(jié)渣，對發(fā)電設(shè)備造成損害，通過監(jiān)測煤灰、常量元素等參數(shù)可采取應(yīng)對措施，保護(hù)鍋爐、燃燒器和氣凈化設(shè)備等關(guān)鍵設(shè)備正常運行[33]?，F(xiàn)代煤化工廠對實時煤質(zhì)煤量信息需求迫切，主要在于煤化工過程對煤質(zhì)要求嚴(yán)格，需實時、準(zhǔn)確地監(jiān)測和控制煤質(zhì)煤量參數(shù)，煤質(zhì)煤量參數(shù)對煤化工產(chǎn)業(yè)的原料選擇、工藝控制、能源利用效率和環(huán)境保護(hù)等均有指導(dǎo)意義。

2 煤質(zhì)在線檢測技術(shù)發(fā)展現(xiàn)狀

目前，不使用放射源的煤質(zhì)在線檢測技術(shù)主要有2 類，一類是基于光譜學(xué)方法，通過光譜法檢測煤中元素，根據(jù)煤質(zhì)與元素關(guān)系，通過算法擬合出煤的灰分、揮發(fā)分、固定碳、發(fā)熱量等指標(biāo)參數(shù)。另一類是以圖像分析為代表的人工智能實時煤質(zhì)檢測方法，基于煤的組成與煤表面信息關(guān)系，通過煤表面信息獲取煤質(zhì)主要參數(shù)。將從基本原理、優(yōu)缺點及研究進(jìn)展等3 個方面進(jìn)行論述。

2.1 光譜學(xué)方法

2.1.1 天然γ 射線檢測法

天然γ 射線檢測法是較早實現(xiàn)工業(yè)化應(yīng)用的在線煤質(zhì)檢測技術(shù)，通過探測器捕捉煤中天然放射性元素釋放的γ 射線來計算煤的灰分產(chǎn)率。當(dāng)γ 射線與煤中礦物質(zhì)或有機(jī)質(zhì)相互作用時會與元素發(fā)生光電反應(yīng)、康普頓散射、電子對效應(yīng)等[34]，天然γ 射線能量向低能方向聚集，該情況下形成的譜線形狀和峰面積與煤中不同有效原子序數(shù)元素分布狀態(tài)有關(guān)，可進(jìn)一步解析出煤的元素組成特征。由于我國煤中放射性元素含量低，有時甚至僅為環(huán)境本底水平，導(dǎo)致探測器探測的信號弱、測量困難。

張韜[34]基于該原理設(shè)計了由PMT 探測器模塊、多道處理模塊、閾值甄別模塊以及脈沖計數(shù)模塊組成的實時煤質(zhì)檢測裝備，捕捉天然煤中γ 射線發(fā)出的波長為300～650 nm 的弱光信號，對信號進(jìn)行多道處理后實現(xiàn)對光子的多道計數(shù)，在分析各通道單位時間內(nèi)光子數(shù)目的基礎(chǔ)上計算了待測煤樣灰分值。通過檢測煤中放射性元素獲取煤質(zhì)參數(shù)，只有當(dāng)煤中放射性元素226Ra、232Th 和40K 等與煤中礦物質(zhì)含量相關(guān)性較好時才能反映所檢測煤質(zhì)水平[35]。此外，實際工作時，該檢測方法需對樣本進(jìn)行標(biāo)定，無法直接檢測未知樣品，通過實驗室國標(biāo)化驗方法獲取煤質(zhì)參數(shù)數(shù)據(jù)，輸入計算機(jī)后才可檢測待檢測樣品。由于煤中放射性元素含量有限，該方法對探測器要求較高并且對探測器所處的環(huán)境要求也高，粉塵環(huán)境中使用探測器容易存在探測器污染問題，若探測器表面粉塵厚度＞1 mm，則檢測性能顯著下降[36]。

2.1.2 X 射線檢測法

基于X 射線的實時煤質(zhì)在線檢測技術(shù)有多能X 射線吸收法（MXRA）[1,3]、X 射線熒光法（XRF）[12]。X 熒光射線檢測煤樣時，煤中元素均會釋放出不同熒光波長特征的二次X 射線（圖1）[37]，通過測定熒光數(shù)量、能量等可獲取煤中各元素類型及含量。使用X 熒光射線照射煤樣時，由于煤中原子序數(shù)小的元素可吸收X 射線較多，導(dǎo)致其產(chǎn)生的熒光輻射減弱。因此，該技術(shù)只適用于檢測煤中原子序數(shù)＞11的元素，如S、Si、Fe、Al、Ca、Ti、K、Mn、P 等，不能檢測原子序數(shù)小的輕元素[11-12]。因此，在煤質(zhì)分析中，XRF 可高穩(wěn)定地分析成灰元素Al、Si、Ca、Fe 等（相對標(biāo)準(zhǔn)偏差RSD<1%），但無法檢測與發(fā)熱量和揮發(fā)分相關(guān)的有機(jī)元素C 和H，因而從原理上無法分析發(fā)熱量和揮發(fā)分[37]。可通過使用更高能量的X射線源和優(yōu)化儀器參數(shù)，在一定程度上增加對原子序數(shù)小的元素的檢測能力。由于X 射線能量有限，使用該方法進(jìn)行實時煤質(zhì)檢測時，對輸送帶上煤流的粒度和厚度均有要求[11-12]，因此，需設(shè)置獨立的采樣系統(tǒng)對煤樣進(jìn)行破碎。楊金祥[38]設(shè)計了輸送帶端部平移式采樣與XRF 相結(jié)合的實時煤質(zhì)檢測技術(shù)，實現(xiàn)了原煤煤質(zhì)的無損檢測，XRF 光譜儀每2 min 完成1個樣品分析，能夠及時快速掌握入洗前煤質(zhì)信息。此外，由于XRF 檢測受煤顆粒與不平整表面影響，檢測器與樣品之間的距離不斷變化[39]，因此通過調(diào)整XRF 測距提高XRF 測量系統(tǒng)精度尤為重要。JIA 等[39]研制了由便攜式XRF 分析儀和輔助距離校正模塊組成的硫元素濃度在線測量系統(tǒng)，利用已知樣品得到了硫濃度分析的校準(zhǔn)曲線，并探究了X 射線熒光強(qiáng)度與表面到儀器距離的關(guān)系，提出了X 射線熒光強(qiáng)度的距離修正公式。ZHANG 等[40]研制了由XRF 分析儀和激光測距儀組成的元素在線分析系統(tǒng)（圖2），用于在線檢測煤粉中重金屬的含量。將XRF 分析儀安裝在滑橇上用于有效地平滑煤粉表面，減少表面粗糙度對測量的影響；將激光測距儀安裝在滑橇尾部，用于測量煤粉和分析儀之間間距。該系統(tǒng)檢測煤中元素Hg、Pb、Cr、Ti、Fe 和 Ca 的檢出限分別為 44±2、34±2、17±3、41±4、19±3 和65±2 mg/kg，測 量Cr、Ti 和Ca 的RSD 小于10%，對Fe 的RSD 為0.8%～24.26%，Hg 和Pb的RSD 大于20%?？梢姡琗RF 在線檢測元素的測量精度與元素性質(zhì)密切相關(guān)。ZHANG 等[41-42]從XRF 強(qiáng)度與距離的理論相關(guān)性、方法和試驗等方面開展了XRF 測量精度的校正研究，提出了顆粒煤在線X 射線熒光分析精度的距離校正方法，有效提高了元素的檢測精度。由于在線XRF 測量的準(zhǔn)確性受到諸多因素影響，因此未來仍面臨許多挑戰(zhàn)[43-44]。

圖1 特征熒光X 射線的產(chǎn)生[37]Fig.1 Generation of characteristic fluorescent X-ray[37]

圖2 輸送過程中XRF 在線檢測系統(tǒng)[40]Fig.2 Online XRF analysis system during the fuel supply process [40]

2.1.3 近紅外光譜法

近紅外光譜（Near Infrared Spectroscopy，NIRS）法是20 世紀(jì)末發(fā)展起來的高效、快速分析技術(shù)。近紅外光指波長為780～2 526 nm 的電磁波，發(fā)生在該區(qū)的吸收譜帶對含氫官能團(tuán)（如C—H、O—H、N—H、S—H）基頻振動的倍頻和組合頻吸收。在波長范圍內(nèi)，特定原子均有其對應(yīng)的特征吸收并符合朗伯比爾（Lambert-Beer）定律，可通過原子濃度與吸光度關(guān)系計算相應(yīng)原子含量[45]。運用近紅外光譜法進(jìn)行實時煤質(zhì)在線檢測時，通過獨特的光譜指紋識別樣品，從而獲得樣品的物理、化學(xué)性質(zhì)等信息，可直接獲得煤的水分、揮發(fā)分、固定碳等，間接獲得灰分、發(fā)熱量等煤質(zhì)參數(shù)。通過建立煤樣的近紅外光譜數(shù)據(jù)與煤質(zhì)參數(shù)之間的關(guān)系，選擇主成分分析 (PCA)、偏最小二乘回歸 (PLS) 法等建立煤質(zhì)參數(shù)與光譜特征之間的關(guān)聯(lián)模型，可進(jìn)行待檢樣品的檢測[30,46-47]。

周悅[48]基于自主研制的光譜集成探頭，搭建了近紅外光譜在線采集系統(tǒng)，選用氣煤、褐煤、無煙煤與細(xì)砂巖、碳質(zhì)頁巖、夾矸作為研究對象，使用偏最小二乘回歸算法建立了煤矸灰分預(yù)測模型，通過分析并校正粒度等對光譜的影響，構(gòu)建了動態(tài)狀態(tài)下的煤矸灰分預(yù)測通用模型。梁勇[47]對100 份煤樣進(jìn)行了光譜測試，構(gòu)建了揮發(fā)分、高位發(fā)熱量、彈筒發(fā)熱量及低位發(fā)熱量的自然定位模型，獲得了交叉驗證相關(guān)系數(shù)＞0.85 及相關(guān)系數(shù)結(jié)果＞0.95 的結(jié)論，認(rèn)為近紅外光譜技術(shù)檢測煤質(zhì)參數(shù)具有較高的可應(yīng)用價值。李鳳瑞等[49]利用NIRS 測定了煤的發(fā)熱量，采用多元線性回歸方法建模，預(yù)測發(fā)熱量與人工化驗標(biāo)準(zhǔn)值之間的相關(guān)系數(shù)為0.92，模型的標(biāo)準(zhǔn)差（SD）為1.58。KIM 等[50]討論了多波長NIRS 傳感器在煤工業(yè)分析、元素分析和加熱等特性分析中的適用性，根據(jù)煤的性質(zhì)對近紅外光譜進(jìn)行分析，篩選出了測定煤的物性濃度最有用的波長，分別為1 680、1942、2 100、2 180、2 300 nm，采用多元回歸分析法分析了128 個常規(guī)火力發(fā)電廠混合煤樣品的特征波長吸光度與煤質(zhì)參數(shù)的相關(guān)性。王建義等[51]針對建立的NIRS 煤質(zhì)定量分析模型異常樣品影響模型預(yù)測精度問題，提出了用二次診斷法剔除異常樣品的方法，有效提高了模型的預(yù)測精度。WANG 等[52]通過199 份樣品的NIRS 光譜，建立了煤的全水分、內(nèi)在水分、灰分、揮發(fā)分、固定碳和硫分等6 種煤質(zhì)參數(shù)的PLS 模型，結(jié)果表明，不同類型的模型比整個樣本集的模型更有效，并結(jié)合PCA 和支持向量機(jī)（SVM）得到了新的煤樣分類方法。

由于我國近紅外光譜技術(shù)發(fā)展較晚，還未有一套完整的煤質(zhì)檢測分析圖譜數(shù)據(jù)庫，未來有望通過結(jié)合主成分分析法[53]、人工神經(jīng)網(wǎng)絡(luò)分析法、多元線性回歸、偏最小二乘法等[46-47]多種校正方法，提高模型的預(yù)測精準(zhǔn)度。山西大學(xué)張雷團(tuán)隊[53]基于NIRS 對煤中有機(jī)基團(tuán)高穩(wěn)定檢測的特性和XRF 對煤中成灰元素的高穩(wěn)定檢測特性，提出了NIRSXRF 聯(lián)用的煤發(fā)熱量高穩(wěn)定檢測方法，該聯(lián)用技術(shù)可提高煤發(fā)熱量的檢測重復(fù)性，滿足小于0.12 MJ/kg的國家標(biāo)準(zhǔn)，具有工業(yè)推廣潛力。

2.1.4 拉曼光譜法

拉曼光譜（Raman Spectroscopy，Raman）是近年來迅速發(fā)展的快速無損碳材料結(jié)構(gòu)檢測技術(shù)，被廣泛應(yīng)用于煤大分子結(jié)構(gòu)表征[54-55]。Raman 光譜技術(shù)通過激光主動照射樣品形成拉曼散射信號以獲取分子結(jié)構(gòu)信息。Raman 光譜與近紅外光譜技術(shù)一樣具有快速無損檢測的特點，此外還不懼水分干擾[56]。應(yīng)用拉曼光譜進(jìn)行實驗室煤微觀結(jié)構(gòu)解析時，多集中于分析1 000～1 800 cm-1的一階模拉曼研究，通過對拉曼光譜進(jìn)行去卷積處理，獲得起源于sp2碳原子A1g 對稱振動的D 峰譜帶（～1 350 cm-1）和起源于sp2碳原子E2g 對稱振動的G 峰譜帶（1 585 cm-1），實現(xiàn)對煤納米級結(jié)構(gòu)演化特征的研究[57]。當(dāng)前，快速、無損、高精度檢測的激光拉曼光譜已在石化、醫(yī)藥、衛(wèi)生、國防安全等領(lǐng)域廣泛應(yīng)用[58]，手持式拉曼光譜儀已經(jīng)用于醫(yī)藥行業(yè)藥品成分的快速分析。

通過光源、連接光纖、拉曼探頭、光學(xué)元件、探測器和計算機(jī)等相關(guān)技術(shù)的發(fā)展，以及數(shù)據(jù)采集和化學(xué)計量學(xué)等分析方法的應(yīng)用，拉曼光譜在線分析設(shè)備在解決熒光干擾、信號弱和造價高等問題方面取得了一定進(jìn)展。這些技術(shù)的改進(jìn)提高了拉曼光譜檢測的靈敏度和精度，也使得拉曼光譜能夠更好地應(yīng)用于在線分析和過程監(jiān)測[59-60]。石化領(lǐng)域，拉曼光譜用于定量分析天然氣主要組分[61]，開發(fā)汽油調(diào)和系統(tǒng)[62]，化學(xué)品反應(yīng)[63]等，用于煤質(zhì)成分在線檢測研究相對較少，主要由于煤成分復(fù)雜，存在光譜重疊解析等問題。使用拉曼光譜進(jìn)行實時煤質(zhì)在線檢測時，拉曼光譜可提供煤的水分、灰分、揮發(fā)分、固定碳、發(fā)熱量等多煤質(zhì)參數(shù)，復(fù)雜煤成分造成的背景干擾對拉曼光譜數(shù)據(jù)處理和校正方法有較高要求[56]。于鵬峰等[16]研究了我國15 種原煤的PL（可見光）-Raman 光譜，提出了3 個能代表光譜特性的特征參數(shù)，即反映熒光強(qiáng)度的KCE、KCF和綜合反映熒光峰與拉曼峰相對強(qiáng)度的IC/G，建立了3 個參數(shù)與煤質(zhì)特性和煤燃燒特性之間的相關(guān)性，研究表明通過熒光峰與拉曼峰相對強(qiáng)度參數(shù)IC/G可評估煤質(zhì)特性參數(shù)揮發(fā)分和碳?xì)滟|(zhì)量比，為拉曼光譜應(yīng)用于煤質(zhì)特性預(yù)測奠定了科學(xué)理論基礎(chǔ)。華中科技大學(xué)向軍團(tuán)隊[16,57]在此基礎(chǔ)上，研究了煤拉曼光譜有效解析方法，揭示了激光拉曼光譜特征參數(shù)與煤質(zhì)參數(shù)有效關(guān)聯(lián)關(guān)系，建立了拉曼-煤質(zhì)-燃燒特性關(guān)聯(lián)數(shù)據(jù)庫，實現(xiàn)了激光拉曼光譜對煤質(zhì)的快速有效識別與檢測，并針對煤質(zhì)特性及煤質(zhì)在線檢測需求開發(fā)了基于煤質(zhì)快速檢測的激光拉曼光譜系統(tǒng)（圖3）。該套系統(tǒng)通過自動取制樣裝置、自動檢測平臺及數(shù)據(jù)自動處理系統(tǒng)實現(xiàn)了激光拉曼光譜全流程自動化快速煤質(zhì)檢測，檢測煤質(zhì)參數(shù)包括水分、灰分、揮發(fā)分、固定碳、發(fā)熱量等工業(yè)應(yīng)用關(guān)鍵煤質(zhì)指標(biāo)。

圖3 激光拉曼光譜煤質(zhì)在線檢測系統(tǒng)與主要設(shè)備[57]Fig.3 Online coal quality detection system and main equipment based on Laser Raman spectroscopy [57]

2.1.5 激光誘導(dǎo)擊穿光譜分析法

激光誘導(dǎo)擊穿光譜分析法（Laser-induced Breakdown Spectroscopy，LIBS）是原子發(fā)射光譜技術(shù)，由于其制樣簡單、快速、原位、遠(yuǎn)程、全元素同步分析[64-67]，在環(huán)境檢測、冶金、礦業(yè)、食品安全、巖性分析等領(lǐng)域有重要應(yīng)用價值[68-71]，被譽(yù)為“未來分析化學(xué)巨星”。LIBS 采用高能激光將樣本消融并激發(fā)出等離子體，探測等離子體輝光光譜來分析樣本元素。該技術(shù)基于點分析，脈沖激光聚焦在待測樣品表面，激光聚焦區(qū)域的物質(zhì)吸收光子能量被瞬間加熱氣化、解離，形成由自由電子、處于激發(fā)態(tài)的離子和原子組成的高溫等離子體。脈沖激光作用結(jié)束后，等離子體逐漸降溫，在等離子體冷卻過程中處于激發(fā)態(tài)的粒子向下躍遷至低能級或基態(tài)（圖5），其激發(fā)能以電磁波的形式向外輻射產(chǎn)生與元素對應(yīng)的特征譜線（圖4）[72]。若要通過元素特征譜線強(qiáng)度得到樣品中元素含量信息，則需滿足等離子體中各元素含量與樣品中各元素含量相同[72]，即滿足化學(xué)計量燒蝕，此外還需要等離子體強(qiáng)度達(dá)到局部熱平衡狀態(tài)，該狀態(tài)的判定與等離子體電子濃度有關(guān)。在此假設(shè)下,通過計算等離子體中元素含量信息便可獲得樣品中元素含量信息。

圖4 激光誘導(dǎo)擊穿光譜技術(shù)原理[73]Fig.4 Theory of LIBS [73]

圖5 煤中元素的典型激光誘導(dǎo)擊穿光譜[18]Fig.5 LIBS Spectrum of elements in coal[18]

20 世 紀(jì)80 年 代，OTTESEN 等[71]最 先 使用LIBS 技術(shù)檢測煤中元素，實現(xiàn)了對煤中C、H、O、N、Si、Al、Na、K、Mg、Ca、Fe、Li 等元素的定性分析，表明LIBS 技術(shù)用于煤質(zhì)部分指標(biāo)檢測的可行性。21 世紀(jì)初，NODAM 等[73]利用LIBS 檢測了煤灰中元素成分，BODYD 等[74]研發(fā)了基于LIBS 技術(shù)的煤炭在線監(jiān)測裝置，GAFT 等[18]采用LIBS 分析了不同類型煤的擊穿光譜特征，一系列研究成果掀起了LIBS 煤質(zhì)檢測的熱潮。在使用LIBS 進(jìn)行煤質(zhì)檢測時，煤組成復(fù)雜且不同煤種、煤化程度煤的物理化學(xué)性質(zhì)差異大，存在顯著的基體效應(yīng)，導(dǎo)致定量分析精度低。董美蓉等[75]在研究碳元素形態(tài)的激光誘導(dǎo)擊穿光譜特性時指出C 元素光譜由于其化學(xué)構(gòu)成、分子內(nèi)原子作用大小不同而存在差異[75]；且有機(jī)元素C、H、O、N 的電離能高于無機(jī)元素Si 和Al 等，當(dāng)激光能量相同時，揮發(fā)分產(chǎn)率低而灰分產(chǎn)率高的煤樣更容易被電離擊穿，燒蝕量更大，因此基于煤化程度分析，無煙煤的等離子體溫度和電子密度最大，煙煤次之、褐煤最小[76]。此外，煤的水分含量[77]、粒度狀態(tài)（粉狀或塊狀）[78]均會影響樣品被激光出的等離子體狀態(tài)，水分含量高，水分蒸發(fā)消耗的激光能量高，產(chǎn)生的等離子溫度和元素特征譜線強(qiáng)度則低。

為提高LIBS 檢測煤質(zhì)參數(shù)精度，實現(xiàn)煤的元素含量與工業(yè)分析等多指標(biāo)準(zhǔn)確測量，國內(nèi)外學(xué)者在LIBS 煤質(zhì)檢測系統(tǒng)（激光系統(tǒng)[79-80]、收光系統(tǒng)[81]）參數(shù)優(yōu)化、基體效應(yīng)及修正[82-83]、有效模型建立等[84]方面做了大量研究工作。姚順春團(tuán)隊[85]指出LIBS激光作用于輸送帶上原煤煤粉顆粒流，可降低激光作用于樣品引發(fā)的熱效應(yīng)，相比壓片式采制樣基體效應(yīng)影響更低，但直接檢測煤流存在樣品非均勻和不連續(xù)等問題，容易檢測到無效光譜[86]。基于此，姚順春團(tuán)隊[87-93]重點討論了煤顆粒流密度、流束直徑與質(zhì)量流量，研究了有效光譜甄別方法和等離子體穩(wěn)定激發(fā)方法。鑒于樣品基體效應(yīng)問題，對采樣數(shù)據(jù)處理方法進(jìn)行校正，建立合適的定量分析模型，實現(xiàn)煤質(zhì)指標(biāo)的精確檢測。王哲團(tuán)隊[17,94]研究了光譜信號不確定度的產(chǎn)生機(jī)理并提出了光譜標(biāo)準(zhǔn)化方法和基于主導(dǎo)因子的偏最小二乘法。若樣品在數(shù)據(jù)庫中，則直接讀取預(yù)測值，否則采用基于主導(dǎo)因子的PLS 模型進(jìn)行預(yù)測，并更新了光譜數(shù)據(jù)庫。張雷團(tuán)隊[95-100]優(yōu)化了LIBS 系統(tǒng)中激光能量、樣品聚焦點等，采用粒子群算法、內(nèi)標(biāo)法、單/多洛倫茲光譜擬合法等對光譜數(shù)據(jù)進(jìn)行校正處理，提高了LIBS 檢測數(shù)據(jù)精度。謝承利[101]通過改變制樣煤樣密度，采用內(nèi)標(biāo)法和神經(jīng)網(wǎng)絡(luò)法等處理數(shù)據(jù)，優(yōu)化了檢測過程中基體效應(yīng)與自吸收效應(yīng)的影響。

2.1.6 多光譜聯(lián)用技術(shù)

隨著技術(shù)進(jìn)步與科技發(fā)展，實時煤質(zhì)在線檢測技術(shù)正在向著低成本、安裝便捷、可靠實用發(fā)展，聚焦實際工業(yè)應(yīng)用是現(xiàn)階段面臨的主要需求。由于煤組成元素復(fù)雜、結(jié)構(gòu)多樣，單一煤質(zhì)在線檢測技術(shù)存在技術(shù)局限，難以滿足全面煤質(zhì)信息的實時檢測。開發(fā)多光譜聯(lián)用技術(shù)是當(dāng)前全面實時檢測-解析煤質(zhì)信息的發(fā)展趨勢，其中以LIBS 與其他光譜，如Raman、XRF、NIRS 等技術(shù)聯(lián)用為研究熱點。

與單一光譜檢測技術(shù)相比，LIBS-Raman 光譜在空間原位探測具有顯著優(yōu)勢，鄧紅艷等[20]探討了LIBS-Raman 光譜技術(shù)在空間原位探測領(lǐng)域的應(yīng)用，LIBS-Raman 聯(lián)用可同時實現(xiàn)物質(zhì)分子結(jié)構(gòu)、基團(tuán)、原子、離子、元素組成等多層次立體化信息的精細(xì)探測，可為解析物質(zhì)組成提供豐富的數(shù)據(jù)信息。面向深空探測，遠(yuǎn)程LIBS-Raman 光譜聯(lián)用已用于火星表面物質(zhì)的元素種類和分子結(jié)構(gòu)信息檢測，為火星表面的地質(zhì)演化、環(huán)境變化等研究提供理論依據(jù)[102-103]。德國聯(lián)邦材料研究與測試研究所研發(fā)了LIBS-Raman 聯(lián)用物質(zhì)成分分析儀（圖6）[104]，未來有望集成顯微鏡進(jìn)一步提升空間分辨率，以捕捉更多的細(xì)微結(jié)構(gòu)。在結(jié)合兩種檢測技術(shù)優(yōu)異性能的同時，還需要考慮器件功能的融合，以及整體載荷小型化、一體化等問題。

圖6 LIBS-Raman 聯(lián)用物質(zhì)成分分析儀[85]Fig.6 LIBS-Raman equipment [85]

LIBS 和XRF 均為原子發(fā)射光譜檢測技術(shù)，其中LIBS 技術(shù)主要激發(fā)原子外層電子，XRF 技術(shù)主要激發(fā)原子內(nèi)層電子。LIBS-XRF 光譜聯(lián)用具有全元素穩(wěn)定分析特點，檢測速度高。張雷團(tuán)隊[21,37]設(shè)計了包括LIBS 分析模塊、XRF 分析模塊、送樣模塊、控制模塊和操作軟件的煤質(zhì)快速分析儀（圖7），用于發(fā)電廠對壓制煤餅進(jìn)行快速連續(xù)檢測。該分析儀可用于煤炭加工利用過程的實時煤質(zhì)在線檢測，用于優(yōu)化煤燃燒指導(dǎo)工業(yè)生產(chǎn)，用于煤礦、海關(guān)等實現(xiàn)對煤炭交易進(jìn)行量質(zhì)購煤和按質(zhì)論價[21]。

LIBS-FTIR（NIRS）多光譜可同時檢測煤中元素和分子結(jié)構(gòu)信息。姚春順團(tuán)隊[24,105]基于LIBS 對元素信息的檢測和FTIR（NIRS）對煤分子結(jié)構(gòu)信息的檢測，研發(fā)了測定煤揮發(fā)分和發(fā)熱量的LIBS-FTIR多光譜聯(lián)用技術(shù)，后又通過NIRS 優(yōu)化了FTIR 提出了LIBS-NIRS 優(yōu)化技術(shù)。與單一LIBS 或NIRS 光譜建立的定量分析模型相比，LIBS-NIRS 多光譜信息融合可獲取性能更好的煤質(zhì)參數(shù)定量分析模型，發(fā)熱量與揮發(fā)分的預(yù)測模型誤差指標(biāo)均方根誤差更低，分別為0.192 MJ/kg 和0.672%[105]。

2.1.7 光譜類煤質(zhì)在線檢測技術(shù)對比分析

光譜學(xué)方法已是成熟的實驗室煤化性質(zhì)檢測方法，實驗室穩(wěn)定環(huán)境為光譜學(xué)方法的精準(zhǔn)檢測提供了可能。但在工業(yè)環(huán)境中，使用光譜學(xué)技術(shù)仍面臨煤組成不均勻及惡劣的工業(yè)現(xiàn)場環(huán)境帶來的檢測精度和可靠性問題。表1 從測量指標(biāo)、精度、應(yīng)用場景、技術(shù)優(yōu)缺點及發(fā)展前景等方面總結(jié)了不同光譜分析應(yīng)用于煤質(zhì)在線檢測的情況，根據(jù)應(yīng)用場景及所需檢測的煤性質(zhì)參數(shù)，選擇適用的光譜技術(shù)聯(lián)用，可在一定程度彌補(bǔ)單一技術(shù)檢測局限，提高工業(yè)應(yīng)用的適用性。

表1 不同光譜類煤質(zhì)在線檢測技術(shù)對比分析Table 1 Comparable analysis of various online determine technologies of coal quality

2.2 圖像分析與機(jī)器視覺

通過圖像分析預(yù)測煤質(zhì)參數(shù)是基于煤巖學(xué)的煤表面特征與煤組成結(jié)構(gòu)、成分關(guān)系的研究。早在20世紀(jì)七八十年，機(jī)器視覺就開始被用于礦物加工領(lǐng)域的金屬礦石和一些非金屬礦石檢測，主要包括：破碎和研磨檢測、礦物分選、煤泥分選、產(chǎn)品質(zhì)量在線檢測、產(chǎn)品粒度在線檢測、煤塵顆粒在線檢測等[27]。而復(fù)雜煤表面形態(tài)和現(xiàn)場惡劣環(huán)境對煤顆粒圖像的采集處理、數(shù)據(jù)提取、模型校正等有巨大挑戰(zhàn)。直到近20 年，電子和計算機(jī)硬件的迅猛發(fā)展，使快速、高穩(wěn)定性獲取高分辨率圖像成為可能[26]，因此，基于圖像分析的礦物性質(zhì)預(yù)測取得了較大進(jìn)展。

機(jī)器視覺的顏色量化主基于RGB（紅、綠、藍(lán)）、HIS（色調(diào)、飽和度、亮度）或HSV（色相、飽和度、明度）色彩模型（圖8），表面特征量化主要基于如直方圖、灰度共生矩陣紋理特征、灰度梯度共生矩陣紋理特征、Tamura 特征（日本學(xué)者Tamura 于1978 年提出的，是一種基于人類視覺感知的紋理特征提取方法）和小波紋理特征統(tǒng)計方法[106-112]等。顏色信息與紋理信息相結(jié)合，可減少非均勻光照、相似顏色干擾、區(qū)分度低等因素的影響，以提高目標(biāo)識別精度[113-114]。

圖8 RGB、Gray 和HSV 顏色模型的各組成偽彩色圖像[26]Fig.8 Pseudo-color image of each component in RGB, Gray and HSV color models [26]

在煤地質(zhì)學(xué)與煤巖學(xué)研究中，用視覺觀察手標(biāo)本信息描述煤樣宏觀煤巖特征是進(jìn)行樣品分析的基礎(chǔ)工作[115]。成煤環(huán)境、煤化程度、煤的顯微組分以及煤中礦物質(zhì)含量差異等均會導(dǎo)致煤的宏觀煤巖、微觀結(jié)構(gòu)和孔隙結(jié)構(gòu)等的差異[26,115]，這為圖像分析與機(jī)器視覺進(jìn)行煤質(zhì)指標(biāo)預(yù)測、煤微觀物質(zhì)結(jié)構(gòu)分析提供了豐富的特征基礎(chǔ)。機(jī)器視覺在進(jìn)行信息分析與處理時較人視覺有巨大優(yōu)勢，加之計算機(jī)技術(shù)大數(shù)據(jù)樣品處理能力，應(yīng)用大數(shù)據(jù)、人工智能、機(jī)器學(xué)習(xí)等技術(shù)手段，針對不同應(yīng)用場景、檢測技術(shù)、被檢樣品建立合適的定量分析模型，建立工業(yè)應(yīng)用場景-煤質(zhì)參數(shù)-實際應(yīng)用指導(dǎo)數(shù)據(jù)庫具有廣闊發(fā)展空間。

在煤科學(xué)研究中，圖像分析與機(jī)器視覺技術(shù)已經(jīng)在不同尺度層面開展了大量工作，微納米層面，研究者[116-122]利用圖像分析技術(shù)基于煤的高分辨率透射電鏡圖像提取了煤中納米碳結(jié)構(gòu)特征，直觀觀測了煤中的芳香結(jié)構(gòu)；顯微層面，中國煤科白向飛團(tuán)隊[123-126]、宋孝忠和張群[127]等進(jìn)行了煤巖顯微組分組圖像自動識別系統(tǒng)與技術(shù)研發(fā)工作，通過對獲取的顯微煤巖圖形進(jìn)行去噪、識別，基于標(biāo)準(zhǔn)物質(zhì)灰度與反射率關(guān)系模型等獲得了顯微組分的體積含量、反射率參數(shù)等煤巖學(xué)指標(biāo)；宏觀方面，張強(qiáng)等[128]總結(jié)了煤巖紋理信息特征，肯定了圖像分析技術(shù)在煤礦智能化開采煤巖識別中的價值。王超等[129]首次通過煤與巖表面紋理的差異性，生產(chǎn)灰度共生矩陣提取了煤、巖紋理特征參數(shù)，實現(xiàn)了煤巖識別。

在基于圖像分析與機(jī)器視覺技術(shù)的煤質(zhì)預(yù)測方面，柴阿軍等[130]利用大量的煤表面圖像與煤質(zhì)記錄數(shù)據(jù)，選擇顏色直方圖與Tamura 紋理特征，通過圖像預(yù)處理，特征提取、選擇和分類等建立了基于圖像數(shù)據(jù)分析的煤質(zhì)指標(biāo)檢測方法，檢測結(jié)果誤差為0.3，肯定了圖像分析用于煤質(zhì)檢測的可行性。ZHANG等[26]采用有限侵蝕和精確擴(kuò)張（FEED）算法和邊緣粒子區(qū)域分割算法，通過提取29 種煤表面特征建立了顆粒質(zhì)量估計模型、顆粒尺寸、密度分?jǐn)?shù)的分類模型和灰分產(chǎn)率的預(yù)測模型，探索了實驗室規(guī)模的機(jī)器視覺實時在線檢測煤質(zhì)煤量技術(shù)，獲取了包括顆粒粒度分布、密度分布、各密度分?jǐn)?shù)的灰分及總灰分?jǐn)?shù)據(jù)，與傳統(tǒng)檢測方法相比，總灰分?jǐn)?shù)據(jù)誤差為2.54%。劉建兵[131]采用煤粒圖像分割方案，對煤炭粒度、色澤度進(jìn)行快速判斷，提出了洗選廠煤質(zhì)快速分析技術(shù)，將煤質(zhì)檢測時間縮短97.4%。

基于圖像處理和機(jī)器視覺的人工智能技術(shù)是保障我國煤礦智能化建設(shè)和煤炭工業(yè)高質(zhì)量發(fā)展的核心技術(shù)支撐[132]，機(jī)器視覺多信息在線物質(zhì)與成分檢測為機(jī)器視覺煤質(zhì)信息在線檢測在煤炭工業(yè)中的應(yīng)用提供了一種全新可行思路。人工智能技術(shù)可在分析、判斷、決策、反饋方面有效提高圖像識別效率、降低環(huán)境干擾，根據(jù)不同工業(yè)應(yīng)用場景，煤質(zhì)在線分析還需在預(yù)測精度、粒度極限、密度分?jǐn)?shù)細(xì)化和場景適應(yīng)等方面進(jìn)一步優(yōu)化。未來，可研發(fā)面向商業(yè)應(yīng)用的定制式智能化煤質(zhì)在線檢測中試系統(tǒng)，整套裝備有望在原煤開采、加工和分離領(lǐng)域進(jìn)行應(yīng)用。

3 煤量在線檢測技術(shù)發(fā)展現(xiàn)狀

煤量檢測在煤炭工業(yè)中具有重要作用，可提供煤炭資源的準(zhǔn)確評估、生產(chǎn)管理和質(zhì)量控制依據(jù)。在煤炭主運系統(tǒng)中，煤流量是評估主運系統(tǒng)運力和調(diào)速的關(guān)鍵參數(shù)，也是衡量主運系統(tǒng)效率的主要指標(biāo)。實現(xiàn)煤流量的在線檢測可有效降低主運系統(tǒng)運營成本，實現(xiàn)節(jié)能減排。

目前，煤流量檢測的方法主要分為接觸式和非接觸式檢測2 種。接觸式檢測方法主要采用電子皮帶秤檢測法，通過安裝在輸送帶上的稱重傳感器，實時監(jiān)測煤炭在輸送過程中的重量變化，計算出煤流量。我國于20 世紀(jì)60 年代末開始采用電子皮帶秤作為帶式輸送機(jī)的稱重設(shè)備[133]，經(jīng)過60 年發(fā)展，已成為在工業(yè)現(xiàn)場廣泛應(yīng)用的成熟儀器[134]。80 年代起，我國開始引進(jìn)核子秤技術(shù)，該技術(shù)雖然是非接觸式檢測，但需要放射γ 射線源，存在極大的安全隱患；并且輸送帶上煤的成分、水分含量以及堆積形狀不同會對γ 射線有不同吸收，導(dǎo)致檢測精度差[135]。1929 年，蘇聯(lián)科學(xué)家索科洛夫（S Y Sokolov）首次提出了利用超聲波探測金屬物體內(nèi)部缺陷，1968 年時，聲波測井技術(shù)開始應(yīng)用于煤炭工業(yè)[136]。相比電子皮帶秤和核子秤，超聲波檢測方法在煤量測量效率和安全性方面有所提升,但存在超聲波測距儀回波較多，容易在檢測時出現(xiàn)錯誤等問題[137]；此外，超聲波測距儀檢測頻率低，不適用于高速煤流的精確計量[138]。激光雷達(dá)測量是20 世紀(jì)中后期興起的技術(shù)，用于地球科學(xué)和行星科學(xué)，也屬非接觸式測量。其基于時間飛行原理可對煤堆進(jìn)行三維掃描，進(jìn)而測量煤堆的體積和形狀，推算出煤流量。與超聲波法相比，激光雷達(dá)法采集速度更快、精度更高。然而，激光雷達(dá)法的三維激光掃描雷達(dá)元件成本相對較高，目前，其在井下惡劣環(huán)境中的適用性仍需進(jìn)一步提高[5]。

近年來，隨著計算機(jī)視覺技術(shù)的發(fā)展，應(yīng)用視覺技術(shù)檢測煤流量成為研究的熱點。單目和雙目視覺法通過攝像機(jī)對煤流進(jìn)行圖像采集，通過圖像處理、分析和算法計算出煤流量。由于單目視覺法僅利用一臺攝像機(jī)進(jìn)行視覺定位和感知任務(wù)，其深度感知能力受限，但視野范圍可以增加。雙目視覺法可模擬人眼對深度的感知,通過同時使用兩臺相機(jī)獲取同一場景的圖像對，根據(jù)雙目視覺原理計算場景中的三維坐標(biāo)，基于煤料的體積和密度計算煤量信息[139]。結(jié)構(gòu)光視覺法是主動立體測量技術(shù)，通過主動投射結(jié)構(gòu)光到被測物體表面，根據(jù)結(jié)構(gòu)光變形計算被測物體尺寸參數(shù)[140]，利用投射結(jié)構(gòu)光并通過對煤流表面形貌測量，可實現(xiàn)煤流量測量。結(jié)合雙目視覺技術(shù)可獲取稠密的煤流點云，實現(xiàn)高帶速下煤量在線檢測[141]。

盡管上述技術(shù)在煤量檢測方面有一定發(fā)展，但煤、矸石、雜物等的圖像識別與分割仍存在問題，煤在開采、運輸過程中存的溫度、噪聲、光照、粉塵、水霧、機(jī)器振動等復(fù)雜因素干擾，會直接影響圖像質(zhì)量，使煤流量檢測變得困難；煤的流動速度和尺度變化也對實時檢測和跟蹤煤流量提出了挑戰(zhàn)，高速煤流情況下，確保準(zhǔn)確檢測和計量仍是難題。此外，處理大量圖像數(shù)據(jù)并提取有用信息也是目前面臨的困難，有效算法設(shè)計和優(yōu)化對實現(xiàn)準(zhǔn)確煤流量檢測至關(guān)重要。程德強(qiáng)團(tuán)隊[142]為應(yīng)對井下復(fù)雜環(huán)境，提出了基于圖像預(yù)處理、特征提取、特征融合和目標(biāo)識別的運動目標(biāo)識別方法，實現(xiàn)了煤礦復(fù)雜環(huán)境下目標(biāo)的高精度識別和感知。基于深度學(xué)習(xí)，方崇全等[143]通過深度神經(jīng)網(wǎng)絡(luò)模型實現(xiàn)了對井下特征不顯著的煤流等的視頻智能識別，提高了識別精度。隨著技術(shù)不斷進(jìn)步，煤流量檢測正朝著更準(zhǔn)確、高效、自動化方向發(fā)展。

而地面煤場煤量的測量則可利用衛(wèi)星遙感、航空攝影和無人機(jī)等技術(shù)，獲取大范圍、高分辨率地形數(shù)據(jù)和圖像，實現(xiàn)煤量估算和監(jiān)測。利用三維建模技術(shù)和數(shù)學(xué)模型，可對煤礦區(qū)域進(jìn)行精確的煤量計算和預(yù)測。通過對地質(zhì)結(jié)構(gòu)、煤層厚度和煤質(zhì)分布等參數(shù)進(jìn)行建模和分析，可實現(xiàn)對煤量的精確估算。結(jié)合數(shù)據(jù)融合與人工智能，將多源數(shù)據(jù)進(jìn)行融合和分析，可實現(xiàn)對煤量的智能化分析和預(yù)測。通過對歷史數(shù)據(jù)和實時監(jiān)測數(shù)據(jù)分析，可進(jìn)行煤量趨勢預(yù)測和優(yōu)化調(diào)控。

4 煤質(zhì)煤量檢測工業(yè)應(yīng)用情況、局限性及發(fā)展建議

4.1 工業(yè)應(yīng)用情況

4.1.1 基于光譜學(xué)方法的煤質(zhì)測量技術(shù)

目前，工業(yè)應(yīng)用中煤質(zhì)煤量實時在線檢測相對獨立，已經(jīng)在工業(yè)現(xiàn)場穩(wěn)定應(yīng)用的無放射源實時煤質(zhì)在線檢測技術(shù)是天然γ 射線檢測法和X 射線檢測法，該兩種方法安裝過程簡單、工業(yè)維護(hù)成本低，但存在測量精度較低問題，比較適用于對煤質(zhì)參數(shù)精度要求不高的場景，如輸送帶原煤、快速裝車、洗選廠等。開封測控基于天然γ 射線檢測法研發(fā)的NGAM－2008 天然射線灰分儀在邯鄲洗選廠、西南地區(qū)選煤廠、汾西礦業(yè)選煤廠、淮北礦業(yè)選煤廠、攀煤（集團(tuán)）公司、兗州煤業(yè)選煤廠等廣泛應(yīng)用，產(chǎn)生了良好經(jīng)濟(jì)效益[35,144-147]。神東上灣煤礦快速裝車系統(tǒng)采用基于多能X 射線吸收法的煤質(zhì)在線檢測技術(shù)[1]，實現(xiàn)了對原煤灰分、硫分和發(fā)熱量的實時檢測；內(nèi)蒙古能源發(fā)電燃料分公司基于X 射線吸收光譜法實現(xiàn)了燃煤電廠煤質(zhì)在線檢測及精度控制[3]；黑岱溝洗煤廠于2014 年底開始調(diào)式無放射源煤質(zhì)在線檢測技術(shù)線，經(jīng)過靜態(tài)測試、動態(tài)測試和現(xiàn)場測試等階段，標(biāo)定出了適合礦區(qū)煤樣的煤質(zhì)特征曲線，實現(xiàn)了工業(yè)化應(yīng)用[2,11]。

基于多光譜聯(lián)用技術(shù)，烏蘇四棵樹煤炭公司采用東方測控DF-5753E X 型在線灰分儀對商品煤進(jìn)行在線分倉，該灰分儀結(jié)合XRF 與X 射線吸收（XRay Absorption，XRA）技術(shù)實現(xiàn)了對商品煤煤質(zhì)的實時檢測[14]。通過采樣與煤質(zhì)在線測試滿足四棵樹煤礦煤質(zhì)檢測與自動分倉需求，當(dāng)灰分為8%～50%、發(fā)熱量為13～23 MJ 時，灰分檢測的平均誤差為1.87%，發(fā)熱量誤差為0.59 MJ[14]。

盡管近紅外光譜、拉曼光譜和激光誘導(dǎo)擊穿技術(shù)在煤質(zhì)在線檢測中還面臨較多問題，但成熟的實驗室光譜技術(shù)已具備工業(yè)化應(yīng)用條件，在華能內(nèi)蒙古東部能源有限公司[31]、神東洗選中心[148]成功應(yīng)用。華能內(nèi)蒙古東部能源有限公司為提高燃煤機(jī)組對煤質(zhì)變化的自適應(yīng)能力，通過結(jié)合LIBS 和軟測量模型，開發(fā)了入爐煤質(zhì)在線分析系統(tǒng)，基于實時煤質(zhì)數(shù)據(jù)提出了含氧量、二次風(fēng)及燃盡風(fēng)優(yōu)化控制策略[31]。神東洗選中心通過對比不同煤質(zhì)在線檢測技術(shù)優(yōu)劣，選擇了安全、無污染的激光全元素在線分析儀，與傳統(tǒng)系統(tǒng)相結(jié)合，實現(xiàn)了全水、灰分、發(fā)熱量、揮發(fā)分和全硫等關(guān)鍵煤質(zhì)指標(biāo)的實時在線檢測[148]。

4.1.2 基于圖像分析的煤質(zhì)煤量測量技術(shù)

圖像分析在煤質(zhì)煤量檢測中有廣泛的工業(yè)應(yīng)用，通過圖像分析技術(shù)，可實現(xiàn)煤矸分選、煤質(zhì)預(yù)測、煤量感知等。

1）煤矸分選。利用圖像分析技術(shù)，可以對煤炭進(jìn)行分選和分類。通過獲取煤炭的圖像或視頻，并應(yīng)用圖像處理和機(jī)器學(xué)習(xí)算法，識別和區(qū)分不同煤炭的特征，如顏色、形狀、紋理等，以實現(xiàn)對煤炭的自動分類和分選，提高煤炭利用效率和品質(zhì)控制。

2）煤質(zhì)預(yù)測。竇東陽團(tuán)隊[25]采用圖像分析估算了灰分約為3%的寧夏太西煤的灰分產(chǎn)率，用于洗選廠煤灰分?jǐn)?shù)據(jù)的實時監(jiān)測（圖9），研究基于采集煤顆粒圖像的灰度直方圖，識別出7 個主要特征，采用10 倍交叉驗證選擇多項式回歸（PRFS）模型進(jìn)行數(shù)據(jù)測試，通過數(shù)據(jù)集訓(xùn)練，獲得的最終平均相對誤差為4.16%。該模型在設(shè)備試運行期間表現(xiàn)良好，相對誤差為0.61%～5.57%，預(yù)測的灰分?jǐn)?shù)據(jù)與測試的灰分?jǐn)?shù)據(jù)匹配。由于井下環(huán)境復(fù)雜因素對圖像質(zhì)量的干擾[127,131]，圖像分析法預(yù)測煤質(zhì)灰分較適用于對煤灰數(shù)據(jù)精確度要求不高，但實時性要求較高的場景。

圖9 輸送帶煤顆粒與圖像數(shù)據(jù)采集系統(tǒng)[25]Fig.9 Image data acquisition system for coal particle conveyor belts [25]

3）煤量感知。使用圖像分析技術(shù)，可以對煤炭堆的形狀和尺寸進(jìn)行測量和分析。通過獲取煤堆的圖像或視頻，并應(yīng)用計算機(jī)視覺算法，從中提取煤堆的輪廓和表面特征，進(jìn)而計算煤堆體積信息，實時監(jiān)測和估算煤堆煤量。彭麗等[149]研制的適用于煤礦井下輸送帶煤量檢測裝置，基于激光與視覺融合技術(shù)，通過對攝像機(jī)和激光雷達(dá)同步檢測的圖像進(jìn)行融合分析，利用PSMNet 網(wǎng)絡(luò)多尺度融合特征并基于結(jié)構(gòu)進(jìn)行預(yù)測，獲得準(zhǔn)確且密集的深度信息，在現(xiàn)場實驗驗證該方法對井下煤量體積檢測的準(zhǔn)確率達(dá)90%以上。

4.2 煤質(zhì)煤量檢測技術(shù)局限性及發(fā)展建議

由于生產(chǎn)需求不同，煤質(zhì)煤量參數(shù)檢測相對獨立，但隨著煤礦數(shù)智化發(fā)展，實時獲取煤炭全流程全面信息是積極進(jìn)行智能化、數(shù)字化轉(zhuǎn)型，實現(xiàn)轉(zhuǎn)型升級和高質(zhì)量發(fā)展的必由之路。煤質(zhì)在線檢測裝備由采樣系統(tǒng)、分析儀器、數(shù)據(jù)采集與處理系統(tǒng)、控制系統(tǒng)、網(wǎng)絡(luò)連接與數(shù)據(jù)傳輸模塊等組成，裝備的研發(fā)涉及多個學(xué)科和專業(yè)知識，如地質(zhì)學(xué)和煤田地質(zhì)學(xué)、煤巖學(xué)、光譜學(xué)、分析化學(xué)、儀器儀表工程、數(shù)據(jù)處理和模式識別、人工智能和機(jī)器學(xué)習(xí)等。

總結(jié)煤質(zhì)在線檢測技術(shù)在原煤、分選、燃燒、煤化工等不同應(yīng)用場景中存在的問題主要有：①基于技術(shù)原理的探測精度問題，光譜類檢測技術(shù)在實驗室應(yīng)用時精度高、穩(wěn)定性好，但在工業(yè)環(huán)境中應(yīng)用時存在數(shù)據(jù)精度差、穩(wěn)定性差等問題，主要因為煤的非均質(zhì)性，工業(yè)應(yīng)用時難以實時制備均勻性高細(xì)顆粒樣品進(jìn)行光譜檢測；②由復(fù)雜環(huán)境因素引用的設(shè)備穩(wěn)定性問題，設(shè)備應(yīng)用環(huán)境存在溫度、噪聲、光照、粉塵、水霧、機(jī)器振動等干擾因素，對設(shè)備的可靠性提出較大挑戰(zhàn)；③基于大量數(shù)據(jù)處理的算法分析問題，實時在線檢測意味著數(shù)據(jù)量提升，有效分析和處理數(shù)據(jù)，建立準(zhǔn)確煤質(zhì)參數(shù)預(yù)測模型對算法有較高要求；④煤炭全產(chǎn)業(yè)鏈應(yīng)用的技術(shù)適用與靈活性問題，煤質(zhì)在線檢測應(yīng)用場景涉及煤炭開采、加工、利用等多個環(huán)節(jié)，不同應(yīng)用場景對煤質(zhì)參數(shù)需求的指標(biāo)和精度也不同，建立靈活性和適用性的煤質(zhì)在線檢測技術(shù)可對多環(huán)節(jié)參數(shù)進(jìn)行關(guān)聯(lián)。當(dāng)前，對煤量管理與控制還以輸送帶煤量檢測為主，還應(yīng)加強(qiáng)煤炭其他環(huán)節(jié)對煤量的精準(zhǔn)測量。

基于上述問題，對未來煤質(zhì)煤量在線檢測技術(shù)提出如下建議：

1）結(jié)合地質(zhì)條件的煤質(zhì)在線檢測技術(shù)研究。煤質(zhì)在線檢測需要與地質(zhì)條件結(jié)合，以充分考慮地質(zhì)因素對煤質(zhì)參數(shù)的影響。通過了解地質(zhì)條件，調(diào)整檢測方法和模型，并對檢測結(jié)果進(jìn)行適當(dāng)?shù)男拚托Ｕ?，可以提高煤質(zhì)在線檢測的精確性和可靠性，為煤炭生產(chǎn)和利用提供更準(zhǔn)確的煤質(zhì)信息。煤層類型和礦化程度、煤礦區(qū)域的地質(zhì)構(gòu)造、煤層深度和壓力等不同地質(zhì)條件下形成的煤層具有不同的物理和化學(xué)特性。煤質(zhì)在線檢測時，可結(jié)合宏觀地質(zhì)背景，以透明地質(zhì)數(shù)據(jù)庫為基礎(chǔ)，根據(jù)煤層類型和煤田地質(zhì)特征差異，調(diào)整和優(yōu)化檢測方法和模型。例如，某些地質(zhì)條件下形成的煤可能富含硫或灰分，因此在檢測過程中應(yīng)重點關(guān)注這些參數(shù)。

2）工業(yè)化多光譜聯(lián)用技術(shù)研究。多種光譜技術(shù)聯(lián)用，以有效避免單一技術(shù)檢測參數(shù)的局限性。煤質(zhì)參數(shù)涉及煤中有機(jī)元素和無機(jī)元素，充分發(fā)揮不同檢測技術(shù)對有機(jī)和無機(jī)元素檢測的優(yōu)勢，開發(fā)多技術(shù)聯(lián)用的煤質(zhì)在線檢測技術(shù)是實現(xiàn)全煤質(zhì)分析的解決方案。近紅外光譜技術(shù)可用于測量煤樣的水分含量、灰分含量、揮發(fā)分含量、固定碳含量等參數(shù)。通過建立針對這些參數(shù)的校正模型，可以實現(xiàn)對煤質(zhì)參數(shù)的快速預(yù)測。激光誘導(dǎo)擊穿光譜可進(jìn)行煤中元素的分析，通過激光誘導(dǎo)煤樣產(chǎn)生的等離子體測量煤中如硫、氧、碳等，這對煤的燃燒特性和環(huán)境影響具有重要意義。通過X 射線熒光光譜技術(shù)檢測煤樣中常量元素，獲得灰分參數(shù)，這對煤的燃燒性能和工藝過程中的元素控制具有重要意義。通過將以上不同光譜技術(shù)進(jìn)行聯(lián)用，可以獲取煤樣的多個參數(shù)和特性，從而全面評估煤質(zhì)。同時，聯(lián)用多種光譜技術(shù)也可以互補(bǔ)各自的局限性，提高煤質(zhì)在線檢測的準(zhǔn)確性和可靠性。對于特定的煤質(zhì)參數(shù)和應(yīng)用場景，可以選擇合適的光譜技術(shù)組合，并建立相應(yīng)的模型和算法，以實現(xiàn)高效的在線檢測和分析。

3）光譜學(xué)與圖像分析技術(shù)聯(lián)用煤質(zhì)煤量全面分析技術(shù)研究。光譜學(xué)煤質(zhì)分析和圖像煤流量、煤質(zhì)分析是兩類不同但可以相互結(jié)合的技術(shù)，可提供全面的煤炭質(zhì)量和流量信息（圖10）。通過機(jī)器學(xué)習(xí)算法，可從煤流、煤顆粒圖像中提取豐富的特征，如紋理、顏色、形狀等，建立煤的宏觀特征與微觀結(jié)構(gòu)和組分信息有助于煤質(zhì)參數(shù)的預(yù)測和分類；通過分析煤質(zhì)參數(shù)與圖像特征之間的關(guān)系構(gòu)建分類模型，可用于對新樣本的煤質(zhì)參數(shù)進(jìn)行預(yù)測和分類。將光譜、圖像煤質(zhì)分析結(jié)果與煤流量數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，可以幫助了解煤炭質(zhì)量和流量之間的關(guān)系。通過建立煤質(zhì)參數(shù)與煤流量的關(guān)聯(lián)模型，可以實現(xiàn)在煤炭輸送過程中對煤質(zhì)的實時監(jiān)測和預(yù)測。結(jié)合圖像煤質(zhì)分析和煤流量分選設(shè)備，可以實現(xiàn)煤炭的自動分選和分級。通過圖像分析技術(shù)，可以檢測煤炭樣本中的雜質(zhì)、巖石等非煤物質(zhì)，并結(jié)合煤流量數(shù)據(jù)，實現(xiàn)對煤炭的準(zhǔn)確分選和剔除。利用人工智能在進(jìn)行信息分析與大數(shù)據(jù)樣本處理時的顯著優(yōu)勢，可以針對不同應(yīng)用場景、被檢樣品、檢測技術(shù)建立合適的定量分析模型，在模型建立與優(yōu)化中應(yīng)用大數(shù)據(jù)、人工智能、機(jī)器學(xué)習(xí)等研究方法有望通過大數(shù)據(jù)樣本獲得更多信息、建立更優(yōu)關(guān)聯(lián)，在未來建立工業(yè)應(yīng)用場景-煤質(zhì)煤量參數(shù)-實際應(yīng)用指導(dǎo)數(shù)據(jù)庫具有一定發(fā)展前景。

圖10 智能化煤質(zhì)煤量全面檢測構(gòu)想Fig.10 Conception of intelligent comprehensive detection of coal quality and quantity

4）智能化在煤質(zhì)煤量實時檢測的深入應(yīng)用研究。通過傳感器、監(jiān)測設(shè)備和實時數(shù)據(jù)采集，獲取煤質(zhì)和煤量相關(guān)信息，通過大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)算法，從獲取數(shù)據(jù)中提取有用信息，如灰分、硫分、揮發(fā)分、水分等煤質(zhì)參數(shù)以及煤量、產(chǎn)量、流速等煤量參數(shù)。通過模式識別和機(jī)器學(xué)習(xí)算法，將煤樣按照不同質(zhì)量等級或特性進(jìn)行分類，同時監(jiān)測煤質(zhì)煤量變化，在數(shù)據(jù)出現(xiàn)異常波動時，自適應(yīng)采取控制措施。智能化系統(tǒng)還可將煤質(zhì)煤量數(shù)據(jù)以可視化方式呈現(xiàn)，如圖表、報表、儀表盤等。從而管理人員可直觀地了解煤炭生產(chǎn)、運輸、加工和利用過程中質(zhì)量和數(shù)量情況，并做出相應(yīng)的決策和調(diào)整。

5 結(jié) 語

煤礦的智能化建設(shè)和數(shù)字化管理以及煤炭的生產(chǎn)、運輸和加工利用對實時煤質(zhì)煤量全面分析具有迫切需求。從基本原理、優(yōu)缺點及研究進(jìn)展等3 個方面論述了以天然γ 射線檢測法、X 射線檢測法、近紅外光譜法、拉曼光譜法、激光誘導(dǎo)擊穿光譜分析法及多光譜聯(lián)系技術(shù)為代表的光譜學(xué)無源煤質(zhì)在線檢測技術(shù)?；诠庾V學(xué)的實時煤質(zhì)在線技術(shù)已由單一技術(shù)向多技術(shù)聯(lián)用發(fā)展，聯(lián)合檢測煤中無機(jī)元素和有機(jī)結(jié)構(gòu)的LIBS-Raman、LIBS-FTIR（NIRS）有望為全面煤質(zhì)檢測提供實時、快速、有效的檢測結(jié)果。論述了圖像分析和機(jī)器視覺在煤質(zhì)煤量檢測方面的顯著優(yōu)勢與研究進(jìn)展，機(jī)器視覺多信息物質(zhì)與成分檢測為機(jī)器視覺預(yù)測煤質(zhì)信息在煤炭工業(yè)中應(yīng)用提供了全新可行思路，可通過綜合分析煤流、煤顆粒圖像數(shù)據(jù)或結(jié)合光譜學(xué)技術(shù)全面預(yù)測煤質(zhì)煤量參數(shù)。總結(jié)了各類煤質(zhì)在線檢測技術(shù)在工業(yè)應(yīng)用中的局限性，并對未來煤質(zhì)煤量在線檢測技術(shù)發(fā)展提出4 點建議：結(jié)合地質(zhì)條件的煤質(zhì)在線檢測技術(shù)研究；工業(yè)化多光譜聯(lián)用技術(shù)研究；光譜學(xué)與圖像分析技術(shù)聯(lián)用煤質(zhì)煤量全面分析技術(shù)研究；智能化在煤質(zhì)煤量實時檢測的深入應(yīng)用研究。

智能化煤質(zhì)煤量實時在線檢測的高可靠性應(yīng)用需要多學(xué)科共同努力，以透明煤炭地質(zhì)數(shù)據(jù)庫為背景，應(yīng)用大數(shù)據(jù)、人工智能、機(jī)器學(xué)習(xí)等先進(jìn)技術(shù)方法，建立以應(yīng)用場景為導(dǎo)向的煤質(zhì)煤量參數(shù)實際應(yīng)用指導(dǎo)數(shù)據(jù)庫，有望為實現(xiàn)智能化煤質(zhì)煤量在線檢測，掌握和預(yù)測全面煤質(zhì)煤量信息提供重要支撐。未來，煤炭供應(yīng)鏈的數(shù)智化有望以統(tǒng)一的數(shù)字平臺為基礎(chǔ)，通過整合區(qū)塊鏈、大數(shù)據(jù)、物聯(lián)網(wǎng)等數(shù)字技術(shù)，將煤炭行業(yè)生產(chǎn)、運輸、消費以及供應(yīng)鏈金融和信息服務(wù)等各個環(huán)節(jié)連接起來，實現(xiàn)智慧、生態(tài)和綠色供應(yīng)鏈，助力我國煤炭能源安全和高質(zhì)量發(fā)展。