首页 > 论文范文 > 自然科学论文 > 化学论文 > 分析化学论文 > 基于不同探测角度及距离研究典型煤岩近红外光谱定向识别及特征

基于不同探测角度及距离研究典型煤岩近红外光谱定向识别及特征

2020-09-09 164 上传者：管理员

摘要：近红外波段的反射光谱测量较方便,不需对试样进行预处理,同时也适用于在线分析。为利用近红外光谱实现综放开采自动化放煤技术中的煤岩识别,从某矿井的综放工作面收集了炭质泥岩、砂质泥岩、砂岩、气煤4种典型的块状煤岩试样,综合考虑工作面后部刮板输送机的堆煤情况,在实验室利用光谱仪采集了常见探测距离(1.3,1.4和1.5m)与探测角度(10°,20°,30°,40°和90°)下的4种典型煤岩的近红外漫反射光谱。通过对4种典型煤岩光谱特征分析,发现探测角度与距离对光谱曲线波形和吸收谷位置无明显影响,但明显影响光谱曲线的反射率。炭质泥岩、砂质泥岩、砂岩这3种岩样,均在1400,1900和2200nm波段附近出现较明显的吸收谷,此外,砂岩与炭质泥岩在2200nm波段附近出现双吸收谷,气煤在近红外波段内的漫反射光谱曲线整体呈水平趋势,无明显的吸收谷。在1.3m探测距离下,光谱曲线反射率随着探测角度的增大而增大;在1.4和1.5m探测距离下,光谱曲线反射率随着探测角度的增大而减小。在10°,20°和30°探测角度下,光谱曲线的反射率随着探测距离的增大而增大;在40°和90°探测角度下,光谱曲线的反射率随着探测距离的增大而降低。使用一阶微分(FD)、Savitzky-Golay卷积平滑(S-G卷积平滑)、标准正态变量变换(SNV)这三种方法来增强光谱曲线吸收特征以及消除探测条件对煤岩漫反射光谱的影响,发现S-G卷积平滑在增强光谱吸收特征的前提下,还有效的消除了探测角度与高度对光谱曲线的影响。利用余弦相似度与皮尔逊相关系数两种模型分别进行煤岩定性分析,结果发现,基于S-G卷积平滑预处理后的余弦相似度模型分类效果最优,其正确分类率为100%。最佳预处理方法与定性分析模型的获得可以为在不同探测距离与探测角度下直接利用反射光谱的波形进行快速、定性地识别煤岩提供参考意义。

关键词：
分析化学
反射光谱
定性分析
探测角度
探测距离
煤岩反射光谱
近红外
加入收藏

综放开采方法是我国特厚煤层矿区实现高产高效的主要技术途径,煤矸识别是实现综放开采自动化放煤控制的关键核心技术[1]。半个世纪以来,众多学者研究了多种区分煤与岩石的方法,如天然射线探测[2]、声波探测[3]、热红外探测[4]、图像分析[5]等,然而对从煤和岩的物质本质属性上进行区分的研究报道相对较少。近红外反射光谱技术是一种高信噪比、实时、低廉、针对原位物质的光谱分析技术,其中反射光谱是获取物质属性的主要途径,识别机理为被测物质所含的特定化学成分和组成结构在特定波长处产生特定的光谱反射吸收特性,近红外反射光谱分析技术不仅在煤矿和岩矿遥感等定性识别探测领域得到了应用[6],而且已在煤炭、矿物、土壤等成分定量分析检测领域中得到了较多应用;王妍[7]基于偏最小二乘(PLSR)建立铝土矿内部成分Al2O3含量与其近红外光谱之间的定量数学关系模型,此模型稳定性较高,预测能力较强。杨恩等[8]建立了PCA-SVM、GRB-KPCA-SVM两种识别模型实现了可见-近红外光谱波段对煤与炭质页岩的识别。李明等搭建构造基于SVM算法与LVQ算法的定性分析模型,完成基于近红外光谱分析技术的煤产地的快速鉴别。在利用多波段、高光谱的遥感数据来识别地物时,人们发现角度信息对地物的光谱特征有影响[9]。

由于放落在后部刮板输送机的煤岩体形状不规则与堆积高度不确定,即使近红外探测装置固定,煤岩近红外光谱的探测距离与探测角度仍不断变化。而探测条件(探测距离、入射角度、方位角、探测角度等)会对煤岩的反射光谱产生一定的影响[9]。同时,综放工作面的煤岩均为块状试样。收集了某矿井综放工作面赋存的碳质泥岩、砂质泥岩、砂岩和气煤块状试样4种,试验研究了不同探测距离与角度下煤岩近红外漫反射光谱的光谱特性以及最佳预处理方法与定性分析模型。

1、实验部分

图1为块状煤岩试样漫反射光谱采集装置的实物照片和工作原理示意图。100W的卤素聚光灯与带准直镜的光纤探头固定在可调向滑台上,光纤探头通过Y型光纤分别与荷兰AvaSpec-NIR512近红外光谱仪(波长范围1000～2500nm,波长精度3nm)、激光指示光源连接。激光指示光源用于指示光纤探头的收光范围。采集计算机通过USB3.0与光谱仪连接,实时显示并采集煤样样品的漫反射光谱。可调向滑台可以调整光纤头与煤岩样品之间的距离和角度。实验中,光纤探头与煤岩样品之间的距离设定为1.3,1.4和1.5m,卤素聚光灯与试样表面中心的垂直距离设定为40cm,入射角度≤40°、探测角度≤40°、方位角5°和相位角0°。从某煤矿综放工作面现场收集了炭质泥岩、砂质泥岩、砂岩、气煤块状试样4种,列于表1中。

表1实验试样

测量试样表面反射光谱时,试样固定,入射与探测角从初始0°(天顶角处)开始,在同一组测量距离下,通过实验室内的可调向滑台,每隔10°改变照射与探测角一次,共改变5次[见图1(b)中的0°,10°,20°,30°和40°],在每个方向上采集试样上同一区域的10条光谱曲线,计算这10条光谱曲线的平均值作为该试样在此方向上最终的反射光谱曲线,进行3组实验最终得到75条(计算平均值之后)光谱曲线。光谱仪的2个边缘波段1000～1100和2400～2500nm具有较强的电流噪声,因此只取1100～2400nm波段内光谱数据。

图1块状煤岩试样反射光谱采集装置

2、结果与讨论

2.1煤岩反射光谱曲线

图2为5个块状煤岩试样在不同探测条件下的近红外漫反射光谱曲线。由图2(a)—(d)可知,所有岩样在1400和1900nm附近有较明显的吸收谷,在2300nm附近出现微弱吸收谷,其中岩3在2200nm附近出现明显的吸收谷,岩2在2200nm附近出现微弱的双吸收谷,岩1与岩4在2200nm附近出现明显的双吸收谷。由图2(e)可知,煤样反射光谱曲线在1100～2400nm没有明显的吸收谷,主要是因为煤分子结构的特点,其吸收光谱的研究多集中于中红外波段,所以其近红外漫反射光谱曲线在1100～2400nm之间没有较明显的吸收谷。在1100～2000nm范围内吸收谷的出现主要为矿物晶格中的羟基与水分子中的羟基振动引起的,其中,1400nm附近为O—H伸缩振动的第一倍频处,此处的吸收谷应主要是由试样内部的结构水引起的,1900nm附近为H—O—H键和O—H伸缩的组合频处,此处的吸收谷应主要是由试样中的吸附水引起的[10],该吸收谷测量时受温度和湿度影响,另外,由于[OH]带的频率一般比H2O高,从图2(a)—(d)可知,光谱曲线的1400nm附近的吸收谷较1900nm附近的吸收谷尖窄。2200nm为Al—OH的诊断波段,此外,高岭石的存在会使光谱曲线在2160nm附近出现双吸收谷,而岩1与岩4在2160nm附近的双吸收峰较岩2更明显,推测是因为岩1与岩4中的高岭石含量较岩2高。2300nm波段附近有微弱吸收是因为存在少量的Mg,Mg—OH在此波段附近的振动造成吸收谷。

图2煤岩试样在探测距离与角度下的光谱反射率曲线

(a):岩1;(b):岩2;(c):岩3;(d):岩4;(e):煤

(a):Rock1;(b):Rock2;(c):Rock3;(d):Rock4;(e):Coal

2.2煤岩反射光谱预处理

为增强光谱吸收特征,利用Savitzky-Golay卷积平滑、标准正态变量变换、一阶微分三种方法对图2中所有75条煤岩反射光谱曲线作预处理。三种预处理方法的核心求解算法如下:

(1)一阶微分(FD)

x′i,λ=xi,λ+Δλ-xi,λ-Δλ2Δλ (1)

式(1)中,Δλ为一阶微分的波长间隔,为便于分析,选Δλ=3nm;xi,λ+Δλ和xi,λ-Δλ分别为波长点为λ+Δλ和λ-Δλ的光谱反射率;x′i,λ为波长点λ的一阶微分光谱反射率。

(2)Savitzky-Golay卷积平滑

x˜i,λ=Si,λxi,λ (2)

式(2)中,xi,λ=(xi,λ-r,…,xi,λ,…,xi,λ+r)为以λ为中心波长点、r为波长点间隔范围的反射光谱数据点向量;i为样本编号;Si,λ为平滑矩阵,由中心波长点间隔的幂函数多项式基矩阵计算得到;x˜i,λ为光谱数据拟合平滑后的光谱向量,本工作采用三阶十三点Savitzky-Golay卷积平滑滤波。

(3)标准正态变量变换(SNV)

xi,λ,SΝV=xi,λ,A-x¯i,A∑λ=1m(xi,λ,A-x¯i,A)2(m-1) (3)

xi,λ,A=-lgxi,λ (4)

x¯i,A=1m∑λ=1mxi,λ,A (5)

其中m为光谱维数;xi,λ,A为波长点λ的吸光度;x¯i,A为第i个样本的吸光度光谱数据平均值;xi,λ,SNV为波长点λ的标准正态变量变换光谱。

随机选择2条煤样与8条岩样的光谱预处理结果作说明,图3(a)—(c)为10条反射光谱曲线经一阶微分、Savitzky-Golay卷积平滑、标准正态变量变换后的反射光谱曲线。由图3知,经过三种预处理方法后,光谱曲线反射吸收波形特征更明显。

图3三种方法预处理后的煤岩样光谱曲线

(a):一阶微分预光谱;(b):Savitzky-Golay卷积平滑光谱;(c):标准正态变量变换光谱

(a):Firstderivative;(b):Savitzky-Golay;(c):SNV

2.3煤岩定性分析结果

为了根据煤岩的反射光谱进行煤岩定性分析,从75条光谱曲线中随机选择30条为训练样本,不同探测距离与角度下的煤样10条,岩样20条。其余45条光谱曲线作为测试样本,其中煤样5条,岩样40条。由以上分析可知,光谱反射率受探测条件的影响,光谱曲线波形与吸收谷位置受探测条件的影响不明显,因此,为有效的消除探测条件对光谱反射率的影响,利用注重衡量向量方向上差异,不注重数值差异的余弦相似度、皮尔逊相关系数这两种识别模型分别进行煤岩定性分析,两种模型的核心计算方法如下:

余弦相似度

cos(θ)=AB∥A∥∥B∥=∑i=1naibi∑i=1nai2∑i=1nbi2 (6)

皮尔逊相关系数

pearson_r=∑i=1n(ai-a¯)(bi-b¯)∑i=1n(ai-a¯)2∑i=1n(bi-b¯)2 (7)

a¯=1n∑i=1nai,b¯=1n∑i=1nbi (8)

其中,n维向量A和B定义为两条待识别的光谱曲线,ai和bi分别为向量A和B在i处的元素值,a¯与b¯分别为向量A和B中所有元素的均值。

由式(6)知,余弦相似度就是计算两个向量A与B之间的余弦值,余弦值越接近1,就表明夹角越接近0°,也就是两个向量越相似;由式(7)知,皮尔逊相关系数就是在计算余弦夹角值之前先求向量中所有元素的均值,然后将向量中每一元素值减去此均值,再求余弦相似度。

表2与表3分别为在1100～2400nm波段范围内的煤岩漫反射光谱曲线经过三种预处理后在余弦相似度、皮尔逊相关系数两种模型下的预测准确率。由表2可知,在Savitzky-Golay卷积平滑预处理下:不同探测距离与角度下煤岩光谱曲线的类别预测率均维持在100%,探测条件的变化并不影响识别率;在一阶微分预处理下:仅在探测距离1.5m、探测角0°情况下的类别预测率为80%,整体预测率为98%左右,探测条件的变化对预测率产生微弱的影响;在标准正态变量变换预处理下:探测条件的变化使煤岩识别率产生较大的波动,且其预测率较低。由表3可知,在Savitzky-Golay卷积平滑预处理下:仅在探测距离1.3m、探测角30°下的类别预测率为80%,整体的类别预测率为98%左右,探测条件的变化对识别率产生微弱的影响;在一阶微分预处理下:仅在探测距离1.5m、探测角0°下的类别预测率为80%,整体的类别识别率在98%左右,探测条件的变化对识别率产生微弱的影响;在标准正态变量变换预处理下:探测条件的变化使煤岩识别率产生明显的波动,其整体预测率相对较低。对比表2与表3可知,Savitzky-Golay卷积平滑预处理后的预测效果较佳,推测是因为此预处理方法通过平滑有效的消除光谱曲线中的噪声以及消除探测条件对光谱曲线波形的影响,使不同探测条件下的煤岩识别率均较高;SNV预处理后的光谱在两种模型下的预测率均相对较差,推测是因为本实验条件中的颗粒度差异引起的散射现象并不明显,而在使用SNV预处理过程中却明显地减弱了目标因素的信息。

表21100～2400nm波段内的余弦相似度模型下的预测率

表31100～2400nm波段内的皮尔逊相关系数模型下的识别率

3、结论

(1)探测角度与距离对光谱曲线波形和吸收谷位置无明显影响,但明显影响光谱反射率。在1.3m探测距离下,光谱反射率随着探测角度的增大而增大;在1.4和1.5m探测距离下,光谱反射率随着探测角度的增大而减小。在10°,20°和30°探测角度下,光谱反射率随着探测距离的增大而增大;在40°和90°探测角度下,光谱曲线的反射率随着探测距离的增大而降低。

(2)Savitzky-Golay卷积平滑有效的消除探测角度与高度对煤岩光谱的影响,其中,在余弦相似度模型下:Savitzky-Golay卷积平滑预处理有效的消除探测条件对光谱曲线波形的影响,其整体分类效果最佳,一阶微分预处理后的分类效果次之,标准正态变量变换预处理后的分类效果相对较差。在皮尔逊相关系数模型下:Savitzky-Golay卷积平滑与一阶微分预处理后的整体分类效果相对较好,标准正态变量变换预处理后的分类效果相对较差。

(3)综合对比上述几种预处理后模型的性能,可得出试验中存在的影响因素应主要是噪声与基线干扰。本研究结果可以为在不同探测角度与探测距离下直接利用近红外漫反射光谱波形进行识别煤岩时选择最佳预处理方法以及定性分析模型提供参考。

参考文献:

[1]于斌,徐刚,黄志增,等.煤炭学报,2019,44(1):42.

[2]张宁波,刘长友,陈现辉,等.煤炭学报,2015,40(5):988.

[5]伍云霞,张宏).煤炭学报),2017,4(5):1331.

[7]王妍).煤质技术,2018,1:35.

[9]赵虎,聂芳,陶洪忠.湖北文理学院学报,2015,36(11):5.

[10]吴珍珠,张一艳,刘乃力,等.化工矿产地质,2016,38(3):171.

周悦,王世博,葛世荣,王赛亚,向阳,杨恩,吕渊博.不同探测距离与角度下典型煤岩近红外光谱特征与定性分析[J].光谱学与光谱分析,2020,40(09):2737-2742.

基金:国家重点研发计划项目(2018YFC0604503);国家自然科学基金联合基金项目(U1610251,51874279);江苏省高校优势学科建设工程项目(PAPD)资助;