一种基于傅里叶红外光谱的煤质快速识别方法技术

一种基于傅里叶红外光谱的煤质快速识别方法，适用于对煤炭品质快速评测使用。包括步骤如下：通过多种煤质样品获取相应煤质样品的光谱数据，对获取的光谱数据的预处理，利用小波变换将光谱数据点进行压缩，利用神经网络训练兵建立专家库，使用红外光谱仪测量煤矿得到被测煤矿的特征数据，通过与专家库内的数据对比，从而判断出被测煤矿的煤质。其方法简单，识别迅速，有利用工业生产的应用。

【技术实现步骤摘要】

【技术保护点】
一种基于傅里叶红外光谱的煤质快速识别方法，其特征在于步骤如下：a.选取多种不同矿区的煤质样品，每种选取多份，将每种煤质样品各取一份形成一个煤质样品组，得到多个煤质样品组，使用压片法将所有煤质样品研磨成样品煤粉，将样品煤粉压片并标记，分别按煤质样品组使用红外光谱仪采集所有样品煤粉的光谱线，采样数字化后并记录下光谱仪输出为光谱数据点；b.由于光谱数据点在采集时首端与末端容易产生噪音，选取光谱中段数据340‑1000nm；利用Savitzky‑Golay滤波器在确保光谱数据的形状、宽度不变的情况下分别对所有煤粉样品的光谱中段数据进行平滑去噪；c.利用小波变换分别将平滑去噪之后的所有煤粉样品光谱数据点进行压缩处理，降维，减少光谱数据点的个数，通过压缩减少光谱数据中的冗余信息，加快神经网络的训练速度；d.建立BP神经网络，将小波变换压缩之后的所有样品煤粉光谱数据点x0,x1…xi进行归一化，之后作为BP神经网络输入层的神经元输入BP神经网络，BP神经网络的隐含层节点数为M＝log2n，其中n为输入层神经元个数，输出层神经元个数取决于煤质的类别；BP神经网络的隐含层和输出层均采用Sigmoid传递函数：式中m为转移函数输入，e为自然常数，S函数将输入从负无穷到正无穷映射到(‑1,1)和(0,1)区间；利用公式：将信号从输入层正向传播到隐含层，同时信号从隐含层传播到输出层也采用公式：传输数据，隐含层输出和输出层输出中对应的类别神经元的序号yj和yn，其中wij和wjn分别对应为输入层和隐含层、隐含层和输出层神经元的连接权值；xi为神经元的输入信号，θj和θn是外部偏置的权值；e.重复上述步骤，将每个煤质样品组均作为BP神经网络的训练样本，进行迭代训练，使概率神经网络得出最佳的权值，将不同矿区的煤质样品的最佳权值与煤矿样本标记对应记录，从而获得的各个样本的数据专家库；f.将待识别样品煤粉的光谱数据点输入数据专家库，数据专家库会根据存储的样品最佳权值跟待识别样品煤粉的光谱数据点进行神经网络测试，判断出测试的煤质的种类；当果专家库通过对比发现未包含待识别样品煤粉的光谱数据点时，则会将此次待识别样品煤粉的光谱数据点学习加入专家库。...

【技术特征摘要】

【专利技术属性】
技术研发人员：李世银，陈淑婷，卢兆林，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：江苏;32