程 栋，滕召胜，黎福海，代 扬

(湖南大学 电气与信息工程学院，湖南 长沙 410082)

近年来随着清洁煤技术在全球范围内的广泛使用和发展，煤炭质量和煤炭灰分含量检测技术在煤炭冶金领域得到非常重要的应用[1].对于钢铁企业，煤炭中的灰分每增加1%，将导致炼铁时焦比增加2%～2.5%，高炉单产降低2.5%～3%，炉渣增加2.7%～2.9%[2].因此，对于钢铁企业和电厂而言，控制采购和生产时煤炭中的灰分含量成为降低能耗以及提高经济效益的重要手段.

煤炭是由可燃烧物质和不可燃烧物质两大部分组成，其中可燃烧部分包括C，H，O，N，S等(低Z元素)，以C为主，不可燃烧部分为灰分，包括Ca，Mg，Al，Si，Fe等(高Z元素)[3-5].当前，煤炭灰分的测定方法主要包括灼烧称重法、辐射测量法、天然放射性方法、光电式测灰法和图像处理测灰法等，相比传统的灼烧称重法以及其他测量方法，辐射测量法中的双能量γ射线透射法的测量精度高，受物料的形状、厚度、粒度、堆密度等因素影响小，性能价格比高，安全性能好，易于推广，是目前应用最广泛的煤炭灰分检测技术[6-8].

本文基于双能γ射线透射法的基本工作原理，研究双能γ射线透射法在煤炭实际生产过程的应用，针对煤炭中灰分化学组分影响煤炭灰分检测结果，造成检测误差波动大的问题，利用模糊神经网络的局部逼近能力，建立了拟合模糊神经网络的新型双能γ射线煤炭灰分检测模型，从而有效解决传统双能γ透射法误差波动大的问题，并通过对比灼烧称重法和传统双能γ测量方法的测量结果，验证了该模型的合理性.此外，利用X-射线荧光光谱分析法(XRF)对煤炭的灰分进行检测，得到煤炭灰分的化学组分，通过对比分析煤炭灰分含量和灰分组成成分的关系，分析灰分中的不同组分对传统双能γ射线透射法灰分测量结果的影响.

1 基于双能γ射线的煤炭灰分测量模型

1.1 双能γ射线煤炭探测系统

利用双能γ射线测量煤炭灰分的依据是γ射线与物质作用仅与物质中元素的种类和各自的含量有关，而与元素组成的化合物分子种类无关[9].在低能γ射线的照射下，煤炭中硅、铝等“高Z元素”原子的光电效应截面比碳等“低Z元素”的相应截面要大得多，而前者的散射截面却比后者小[10-11].

对于不同能量的γ射线，吸收物不同则衰减率不同.低能γ241Am射线穿过煤炭时，射线对灰分变化敏感，煤炭灰分对射线衰减的影响大，射线通过煤样的衰减率与煤炭堆积厚度以及灰分含量有关.中能γ137Cs射线穿过固定灰分范围内的煤炭时，灰分对其衰减的影响较小，煤炭中灰分在固定范围内变化时，中能γ137Cs射线通过煤炭的衰减率可近似认为不变，射线的衰减量取决于煤炭厚度.因此，测量双能γ射线的衰减率可计算出堆积厚度随机变化的煤炭的灰分含量.

双能γ射线探测系统主要由射源、NaI探测器、MCA多频道分析仪、控制主板以及终端输出显示组成，如图1[1]所示.其中闪烁探测器测得的双能γ射线混合能谱，如图2[12]所示，采用的NaI闪烁探测器具有时间响应快、能量分辨率高等特点，在测量241Am和137Cs的混合γ射线时，容易把两者甄别出来.

图1 煤质探测系统示意图

幅度/V

1.2 基于双能γ射线的煤炭灰分测量模型

γ能量射线穿越煤层后，其强度按照指数规律衰减[4]，即

I=I0exp (-μ·ρd)+Ib

(1)

式中I为衰减后γ射线的强度；I0为初始γ射线的强度；Ib为固定装置吸收的射线强度，其值为常数，且Ib<

对于低能γ241Am射线和中能γ137Cs射线来说，可得到二者通过煤层的衰减率为[7-8]：

(2)

(3)

式中i=1表示低能γ241Am射线，i=2表示中能γ137Cs射线；K为γ射线衰减率.

根据式(3)联合低能γ241Am射线和中能γ137Cs射线的吸收率可得到二者的比例系数R[7-8]：

(4)

早前的研究[1-2]表明煤炭灰分含量A与其对γ射线的质量吸收系数和之间存在一种线性关系：

A=a+bR

(5)

式中a和b是常量，其值取决于所检测煤质的种类.

对于不同种类的煤质而言，传统的双能γ射线透射法是利用γ射线探测系统得到双能γ射线吸收系数比R，并通过传统灼烧称重法检测多组煤样得到各组煤样的灰分含量，从而拟合试验数据和测量数据得到a和b的确定值.

此外，可以通过煤炭中“高Z元素”和“低Z元素”对241Am低能窄束γ射线质量衰减系数计算得出a和b的确定值[7].煤质的总质量吸收系数μ1可通过煤中第j类元素的质量吸收系数μj及其百分含量Cj按下式计算得出：

(6)

若将煤作为可燃物质和不可燃物质组成的二元模型，式(5)可简化为[7]：

μ1=μHCH+μLCL

(7)

且

CH+CL=1

(8)

式中下标H和L分别表示煤炭中的可燃物质和不可燃矿物质.

联立式(7)，式(8)和式(4)可知：

(9)

早前的研究表明A=2CH，因此式(5)中的a和b可表示为：

(10)

(11)

式中μH和μL分别为煤炭中的“高Z元素”和“低Z元素”对241Am低能窄束γ射线质量衰减系数.

1.3 基于模糊神经网络的双能γ射线的煤炭灰分测量模型

上述两种方法得到的煤炭灰分线性关系方程虽然能较为准确地测量煤炭中的灰分含量，但由于其测量结果容易受到煤炭灰分组成成分等因素的影响，且其误差波动大，难以满足生产需要.

模糊神经网络在处理非线性、模糊性的信息识别上有很大的优越性，其通过对目标系统的响应数据进行学习，不断提高拟合的精度.为了提高双能γ射线的煤炭灰分测量结果的精度，针对煤炭种类在钢铁企业和电厂变化周期较频繁的情况，本文采用模糊组分模式识别方法来实现煤炭灰分的准确测量，同时将神经网络理论应用于模糊系统，从而克服单纯模糊方法自学习能力较弱的问题，图3所示为本文建立的基于模糊神经网络煤炭灰分测量系统结构示意图.

图3 基于模糊神经网络煤炭灰分测量示意图

本文建立的基于模糊神经网络的双能γ射线的煤炭灰分测量方法的FNN模型如图4所示.系统输入的固有特征向量集为{R,I1/I2},由试凑法和经验法确定其模糊分割数分别为：m1=2，m2=3，同时选择煤灰分含量作为网络的模糊输出.

图4 模糊神经网络结构图

图中第1层为输入层，该层的各结点直接与输入向量的各分量xi连接，它起着将输入值x传送到下一层的作用.

(12)

式中cij和σij分别表示隶属度函数的中心值和宽度.

第3层为推理层，其中每个结点代表一条模糊规则.

(13)

第4层为输出层，此系统的输入输出关系为

(14)

式中ωj实际上也就是该层的连接权.

网络模型中需要学习的参数主要是最后一层的连接权ωj(j=1,2,…,m)，以及第2层的隶属度函数的中心值cij和σij(i=1,2 ,…,n;j=1,2,…,mi).

这里采用误差代价函数来调整参数的学习算法.

(15)

式中yid为对应xi的期望输出.

2 基于双能γ射线的煤炭灰分测量模型应用

2.1 基于双能γ射线的煤炭灰分测量

为了验证基于模糊神经网络的双能γ射线的煤炭灰分测量模型测量的准确性，本文将对比传统双能γ射线透射法与基于模糊神经网络的双能γ射线测量法测量煤炭灰分的检测结果.

试验选用内蒙古某煤矿出产的煤炭作为研究对象，其灰分含量为1%～37%.为了保证标定煤质的测量结果具有代表性，在总体煤堆中的不同区域随机选取24组试验煤样.首先，利用双能γ射线实验平台获得各组煤样低能和中能的总质量吸收系数μ1和μ2，从而得到比例系数R的值；然后，利用传统的灼烧称重法对其进行灰分检测，表1所示为试验检测得到的各组煤样R值以及通过传统灰分试验获得的煤炭Acon结果.

表1 煤质吸收系数比例R和灼烧称重法灰分检测结果对比

从表1可知煤灰分含量Acon和R存在着明显的线性关系.利用最小二乘法对表1中的数据进行拟合，得到Acon和R的关系

Acon=-132.853 4+84.723 1R

(16)

其中，截距a=-132.853 4，斜率b=84.723 1，其相关系数为0.997 4，标准误差为0.492 7，拟合的方程如图5所示.从图5中可以看出，通过拟合曲线计算的煤炭灰分值与传统方法的测量值之间误差较小，误差在3%左右浮动，说明拟合线性方程能在一定误差范围内很好地表示煤炭中灰分含量与双能γ射线质量吸收系数比例值R之间的关系.

煤质的质量吸收系数比例R

为了验证了本文建立的基于模糊神经网络的双能γ射线的煤炭灰分测量模型的合理性，对传统双能γ射线检测仪器中的控制主板进行相应修正，将所建立的新型煤炭灰分检测模型应用于控制主板.在试验用煤的不同煤层中随机选取16组煤样，利用两种双能γ射线测量方法分别为其中的8组煤样进行灰分检测，然后采用灼烧称重法对已检测的煤样进行传统灰分测量，从而验证两种双能γ射线测量方法的检测精度.

表2所示为传统的双能γ射线透射法和灼烧称重法的灰分试验测量结果对比，从中可知双能γ射线透射法的灰分测量结果误差主要集中在3%左右，但是对于灰分含量较低的煤炭(5.55%和4.34%)，传统的双能γ射线透射法的检测精度偏离了误差的正常范围，分别达到为8.29%和12.44%.这主要是因为煤质灰分的组成成分会影响双能γ透射法的测量精度，且煤质中灰分含量越低，灰分组成的检测结果的影响越大[13].

表2 传统双能γ射线透射法煤质灰分测量精度

表3所示为基于模糊神经网络的双能γ射线煤炭灰分测量结果与灼烧称重法的灰分测量结果的对比，从中可以看出，本文建立的模糊神经网络双能γ测量方法的灰分测量结果误差都小于1%，其平均误差为0.72%，且对于不同灰分含量的煤炭，其测量误差波动小，小于0.5%.

表3 模糊神经网络双能γ射线煤质灰分测量精度

综上所述，相比于传统双能γ射线透射法，本文建立的基于模糊神经网络的双能γ射线煤炭灰分测量模型的检测精度更高，且该方法减少了煤质灰分组成对测量结果精度的影响，其测量精度不受煤炭中灰分含量的影响.

2.2 双能γ射线透射法误差分析

为了验证煤中灰分组成成分对双能γ透射法灰分测量精度的影响，本文采用X-射线荧光光谱分析法(XRF)分析试验煤炭灰分组成成分及其含量，并对比煤中灰分含量的变化情况，分析煤炭灰分中的不同组分与煤炭灰分含量之间的相对关系.表4为第一次试验中24组试验用煤通过传统灼烧称重法试验后残留的煤炭灰分的化学组成成分及其所占比重，其中R2O表示Na2O和K2O的混合物质，M表示Sr，Zr，Ba，V，Au，Ga以及La等重金属单质.

表4 灰分组成成分及其比重

从表4中可知，试验煤炭燃烧后的灰分主要是Si，Al，Mg，Ca，Fe，Ti等物质的氧化物以及盐类，这些物质在煤中的含量及比重是决定煤灰分含量的关键.其中Si，Al的氧化物占灰分总比重的80%以上，而Mg，Ca，Fe的氧化物在灰分中也占有一定的比例.早期的研究表明煤炭灰分中的Fe2O3含量对双能γ射线透射法的检测精度影响很大，特别在煤炭灰分含量少的情况下，Fe2O3变化引起的测量误差值随着煤炭中灰分含量的减少而增加[13-14]，因而可以确定表2中灰分含量较小的两组煤炭检测结果误差值超出正常范围是由于煤炭灰分组成成分引起的.

表5为6组不同煤炭灰分的组成成分及其比重与煤炭灰分含量的对比关系，分析二者之间的关系可以看出随着煤炭灰分含量的增加，SiO2，Al2O3，TiO2以及R2O等的比重也随之线性递增，如图6所示.而其他灰分组成成分与煤炭灰分含量之间无线性关系，如图7所示，从而进一步验证了煤炭灰分的组成成分对双能γ射线透射法测量结果的影响.

表5 煤质灰分含量与灰分组成成分对比关系

煤质灰分含量/%

从图7中可以看出，随着煤炭灰分含量的增加，灰分中Fe2O3，CaO，MgO以及SO3等的含量并没有出现线性的变化，且没有任何的变化规律，因此可知，煤炭中Mg，Ca，Fe以及S元素的含量对传统的双能γ射线透射法的检测结果有很大的影响.这主要是因为硫酸盐物质在高温燃烧环境下容易分解，部分硫酸盐会分解为氧化物和SO2气体， SO2会随着燃气排出，而Fe2O3，CaO和MgO在高温燃烧环境下容易和燃烧产物发生化学反应影响其在煤炭灰分中的比重.

因此，当煤炭中Fe，Ca，Mg以及S元素的含量比较高时，传统的双能γ射线透射法测量煤炭灰分含量的误差会超过可接受范围，使得双能γ射线透射法在煤炭灰分测量中受到很大的限制，而本文建立的基于模糊神经网络的双能γ射线的煤炭灰分测量技术能有效解决灰分组成成分对测量结果的影响，且其测量精度更高.

煤质中灰分含量/%

3 结 论

1)利用传统的双能γ射线测量方法测量了煤炭中灰分含量，并和传统灼烧称重法的煤炭灰分检测结果进行对比，试验结果表明传统的双能γ射线透射法能在一定范围内较好地检测煤质中的灰分含量，但煤炭灰分的组成成分会影响双能γ透射法的测量精度.

2)针对传统的双能γ射线测量方法测量误差偏大以及测量不稳定的问题，建立基于模糊神经网络的双能γ射线的煤炭灰分测量模型，并利用该模型进行了试验测量．测量结果显示相比于传统的双能γ射线测量方法3%的误差，新建测量模型的测量误差小于1%，且有效解决了煤炭中灰分元素对测量结果的影响.

3)利用X-射线荧光光谱分析法(XRF)分析煤炭灰分组成成分及其含量对煤炭灰分测量的影响，煤炭中Fe，Ca，Mg和S元素的含量会影响传统双能γ射线测量法的检测精度，其成分含量波动越大，检测结果误差也越大.

[1]YAZDI M,ESMAEILNI S A.Dual-energy gamma-ray technique for quantitative measurement of coal ash in the shahroud mine,iran[J].International Journal of Coal Geology,2003,55(10): 151-156.

[2]韩斌,孙健,王文清.SCL-2000型煤灰分仪在控制外购精煤质量中的应用[J].选煤技术,2003,3(6): 43-45.

HAN Bin,SUN Jian,WANG Wen-qing.Application of SCL-2000 coal ash analyzer in controlling the quality of purchased coal[J].Coal Preparation Technology,2003,3(6): 43-45.(In Chinese)

[3]ANTON Zubrik,SLAVOMIR Hredzak,LUDMILA Turcaniova.Distribution of inorganic and organic substances in the hydrocyclone separated slovak sub-bituminous coal[J].Fuel,2010,89(3): 2126-2132.

[4]李书宇.COALSCAN 2500型在线灰分仪在柴里选煤厂的应用[J].选煤技术,2000,5(10): 32-33.

LI Shu-yu.Application of COALSCAN 2500 on-line ash analyzer in chaili coal preparation plant[J].Coal Preparation Technology,2000,5(10): 32-33.(In Chinese)

[5]黄兴滨,王国荣,孙普男,等.测量煤炭灰分的低能γ射线反散射方法[J].核技术,2005,28(11): 877-880.

HUANG Xing-bin,WANG Guo-rong,SUN Pu-nan,etal.Backscattering techniques of low energyγ-ray for determining ash content of coal[J].Nuclear Techniques,2005,28(11): 877-880.(In Chinese)

[6]衣宏昌,梁漫春,林谦.基于辐射测量技术的几种煤灰分检测方法的比较[J].选煤技术,2004,2(4): 54-56.

YI Hong-chang,LI Man-chun,LIN Qian.Comparison of several radiometric techniques of coal ash detection methods[J].Coal Preparation Technology,2004,2(4): 54-56.(In Chinese)

[7]LIU Wen-zhong,KONG Li,QU Tan,etal.An evaluation of measurement uncertainties in the on-line measurement of coal ash content by gamma-ray transmission[J].Applied Radiation and Isotopes,2002,57(1): 353-358.

[8]XU Qi,ZHANG Yong-chuan.A novel automated separator based on dual energy gamma-rays transmission[J].Meas Sci Technol,2000,11(3): 1383-1388.

[9]PREM S M Tripathi,KAMLESH K Mishra,RAJIV R P Roy,etal.Investigations on desulphurization of some high-sulphur indian coals byγ-ray-induced chlorinolysis[J].Applied Radiation and Isotopes,2002,56(1): 975-984.

[10]LIM C S,ABERNETHY D A.On-line coal analysis using fast neutron-induced gamma-rays[J].Applied Radiation and Isotopes,2005,63(5): 697-704.

[11]SANG Hai-feng,WANG Fu-li,LIU Lin-mao,etal.Detection of element content in coal by pulsed neutron method based on an optimized back-propagation neural network[J].Nuclear Instruments and Methods in Physics Research B,2005,239(4): 202-208.

[12]张志康,杨鼓行,雷章云,等.双能量γ射线透射法煤炭灰分在线测量的实现[J].核电子学与探测技术,1991,11(3): 132-138.

ZHANG Zhi-kang,YANG Gu-hang,LEI Zhang-yun,etal.On-line determination of ash content of coal based on the transmission of bi-energyγ-ray[J].Nuclear Electronics & Detection Technology,1991,11(3): 132-138.(In Chinese)

[13]马永和,翁放,肖度元,等.成分对双能γ射线穿透法测灰的影响[J].核电子学与探测技术,1989,9(6): 324-326.

MA Yong-he,WEN Fang,XIAO Du-yuan,etal.Study on the improved efficiency tracing technique[J].Nuclear Electronics & Detection Technology,1989,9(6): 324-326.(In Chinese)

[14]程渤,庹先国,周建斌,等.射线透射法测煤灰分的影响因素及校正方法研究[J].成都理工学院学报,2002,29(1): 65-68.

CHENG Bo,TUO Xian-guo,ZHOU Jian-bin,etal.Influence factors and corrections of low-energyγ-ray penetration in ash analysis[J].Journal of Chengdu University of Technology,2002,29(1): 65-68.(In Chinese)