يتميز الكشف السريع والشامل عن جودة الفحم بأهمية كبيرة في تحسين احتراق الغلايات والرقمنة الذكية لمحطات توليد الطاقة بالفحم. تتمتع تقنية التحليل الطيفي بالانهيار المُستحث بالليزر (LIBS) بإمكانات تطبيقية هائلة في الكشف السريع عن جودة الفحم. لتلبية أهداف الكشف السريع في مواقع الفحم، تم جمع بيانات طيفية لـ 46 مجموعة من عينات الفحم من محطات طاقة مختلفة باستخدام جهاز كشف LIBS بتدفق جزيئات الفحم. أجريت دراسة شاملة حول الكشف السريع المتزامن لعدة مؤشرات لجودة الفحم باستخدام LIBS مع التعلم الآلي. نظرًا لتذبذب الطيف الكبير في حالة تدفق الجزيئات، تم تحسين عدد جمع الأطياف ذات النبض الواحد، بالإضافة إلى تطوير طرق مسبقة لمعالجة البيانات مثل تصفية الأطياف غير الصالحة، ومتوسط الأطياف، وتطبيع الأطياف. كما تم مقارنة تأثير أربعة خوارزميات تعلم آلي (PLSR وSVR وPSO-SVR وLSTM) وأربعة أنواع من مداخل ميزات الطيف (الطيف الكامل، النطاقات المميزة، التكامل الكثافي، وPCA) على أداء التنبؤ بنماذج مؤشر جودة الفحم. أظهرت النتائج: أن جمع 200 طيف نبضة واحدة في كل اختبار لمتوسط الأطياف يمكن التحكم في عدم اليقين في إشارة الطيف ضمن 5%؛ وأداء PSO-SVR كان الأفضل في التحليل الكمي لعدة مؤشرات جودة الفحم. من خلال استخدام PCA لتقليل أبعاد بيانات الطيف، تحسن أداء النموذج مع تقليل الحمل الحسابي. وبلغ متوسط مربعات الخطأ الجذري للتنبؤ بحرارة الاحتراق 0.289 ميجا جول/كجم، ومتوسط الخطأ المطلق 0.231 ميجا جول/كجم. وكانت توقعات نسبة الكربون، الرماد، والمتطايرات أيضًا مرضية مع متوسط مربعات الخطأ الجذري 0.987%، 1.310%، و1.612%، ومتوسط الخطأ المطلق 0.839%، 1.014%، و1.033% على التوالي. تظهر الدراسة أنه من خلال دمج خوارزميات التعلم الآلي المناسبة، يمكن لتقنية LIBS تحقيق الكشف السريع والدقيق المتزامن لعدة مؤشرات لجودة الفحم، مما يفتح آفاقًا واسعة لتطبيقها في استخدام الفحم الكفء والنظيف.

جودة الفحم;التحليل الطيفي بالانهيار المستحث بالليزر;التعلم الآلي;كفاءة عالية ونظافة;تدفق الجزيئات