Быстрый и полный анализ качества угля имеет важное значение для оптимизации сгорания в котлах и цифровой трансформации угольных электростанций. Спектроскопия с лазерным индуцированным пробоем (LIBS) обладает огромным потенциалом для быстрого определения качества угля. Для удовлетворения требований быстрого анализа на месте были собраны спектральные данные 46 образцов угля из разных электростанций с помощью экспериментальной установки LIBS с потоком угольной пыли. Систематически проведено исследование по синхронному быстрому анализу нескольких показателей качества угля с использованием LIBS в сочетании с машинным обучением. С учетом значительной спектральной флуктуации в состоянии потока частиц оптимизировано количество одиночных импульсных спектров, разработаны методы предварительной обработки данных: фильтрация недействительных спектров, усреднение спектров и нормализация. Проведено сравнение влияния четырех алгоритмов машинного обучения (PLSR, SVR, PSO-SVR и LSTM) и четырех видов спектральных признаков (полный спектр, характерные полосы, интегрированная интенсивность, извлечение с помощью PCA) на точность моделей прогноза показателей качества угля. Результаты показали, что при накоплении 200 одиночных импульсных спектров для усреднения погрешность сигнала спектра контролируется в пределах 5%; алгоритм PSO-SVR показал наилучшие результаты в количественном анализе качества угля. Использование PCA для снижения размерности спектральных данных снизило вычислительную нагрузку и повысило точность прогнозирования моделей. Среднеквадратическая ошибка прогноза теплоты сгорания составила 0,289 МДж/кг, средняя абсолютная ошибка — 0,231 МДж/кг. Прогнозы массовой доли углерода, золы и летучих веществ также были удовлетворительными со среднеквадратичными ошибками 0,987%, 1,310% и 1,612%, и средними абсолютными ошибками 0,839%, 1,014% и 1,033% соответственно. Исследование показало, что с помощью подходящих алгоритмов машинного обучения технология LIBS может обеспечить точное и быстрое синхронное определение нескольких показателей качества угля с широкими перспективами применения в эффективном и чистом использовании угля.

качество угля; лазерная индуцированная спектроскопия пробоя; машинное обучение; высокая эффективность и чистота; поток частиц