基于雙能γ射線的煤炭灰分測量模型及其應用*

程 棟，滕召勝，黎福海，代 揚

(湖南大學 電氣與信息工程學院，湖南 長沙 410082)

近年來隨著清潔煤技術在全球范圍內的廣泛使用和發展，煤炭質量和煤炭灰分含量檢測技術在煤炭冶金領域得到非常重要的應用[1].對于鋼鐵企業，煤炭中的灰分每增加1%，將導致煉鐵時焦比增加2%～2.5%，高爐單產降低2.5%～3%，爐渣增加2.7%～2.9%[2].因此，對于鋼鐵企業和電廠而言，控制采購和生產時煤炭中的灰分含量成為降低能耗以及提高經濟效益的重要手段.

煤炭是由可燃燒物質和不可燃燒物質兩大部分組成，其中可燃燒部分包括C，H，O，N，S等(低Z元素)，以C為主，不可燃燒部分為灰分，包括Ca，Mg，Al，Si，Fe等(高Z元素)[3-5].當前，煤炭灰分的測定方法主要包括灼燒稱重法、輻射測量法、天然放射性方法、光電式測灰法和圖像處理測灰法等，相比傳統的灼燒稱重法以及其他測量方法，輻射測量法中的雙能量γ射線透射法的測量精度高，受物料的形狀、厚度、粒度、堆密度等因素影響小，性能價格比高，安全性能好，易于推廣，是目前應用最廣泛的煤炭灰分檢測技術[6-8].

本文基于雙能γ射線透射法的基本工作原理，研究雙能γ射線透射法在煤炭實際生產過程的應用，針對煤炭中灰分化學組分影響煤炭灰分檢測結果，造成檢測誤差波動大的問題，利用模糊神經網絡的局部逼近能力，建立了擬合模糊神經網絡的新型雙能γ射線煤炭灰分檢測模型，從而有效解決傳統雙能γ透射法誤差波動大的問題，并通過對比灼燒稱重法和傳統雙能γ測量方法的測量結果，驗證了該模型的合理性.此外，利用X-射線熒光光譜分析法(XRF)對煤炭的灰分進行檢測，得到煤炭灰分的化學組分，通過對比分析煤炭灰分含量和灰分組成成分的關系，分析灰分中的不同組分對傳統雙能γ射線透射法灰分測量結果的影響.

1 基于雙能γ射線的煤炭灰分測量模型

1.1 雙能γ射線煤炭探測系統

利用雙能γ射線測量煤炭灰分的依據是γ射線與物質作用僅與物質中元素的種類和各自的含量有關，而與元素組成的化合物分子種類無關[9].在低能γ射線的照射下，煤炭中硅、鋁等“高Z元素”原子的光電效應截面比碳等“低Z元素”的相應截面要大得多，而前者的散射截面卻比后者小[10-11].

對于不同能量的γ射線，吸收物不同則衰減率不同.低能γ241Am射線穿過煤炭時，射線對灰分變化敏感，煤炭灰分對射線衰減的影響大，射線通過煤樣的衰減率與煤炭堆積厚度以及灰分含量有關.中能γ137Cs射線穿過固定灰分范圍內的煤炭時，灰分對其衰減的影響較小，煤炭中灰分在固定范圍內變化時，中能γ137Cs射線通過煤炭的衰減率可近似認為不變，射線的衰減量取決于煤炭厚度.因此，測量雙能γ射線的衰減率可計算出堆積厚度隨機變化的煤炭的灰分含量.

雙能γ射線探測系統主要由射源、NaI探測器、MCA多頻道分析儀、控制主板以及終端輸出顯示組成，如圖1[1]所示.其中閃爍探測器測得的雙能γ射線混合能譜，如圖2[12]所示，采用的NaI閃爍探測器具有時間響應快、能量分辨率高等特點，在測量241Am和137Cs的混合γ射線時，容易把兩者甄別出來.

圖1 煤質探測系統示意圖

幅度/V

1.2 基于雙能γ射線的煤炭灰分測量模型

γ能量射線穿越煤層后，其強度按照指數規律衰減[4]，即

I=I0exp (-μ·ρd)+Ib

(1)

式中I為衰減后γ射線的強度；I0為初始γ射線的強度；Ib為固定裝置吸收的射線強度，其值為常數，且Ib<

對于低能γ241Am射線和中能γ137Cs射線來說，可得到二者通過煤層的衰減率為[7-8]：

(2)

(3)

式中i=1表示低能γ241Am射線，i=2表示中能γ137Cs射線；K為γ射線衰減率.

根據式(3)聯合低能γ241Am射線和中能γ137Cs射線的吸收率可得到二者的比例系數R[7-8]：

(4)

早前的研究[1-2]表明煤炭灰分含量A與其對γ射線的質量吸收系數和之間存在一種線性關系：

A=a+bR

(5)

式中a和b是常量，其值取決于所檢測煤質的種類.

對于不同種類的煤質而言，傳統的雙能γ射線透射法是利用γ射線探測系統得到雙能γ射線吸收系數比R，并通過傳統灼燒稱重法檢測多組煤樣得到各組煤樣的灰分含量，從而擬合試驗數據和測量數據得到a和b的確定值.

此外，可以通過煤炭中“高Z元素”和“低Z元素”對241Am低能窄束γ射線質量衰減系數計算得出a和b的確定值[7].煤質的總質量吸收系數μ1可通過煤中第j類元素的質量吸收系數μj及其百分含量Cj按下式計算得出：

(6)

若將煤作為可燃物質和不可燃物質組成的二元模型，式(5)可簡化為[7]：

μ1=μHCH+μLCL

(7)

且

CH+CL=1

(8)

式中下標H和L分別表示煤炭中的可燃物質和不可燃礦物質.

聯立式(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可表示為：

(10)

(11)

式中μH和μL分別為煤炭中的“高Z元素”和“低Z元素”對241Am低能窄束γ射線質量衰減系數.

1.3 基于模糊神經網絡的雙能γ射線的煤炭灰分測量模型

上述兩種方法得到的煤炭灰分線性關系方程雖然能較為準確地測量煤炭中的灰分含量，但由于其測量結果容易受到煤炭灰分組成成分等因素的影響，且其誤差波動大，難以滿足生產需要.

模糊神經網絡在處理非線性、模糊性的信息識別上有很大的優越性，其通過對目標系統的響應數據進行學習，不斷提高擬合的精度.為了提高雙能γ射線的煤炭灰分測量結果的精度，針對煤炭種類在鋼鐵企業和電廠變化周期較頻繁的情況，本文采用模糊組分模式識別方法來實現煤炭灰分的準確測量，同時將神經網絡理論應用于模糊系統，從而克服單純模糊方法自學習能力較弱的問題，圖3所示為本文建立的基于模糊神經網絡煤炭灰分測量系統結構示意圖.

圖3 基于模糊神經網絡煤炭灰分測量示意圖

本文建立的基于模糊神經網絡的雙能γ射線的煤炭灰分測量方法的FNN模型如圖4所示.系統輸入的固有特征向量集為{R,I1/I2},由試湊法和經驗法確定其模糊分割數分別為：m1=2，m2=3，同時選擇煤灰分含量作為網絡的模糊輸出.

圖4 模糊神經網絡結構圖

圖中第1層為輸入層，該層的各結點直接與輸入向量的各分量xi連接，它起著將輸入值x傳送到下一層的作用.

(12)

式中cij和σij分別表示隸屬度函數的中心值和寬度.

第3層為推理層，其中每個結點代表一條模糊規則.

(13)

第4層為輸出層，此系統的輸入輸出關系為

(14)

式中ωj實際上也就是該層的連接權.

網絡模型中需要學習的參數主要是最后一層的連接權ωj(j=1,2,…,m)，以及第2層的隸屬度函數的中心值cij和σij(i=1,2 ,…,n;j=1,2,…,mi).

這里采用誤差代價函數來調整參數的學習算法.

(15)

式中yid為對應xi的期望輸出.

2 基于雙能γ射線的煤炭灰分測量模型應用

2.1 基于雙能γ射線的煤炭灰分測量

為了驗證基于模糊神經網絡的雙能γ射線的煤炭灰分測量模型測量的準確性，本文將對比傳統雙能γ射線透射法與基于模糊神經網絡的雙能γ射線測量法測量煤炭灰分的檢測結果.

試驗選用內蒙古某煤礦出產的煤炭作為研究對象，其灰分含量為1%～37%.為了保證標定煤質的測量結果具有代表性，在總體煤堆中的不同區域隨機選取24組試驗煤樣.首先，利用雙能γ射線實驗平臺獲得各組煤樣低能和中能的總質量吸收系數μ1和μ2，從而得到比例系數R的值；然后，利用傳統的灼燒稱重法對其進行灰分檢測，表1所示為試驗檢測得到的各組煤樣R值以及通過傳統灰分試驗獲得的煤炭Acon結果.

表1 煤質吸收系數比例R和灼燒稱重法灰分檢測結果對比

從表1可知煤灰分含量Acon和R存在著明顯的線性關系.利用最小二乘法對表1中的數據進行擬合，得到Acon和R的關系

Acon=-132.853 4+84.723 1R

(16)

其中，截距a=-132.853 4，斜率b=84.723 1，其相關系數為0.997 4，標準誤差為0.492 7，擬合的方程如圖5所示.從圖5中可以看出，通過擬合曲線計算的煤炭灰分值與傳統方法的測量值之間誤差較小，誤差在3%左右浮動，說明擬合線性方程能在一定誤差范圍內很好地表示煤炭中灰分含量與雙能γ射線質量吸收系數比例值R之間的關系.

煤質的質量吸收系數比例R

為了驗證了本文建立的基于模糊神經網絡的雙能γ射線的煤炭灰分測量模型的合理性，對傳統雙能γ射線檢測儀器中的控制主板進行相應修正，將所建立的新型煤炭灰分檢測模型應用于控制主板.在試驗用煤的不同煤層中隨機選取16組煤樣，利用兩種雙能γ射線測量方法分別為其中的8組煤樣進行灰分檢測，然后采用灼燒稱重法對已檢測的煤樣進行傳統灰分測量，從而驗證兩種雙能γ射線測量方法的檢測精度.

表2所示為傳統的雙能γ射線透射法和灼燒稱重法的灰分試驗測量結果對比，從中可知雙能γ射線透射法的灰分測量結果誤差主要集中在3%左右，但是對于灰分含量較低的煤炭(5.55%和4.34%)，傳統的雙能γ射線透射法的檢測精度偏離了誤差的正常范圍，分別達到為8.29%和12.44%.這主要是因為煤質灰分的組成成分會影響雙能γ透射法的測量精度，且煤質中灰分含量越低，灰分組成的檢測結果的影響越大[13].

表2 傳統雙能γ射線透射法煤質灰分測量精度

表3所示為基于模糊神經網絡的雙能γ射線煤炭灰分測量結果與灼燒稱重法的灰分測量結果的對比，從中可以看出，本文建立的模糊神經網絡雙能γ測量方法的灰分測量結果誤差都小于1%，其平均誤差為0.72%，且對于不同灰分含量的煤炭，其測量誤差波動小，小于0.5%.

表3 模糊神經網絡雙能γ射線煤質灰分測量精度

綜上所述，相比于傳統雙能γ射線透射法，本文建立的基于模糊神經網絡的雙能γ射線煤炭灰分測量模型的檢測精度更高，且該方法減少了煤質灰分組成對測量結果精度的影響，其測量精度不受煤炭中灰分含量的影響.

2.2 雙能γ射線透射法誤差分析

為了驗證煤中灰分組成成分對雙能γ透射法灰分測量精度的影響，本文采用X-射線熒光光譜分析法(XRF)分析試驗煤炭灰分組成成分及其含量，并對比煤中灰分含量的變化情況，分析煤炭灰分中的不同組分與煤炭灰分含量之間的相對關系.表4為第一次試驗中24組試驗用煤通過傳統灼燒稱重法試驗后殘留的煤炭灰分的化學組成成分及其所占比重，其中R2O表示Na2O和K2O的混合物質，M表示Sr，Zr，Ba，V，Au，Ga以及La等重金屬單質.

表4 灰分組成成分及其比重

從表4中可知，試驗煤炭燃燒后的灰分主要是Si，Al，Mg，Ca，Fe，Ti等物質的氧化物以及鹽類，這些物質在煤中的含量及比重是決定煤灰分含量的關鍵.其中Si，Al的氧化物占灰分總比重的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含量對雙能γ射線透射法的檢測精度影響很大，特別在煤炭灰分含量少的情況下，Fe2O3變化引起的測量誤差值隨著煤炭中灰分含量的減少而增加[13-14]，因而可以確定表2中灰分含量較小的兩組煤炭檢測結果誤差值超出正常范圍是由于煤炭灰分組成成分引起的.

表5為6組不同煤炭灰分的組成成分及其比重與煤炭灰分含量的對比關系，分析二者之間的關系可以看出隨著煤炭灰分含量的增加，SiO2，Al2O3，TiO2以及R2O等的比重也隨之線性遞增，如圖6所示.而其他灰分組成成分與煤炭灰分含量之間無線性關系，如圖7所示，從而進一步驗證了煤炭灰分的組成成分對雙能γ射線透射法測量結果的影響.

表5 煤質灰分含量與灰分組成成分對比關系

煤質灰分含量/%

從圖7中可以看出，隨著煤炭灰分含量的增加，灰分中Fe2O3，CaO，MgO以及SO3等的含量并沒有出現線性的變化，且沒有任何的變化規律，因此可知，煤炭中Mg，Ca，Fe以及S元素的含量對傳統的雙能γ射線透射法的檢測結果有很大的影響.這主要是因為硫酸鹽物質在高溫燃燒環境下容易分解，部分硫酸鹽會分解為氧化物和SO2氣體， SO2會隨著燃氣排出，而Fe2O3，CaO和MgO在高溫燃燒環境下容易和燃燒產物發生化學反應影響其在煤炭灰分中的比重.

因此，當煤炭中Fe，Ca，Mg以及S元素的含量比較高時，傳統的雙能γ射線透射法測量煤炭灰分含量的誤差會超過可接受范圍，使得雙能γ射線透射法在煤炭灰分測量中受到很大的限制，而本文建立的基于模糊神經網絡的雙能γ射線的煤炭灰分測量技術能有效解決灰分組成成分對測量結果的影響，且其測量精度更高.

煤質中灰分含量/%

3 結 論

1)利用傳統的雙能γ射線測量方法測量了煤炭中灰分含量，并和傳統灼燒稱重法的煤炭灰分檢測結果進行對比，試驗結果表明傳統的雙能γ射線透射法能在一定范圍內較好地檢測煤質中的灰分含量，但煤炭灰分的組成成分會影響雙能γ透射法的測量精度.

2)針對傳統的雙能γ射線測量方法測量誤差偏大以及測量不穩定的問題，建立基于模糊神經網絡的雙能γ射線的煤炭灰分測量模型，并利用該模型進行了試驗測量．測量結果顯示相比于傳統的雙能γ射線測量方法3%的誤差，新建測量模型的測量誤差小于1%，且有效解決了煤炭中灰分元素對測量結果的影響.

3)利用X-射線熒光光譜分析法(XRF)分析煤炭灰分組成成分及其含量對煤炭灰分測量的影響，煤炭中Fe，Ca，Mg和S元素的含量會影響傳統雙能γ射線測量法的檢測精度，其成分含量波動越大，檢測結果誤差也越大.

[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]韓斌,孫健,王文清.SCL-2000型煤灰分儀在控制外購精煤質量中的應用[J].選煤技術,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]李書宇.COALSCAN 2500型在線灰分儀在柴里選煤廠的應用[J].選煤技術,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]黃興濱,王國榮,孫普男,等.測量煤炭灰分的低能γ射線反散射方法[J].核技術,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,林謙.基于輻射測量技術的幾種煤灰分檢測方法的比較[J].選煤技術,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]張志康,楊鼓行,雷章云,等.雙能量γ射線透射法煤炭灰分在線測量的實現[J].核電子學與探測技術,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]馬永和,翁放,肖度元,等.成分對雙能γ射線穿透法測灰的影響[J].核電子學與探測技術,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,庹先國,周建斌,等.射線透射法測煤灰分的影響因素及校正方法研究[J].成都理工學院學報,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)