本文研究了近红外光谱分析技术运用于煤的灰分、挥发分和硫分的快速无损检测方法,建立了用于煤质现场检测的实时在线检测系统。主要内容包括以下方面：1、在严格控制温湿度的实验环境下,完成了对190个每样的近红外漫反射光谱采集。从190个煤样中选取150个作为校正集分别建立对煤灰分、挥发分和硫分的回归模型,剩下40个作为预测集检验模型对外部样本的预测精度。通过比较主成分回归和偏最小二乘回归对光谱建模的结果,选取偏最小二乘回归建立光谱和煤质的回归模型。然后运用不同的异常点剔除算法、光谱预处理算法和光谱波段筛选算法优化回归模型。灰分的回归建模分析中,用学生氏残差剔除光谱数据中的异常样本点,然后利用定性筛选波段的方法建立回归模型结果最优。而挥发分建模最优优化方法是学生氏残差剔除异常样本点和根据光谱和挥发分的相关性选取波段。硫分的回归建模通过学生氏残差剔除异常样本和正交信号校正的光谱预处理后预测能力最强。2、模拟工厂环境设计和搭建了煤质实时在线检测系统,用传动带替代原有光谱仪的旋转样品盘来实现连续检测。有利于洗煤厂的自动化生产,省略了复杂的制样和装样操作,检测后的煤样能再次用于商品煤生产。在线采集光谱增加煤样的扫描面积,使采集的近红外光谱能更好的代表煤样的性质。但是稳定性较原来差,实验中通过对单个样本重复采集15次近红外光谱,平均光谱作为该样本的近红外漫反射光谱来降低随机噪声。对在线采集近红外光谱建立与煤灰分、挥发分和硫分偏最小二乘回归模型,并进行优化,在线采集近红外漫反射光谱建模的精度达到了非在线采集光谱建模接近的精度。