煤炭灰分是评价煤炭质量的重要指标之一,在日益竞争激烈的煤炭销售市场,灰分的高低对选煤厂制定商品煤价格起到关键作用。因此,如何快速检测煤炭灰分成为选煤厂生产管理过程中面临的至关重要的问题。传统的煤炭检测方法无法实时的获取煤炭灰分。目前实时灰分检测方法多采用辐射法,这种方法对环境及其人员造成较大的伤害。本文利用能量较小的光源作为能量源,以煤炭表面光学特性为基础探究煤炭灰分与煤炭表面反射光谱之间关系,并试图建立一种绿色、高效的灰分检测模型。本研究通过微型光纤光谱仪采集煤炭表面反射光谱的方式探究煤炭样品灰分与样品表面光谱反射率之间关系,这种方式是一种新的煤炭灰分检测方式。因此,本研究首先对微型光纤光谱仪参数及其性能进行探究。光谱仪参数主要包括平均次数、积分时间、平滑窗口宽度,通过控质变量法设计单因素试验并分析试验结果,最终确定最佳的微型光谱仪参数并作为后续煤炭样品光谱采集条件。同时对光谱仪基线稳定性及其光谱重复性进行测试,通过对试验结果的分析,在样品光谱采集之前可以充分的了解微型光纤光谱仪性能。为了探究煤炭物理性质对煤炭样品表面反射光谱影响,设计单因素试验探究煤炭含水量、煤炭粒度及其煤层密实度对煤炭样品表面反射率影响规律。在煤炭含水量对煤炭样品表面光谱反射率影响试验过程中,通过在干燥的煤样中加入不同体积的清水配制不同试验样本,并分别采集各样本表面反射光谱,之后建立并分析煤炭含水量与煤炭样品表面平均光谱反射率之间关系。在煤样密实度对煤炭样品表面反射光谱影响试验中,利用煤样的压缩高度衡量煤样密实度。并分别采集不同压缩高度煤样表面平均反射率,最终得出煤层密实度对煤炭样品表面反射光谱影响规律。在煤样粒度对样品光谱反射率影响探究试验中,采用不同粒级煤样作为试验样本,采集不同粒级煤样表面光谱平均反射率,并对采集光谱反射率分波段分析,最终得出不同波段煤样粒度对煤炭样品表面反射率影响规律。矸石主要成分为无机矿物质,煤炭灰分高低主要取决于煤炭中无机矿物质含量。首先探究矸石含量对样品光谱反射率影响,试验过程中利用煤炭灰分这一指标表征矸石含量,试验结果表明矸石含量与煤炭样品表面反射率之间存在相关性较大,这一结论对灰分检测模型的建立奠定了基础。不同种煤炭含有无机矿物种类可能存在差异,为了探究不同无机矿物对样品表面光谱反射率影响规律,选取硅铝酸盐矿物蒙脱石、高岭石、硅酸盐矿物石英、及其褐铁矿四种无机矿物质作为研究对象,分别设计单因素试验探究单一无机矿物含量对试验样品表面反射率影响规律,设计正交试验探究高岭石、石英石、褐铁矿三类无机矿物对样品表面反射率影响显著性大小。最后采用聚类分析算法结合煤炭及其矸石样本表面反射光谱数据建立煤矸识别模型,煤矸识别模型对未知样品种类预测准确性较高。通过采集90个不同灰分煤样表面光谱反射率作为建模样本,采用偏最小二乘法建立灰分检测模型,利用灰分检测模型对10个未知样本灰分进行测试。选取校正集均方根误差RMSEC、预测集均方根误差RMSEP、相关系数R作为评价灰分检测模型的稳定性及其模型预测准确性的指标基于PLS建立灰分检测模型的RMSEC=2.8025,RMSEP=2.45,R=0.9949。另外,针对原始光谱数据采用不同的光谱预处理方法进行处理,试验结果表明利用二阶导数对原始光谱数据处理之后建模效果最好,经过二阶导数光谱数据处理之后的灰分检测模型RMSEC=2.2790,RMSEP=2.3925,R=0.9956。最后,采用主成分分析与神经网络算法结合的方式建立灰分检测模型。通过对两种方法建立模型结果进行对比,基于PCA+BP神经网络建立的灰分检测模型优于基于PLS建立的灰分检测模型。基于PCA+BP神经网络建立灰分检测模型RMSEC=1.6084,RMSEP=1.2422,R=0.9986。