生物質(zhì)顆粒燃料原料的不均勻性以及多樣性,導(dǎo)致其生產(chǎn)過程和燃燒過程的質(zhì)量監(jiān)管存在一定的難度。生物質(zhì)顆粒燃料的質(zhì)量監(jiān)管和生物質(zhì)燃燒系統(tǒng)的設(shè)計與操作,主要取決于幾個重要的生物質(zhì)燃料特性指標,即高位熱值,揮發(fā)分以及灰分含量。傳統(tǒng)的生物質(zhì)燃料特性分析試驗存在耗時長和步驟繁瑣的不足,難以滿足實時掌握燃料的信息的需求,而現(xiàn)有的快速測量技術(shù)又存在一定的局限性。因此,本文將激光誘導(dǎo)擊穿光譜技術(shù)（Laser-Induced Breakdown Spectroscopy,LIBS）應(yīng)用于生物質(zhì)燃料特性指標分析。由于生物質(zhì)顆粒燃料的成型參數(shù)會隨著制造商的不同而有所變化,進而可能會影響生物質(zhì)燃料所得到的激光誘導(dǎo)等離子體的光譜特性及其特性指標的LIBS測量模型性能。因此,在LIBS技術(shù)應(yīng)用于生物質(zhì)顆粒燃料特性的測量之前,研究了生物質(zhì)顆粒生產(chǎn)過程中的四個主要的成型參數(shù)（成型壓力,成型溫度,原料含水率以及原料粒徑）各自對生物質(zhì)顆粒燃料的LIBS光譜的影響。結(jié)果表明,在常用的顆粒成型參數(shù)范圍內(nèi),成型壓力和原料含水率對LIBS光譜的影響可忽略不計,而成型溫度和原料粒徑雖然對實驗測量得到的LIBS光譜存在一點波動,但是影響... 

【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【部分圖文】：

LIBS實驗系統(tǒng)圖

華南理工大學(xué)碩士學(xué)位論文39集200組光譜。表4-1六種生物質(zhì)燃料顆粒的工業(yè)分析指標值樣品水分(Md/%)灰分(Ad/%)揮發(fā)分(Vd/%)固定碳(FCd/%)木顆粒A6.841.6381.0410.49木顆粒B7.762.8379.989.43柚木顆粒4.842.5284.188.46云杉顆粒0.361.0284.6813.93花生殼顆粒1.7814.1968.2615.77玉米秸稈顆粒1.9724.3164.599.144.2主成分分析首先，對六種生物質(zhì)燃料樣品得到的LIBS光譜進行主成分分析（PCA）。將每個樣品的每20幅光譜平均為1個點，即每個樣品分成10個點，6個樣品則為60個點。將生物質(zhì)燃料的LIBS全波段光譜數(shù)據(jù)作為輸入變量，對其進行PCA分析，得到其主成分的貢獻率，如圖4-1所示。由圖4-1可見，PCA分析中前三個主成分的貢獻率分別為55.75%、27.99%和9.67%，三個主成分的累積貢獻率為93.41%，即能夠?qū)?3.41%的LIBS光譜數(shù)據(jù)進行解釋，保留了生物質(zhì)燃料樣品的原始光譜中的絕大部分信息，因此選用PCA前三個主成分進行研究。圖4-1PCA主成分貢獻率圖

第四章基于LIBS的生物質(zhì)燃料種類的定性識別40接著，計算PCA降維壓縮LIBS全譜得到的前三個主成分對應(yīng)的得分值，并將計算的結(jié)果在三維空間中展示，如圖4-2所示。圖4-2中的X、Y、Z軸分別為每個樣品對應(yīng)的PC1、PC2、PC3的值。由圖4-2可見，每一類生物質(zhì)顆粒的點都顯示出匯聚現(xiàn)象，說明對于同一類生物質(zhì)顆粒而言，多次測量的LIBS光譜具有較好的穩(wěn)定性。此外，以木顆粒A、木顆粒B、柚木顆粒、云杉顆粒為代表的木本類生物質(zhì)顆粒和以花生殼顆粒、玉米秸稈顆粒為代表的草本類生物質(zhì)顆粒能夠較好地被區(qū)分開。然而對于草本類生物質(zhì)中的不同種類，其樣品點靠得較近，甚至出現(xiàn)交叉現(xiàn)象，這是因為它們的性質(zhì)和基體較為相似。同樣地，木本類生物質(zhì)中的不同種類也存在相似的現(xiàn)象。綜上所述，僅利用PCA前三個主成分無法對生物質(zhì)燃料的種類進行準確的判別，因此需要采用有監(jiān)督的分類算法對其進行進一步的分析。圖4-2生物質(zhì)燃料樣品的LIBS光譜的前三個主成分得分值分布圖4.3特征光譜的選取在相同的實驗條件和環(huán)境下利用LIBS設(shè)備對6種生物質(zhì)燃料進行實驗，并獲得其LIBS光譜，將光譜中每個觀察到的譜峰的波長與NIST的在線數(shù)據(jù)庫[78]進行對比，從而確定元素的特征譜線。圖4-3為6種生物質(zhì)燃料的LIBS光譜圖，由圖中可見，生物質(zhì)

【參考文獻】：
期刊論文
[1]計量檢測中異常數(shù)據(jù)剔除的有效方法[J]. 黃志恒.  科技風(fēng). 2019(33)
[2]正態(tài)曲線剔除法提高LIBS快速測量煤炭灰分精確度[J]. 陳小玄,盧志民,姚順春,莫爵徽,趙靜波,陸繼東.  中國電機工程學(xué)報. 2019(04)
[3]小麥秸稈中K和Na元素LIBS同步定量分析研究[J]. 段宏偉,韓魯佳,黃光群.  農(nóng)業(yè)機械學(xué)報. 2019(02)
[4]激光誘導(dǎo)擊穿光譜鑒別硫熏浙貝母[J]. 趙懿瀅,朱素素,何娟,張初,劉飛,何勇,馮雷.  光譜學(xué)與光譜分析. 2018(11)
[5]基于貝葉斯定理的能源供應(yīng)網(wǎng)絡(luò)脆弱性研究[J]. 楊洋,劉旭,劉藝林,浮豪豪.  統(tǒng)計與決策. 2018(16)
[6]作物秸稈生物質(zhì)原料可持續(xù)利用模式探究[J]. 侯新村,范希峰,朱毅,岳躍森,武菊英.  農(nóng)學(xué)學(xué)報. 2018(04)
[7]生物質(zhì)燃料特性對鍋爐運行的影響[J]. 黃仕高.  科技創(chuàng)新與應(yīng)用. 2017(18)
[8]LIBS對煤中熱值檢測的新型校正模型[J]. 王帝,陸繼東,董美蓉,姚順春,樊炬,田照華,王磊,李詩詩.  光譜學(xué)與光譜分析. 2016(08)
[9]基于激光誘導(dǎo)擊穿光譜的燃煤揮發(fā)分定量分析[J]. 樊炬,王帝,陸繼東,張博.  廣東電力. 2015(09)
[10]基于近紅外光譜和稀疏偏最小二乘回歸的生物質(zhì)工業(yè)分析[J]. 姚燕,王常玥,劉輝軍,湯建斌,蔡晉輝,汪靜軍.  光譜學(xué)與光譜分析. 2015(07)

博士論文
[1]基于激光誘導(dǎo)擊穿光譜技術(shù)的土壤理化信息檢測方法研究[D]. 余克強.浙江大學(xué) 2016
[2]激光誘導(dǎo)擊穿光譜中化學(xué)計量學(xué)方法研究及其在冶金分析的應(yīng)用[D]. 張?zhí)忑?西北大學(xué) 2015
[3]生物質(zhì)熱轉(zhuǎn)化過程中堿金屬元素遷移的研究[D]. 張志昊.清華大學(xué) 2014
[4]激光誘導(dǎo)擊穿光譜數(shù)據(jù)處理方法及在煤分析中的應(yīng)用研究[D]. 謝承利.華中科技大學(xué) 2009

碩士論文
[1]激光誘導(dǎo)擊穿光譜技術(shù)用于煤中非金屬元素定量分析研究[D]. 孫永凱.中北大學(xué) 2019
[2]激光誘導(dǎo)擊穿光譜定量分析算法研究[D]. 張海濱.中國科學(xué)技術(shù)大學(xué) 2018
[3]基于偏最小二乘算法的激光誘導(dǎo)擊穿光譜識別技術(shù)研究[D]. 羅德志.電子科技大學(xué) 2018
[4]激光誘導(dǎo)擊穿光譜儀重金屬檢測實驗研究[D]. 葉倩倩.華北理工大學(xué) 2018
[5]動物組織激光誘導(dǎo)擊穿光譜分類方法及核心算法研究[D]. 朱毅寧.華中科技大學(xué) 2017
[6]粒子群算法在多維優(yōu)化問題中的改進研究[D]. 蔣曉屾.浙江理工大學(xué) 2016
[7]基于激光誘導(dǎo)擊穿光譜煤質(zhì)分析儀的研制[D]. 王鑫.山西大學(xué) 2015
[8]基于光譜分析技術(shù)的農(nóng)林生物質(zhì)能源品質(zhì)的快速檢測研究[D]. 路文江.浙江工業(yè)大學(xué) 2014
[9]樸素貝葉斯分類器的研究與應(yīng)用[D]. 王國才.重慶交通大學(xué) 2010
[10]樸素貝葉斯分類器的集成學(xué)習(xí)方法研究[D]. 郝麗鋒.河北大學(xué) 2009



本文編號：3306016