移动式站台煤质远程检测系统及方法

本发明属于煤质检测，具体涉及移动式站台煤质远程检测系统及方法。

背景技术：

1、现阶段，火车煤炭站台通常采用卸煤机就地卸煤，各节车厢的煤炭沿铁路沿线堆放，堆煤距离远、占地面积大、煤炭存放量大，为了避免煤炭的堆积和占用存放空间，需要对站台煤质进行快速精准的检测分析，而煤炭转运站台的煤质检测仍采用传统的化学分析法，通常从每节车厢的数吨煤炭分别取样，再经过混合、研磨、制样等环节，送入实验室逐项分析检测，检测结果存在严重的滞后性，无法实时评判煤炭质量以指导装车和堆存，且取样的代表性无法保证。

2、而现有技术中，中国专利cn116482080a公开了基于libs技术的煤质分析方法，所述方法包括激光器输出的激光经过分束后，形成第一光束和第二光束；所述第一光束入射到煤粉上，光电探测器阵列接收散射光信号，并送分析单元，分析单元输出煤粉的粒径分布；第二光束入射到煤粉上，产生等离子体信号，该信号送光谱仪，获得煤粉的光谱图，所述分析单元利用分析模型处理所述光谱图及粒径分布，获得煤粉的参数；但是现有方法在建立谱线和发热量之间模型，得到模型的系数矩阵与误差项时不能对煤粉的参数进行降噪、归一化和特征提取预处理，使得光谱数据采集误差率影响模型分析精度和分析效率，基于此，我们提出了移动式站台煤质远程检测系统及方法。

技术实现思路

1、本发明的目的在于针对现有技术的不足之处，提供移动式站台煤质远程检测系统及方法，解决了现有方法在建立谱线和发热量之间模型，得到模型的系数矩阵与误差项时不能对煤粉的参数进行降噪、归一化和特征提取预处理，使得光谱数据采集误差率影响模型分析精度和分析效率的问题。

2、本发明是这样实现的，移动式站台煤质远程检测方法，所述移动式站台煤质远程检测方法包括：

3、采用移动式煤质检测设备对存放的煤炭实时检测，获取实时光谱数据，其中，实时检测时基于双脉冲激光技术增强激光诱导击穿光谱仪发射的激光脉冲；

4、预构建基于自适应交互多模型结合深度学习的数据处理模型，基于数据处理模型对实时光谱数据进行预处理，得到实时数据集；

5、获取光谱样本数据，将光谱样本数据输入预构建的数据处理模型中，数据处理模型对光谱样本数据预处理，得到样本数据集，将样本数据集分为训练集和验证集，建立基于卷积神经网络结合轻量化检测结构的煤质指标定量模型，以训练集为输入，对煤质指标定量模型迭代训练至收敛，采用验证集验证模型是否符合预设检测精度，若符合检测精度，输出训练完毕的煤质指标定量模型；

6、以实时数据集为输入，执行所述煤质指标定量模型，煤质指标定量模型对实时数据集进行分析，得到第一检测结果以及第二检测结果，其中，所述第一检测结果包括煤质粒径检测结果、煤质水分检测结果、煤质热值检测结果、煤质挥发分检测结果、煤质元素检测结果。

7、优选地，所述数据处理模型包括预处理模块、数据校正层以及预处理输出层，预处理模块包括归一化处理层、背景降噪层、特征提取层以及基线校正层，所述归一化处理层用于对实时光谱数据进行标准化处理，消除光程和数据量影响因素，所述背景降噪层用于对实时光谱数据进行背景降噪处理，特征提取层用于识别和提取反映煤质品质的光谱特征因子，所述基线校正层用于对光谱基线进行校正，预构建基于自适应交互多模型结合深度学习的数据处理模型时结合自适应交互多模型以及peleenet检测结构改进特征提取层，设置特征交互函数glou，构建特征提取改进层。

8、优选地，所述基于数据处理模型对实时光谱数据进行预处理的方法，具体包括：

9、加载实时光谱数据，对实时光谱数据进行归一化处理，其中，归一化处理时采用z-score标准化结合矢量归一化对数据进行归一化处理，得到归一化数据集；

10、获取归一化数据集，预设小波降噪函数及小波基阈值，采用小波降噪函数对归一化数据集进行降噪处理，获得降噪输出集；

11、其中，小波降噪函数表示为：

12、（1）

13、其中，为输入的归一化数据集，为归一化数据集的均值方差，为归一化系数，为小波系数，为小波基分解层数；

14、加载降噪输出集，采用mosaic-mixup混合增强算法对降噪输出集进行混合增强，得到混合增强集；

15、（2）

16、为混合增强值，为mosaic-mixup混合增强算法的混合系数，为采用分层选样采集的降噪输出集的一批数据，为降噪输出集的另一批数据；

17、（3）

18、其中，为混合参数；

19、获取混合增强集，采用奇异值去噪算法对混合增强集进行背景降噪，得到背景降噪集；

20、以背景降噪集为输入，改进特征提取层对背景降噪集进行特征提取，得到特征提取集，并结合自适应卡尔曼滤波算法对元素特征谱线以及光谱基线进行校正，输出实时数据集。

21、优选地，所述以训练集为输入，对煤质指标定量模型迭代训练至收敛的方法，具体包括：

22、预构建基于卷积神经网络结合轻量化检测结构的煤质指标定量模型，设置煤质指标定量模型的初始模型，其中，煤质指标定量模型初始模型包括指标输入层、特征卷积架构、池化层、特征解码器、指标评判器；

23、特征卷积架构中引入轻量化检测结构mobilenet，并采用残差连接网络替换池化层，改进后的特征卷积架构包括三层卷积以及mobilenet层，所述mobilenet层包含128个神经元，并结合有relu激活函数；

24、定义指标评判器的指标评判函数，其中，指标评判函数定义为：

25、（4）

26、其中，为煤质综合评判分值，为特征因子数量，为模型激活函数，为特征因子的权重系数，为特征因子结果输入值，为指标评判函数的耦合系数，为指标评判函数偏置向量，为特征因子结果输入值的数据维度值；

27、初始化初始模型的超参数和学习率，设置初始模型的损失函数，损失函数为sisou损失函数；

28、其中，损失函数表达式如下：

29、（5）

30、其中，为模型损失率，为煤质综合评判分值，为煤质综合真实分值，为特征因子数量，为sisou损失函数的梯度，为sisou损失函数动量超参数。

31、优选地，所述以训练集为输入，对煤质指标定量模型迭代训练至收敛的方法，具体还包括：

32、以训练集为输入，设置初始模型的迭代训练次数，对煤质指标定量模型迭代训练，损失函数最小值时结束训练；

33、采用交叉验证的方式验证初始模型的综合评判效果，若达到预设效果阈值，判断模型收敛，通过验证集验证初始模型精度，若未达到预设效果阈值，使用adam优化器迭代更新超参数和学习率；

34、获取验证集，预设精度阈值，采用验证集验证模型是否符合预设检测精度，若符合检测精度，输出训练完毕的煤质指标定量模型。

35、优选地，所述煤质指标定量模型对实时数据集进行分析，得到第一检测结果以及第二检测结果的方法，具体包括：

36、将实时数据集输入指标输入层，特征卷积架构对实时数据集进行扩张卷积，得到扩张卷积结果；

37、（6）

38、其中，为实时数据集输入值，为特征卷积架构的卷积核大小，为特征卷积架构的扩张感受野，为扩展因子；

39、（7）

40、获取扩张卷积结果，残差连接网络对扩张卷积结果进行残差连接，得到残差连接结果；

41、加载残差连接结果，特征解码器基于支持向量机对特征因子进行解码，得到特征因子结果，以特征因子结果为第一检测结果输出；

42、获取第一检测结果，定义指标评判器基于指标评判函数对第一检测结果进行评判，得到第二检测结果；

43、指标评判函数定义为：

44、（4）

45、其中，为煤质综合评判分值，以煤质综合评判分值为第二检测结果，为特征因子数量，为模型激活函数，为特征因子的权重系数，为特征因子结果输入值，为指标评判函数的耦合系数，为指标评判函数偏置向量，为特征因子结果输入值的数据维度值；

46、（8）

47、其中，分别为煤质指标定量模型超参数；

48、（9）

49、为特征因子的权重系数，为特征因子结果输入值，为权重惩罚因子。

50、本发明还提供了移动式站台煤质远程检测系统，所述移动式站台煤质远程检测系统，具体包括：

51、移动式煤质检测设备，用于对存放的煤炭实时检测，获取实时光谱数据，其中，实时检测时基于双脉冲激光技术增强激光诱导击穿光谱仪发射的激光脉冲；

52、预处理模块，用于预构建基于自适应交互多模型结合深度学习的数据处理模型，基于数据处理模型对实时光谱数据进行预处理，得到实时数据集；

53、模型构建模块，用于获取光谱样本数据，将光谱样本数据输入预构建的数据处理模型中，数据处理模型对光谱样本数据预处理，得到样本数据集，将样本数据集分为训练集和验证集，建立基于卷积神经网络结合轻量化检测结构的煤质指标定量模型，以训练集为输入，对煤质指标定量模型迭代训练至收敛，采用验证集验证模型是否符合预设检测精度，若符合检测精度，输出训练完毕的煤质指标定量模型；

54、煤质检测模块，以实时数据集为输入，执行所述煤质指标定量模型，煤质指标定量模型对实时数据集进行分析，得到第一检测结果以及第二检测结果，其中，所述第一检测结果包括煤质粒径检测结果、煤质水分检测结果、煤质热值检测结果、煤质挥发分检测结果、煤质元素检测结果。

55、优选地，所述移动式煤质检测设备包括：

56、移动基座，所述移动基座底部安装有多组移动滚轮，移动基座上固定安装有设备立座，设备立座上设置有旋转驱动部；

57、与旋转驱动部连接的远程检测机构，所述远程检测机构用于对煤质进行远程检测；

58、其中，所述远程检测机构包括：

59、机构安装座，所述机构安装座与所述旋转驱动部连接；

60、环境监测相机，所述环境监测相机用于获取煤质存放环境数据，并对煤质表面进行拍摄；

61、煤质分析仪，所述煤质分析仪基于激光诱导击穿光谱技术实时发射激光脉冲，并采集实时光谱数据；

62、同步调节部，所述同步调节部设置在所述机构安装座上，同步调节部分别与环境监测相机以及煤质分析仪连接，用于同步调节所述环境监测相机以及煤质分析仪的倾斜角度，以及

63、辅助清洁部，所述辅助清洁部设置在所述机构安装座上，辅助清洁部用于对煤质分析仪进行辅助清洁。

64、优选地，所述同步调节部包括：

65、调节电机，所述调节电机固定安装在所述机构安装座上；

66、与调节电机输出端固定连接的联动齿轮，所述联动齿轮的上方设置有监测承托座，监测承托座的底部通过连杆与所述联动齿轮固定连接；

67、从动齿轮，所述从动齿轮设置在监测承托座和联动齿轮之间，从动齿轮与机构安装座的上表面转动连接，且从动齿轮的外侧可拆卸连接有所述煤质分析仪；

68、所述煤质分析仪包括：

69、分析仪主机，所述分析仪主机与从动齿轮的侧壁可拆卸连接；

70、安装在分析仪主机侧壁上的激光发射器，以及

71、至少一组光谱响应探测器，所述光谱响应探测器安装在所述煤质分析仪的侧壁上，光谱响应探测器用于捕捉煤质等离子体发射光谱。

72、优选地，所述辅助清洁部包括：

73、联动圆座，所述联动圆座与所述分析仪主机的侧壁可拆卸连接，联动圆座的侧壁开设有弧形驱动槽，弧形驱动槽内滑动嵌装有弧形驱动块；

74、与弧形驱动块固定连接的联动摆动杆，联动摆动杆转动安装在清洁限位座上，联动圆座转动安装在清洁限位座上，清洁限位座固定安装在机构安装座上；

75、弧形齿轮，所述弧形齿轮与联动摆动杆固定连接，弧形齿轮的一侧设置有联动齿条，所述联动齿条与弧形齿轮之间啮合连接，联动齿条的一端固定连接有清洁风机，联动齿条与所述清洁限位座滑动连接；

76、复位弹簧杆，所述复位弹簧杆固定安装在所述清洁限位座上，复位弹簧杆的一端固定连接有联动齿条。

77、与现有技术相比，本技术实施例主要有以下有益效果：

78、本发明实施例中，通过预构建基于自适应交互多模型结合深度学习的数据处理模型从而实现对实时光谱数据进行降噪、归一化和特征提取预处理，降低了光谱数据采集误差率，减少模型的计算复杂度和内存占用，同时保证了煤质指标定量模型分析精度和分析效率，且通过建立基于卷积神经网络结合轻量化检测结构的煤质指标定量模型，利用卷积神经网络与轻量化检测结构mobilenet之间的互补性，以提高整体的预测准确性和鲁棒性，从而能够根据特征因子对煤质影响的贡献度和权重进行评判，最大程度提高模型的预测准确度。

79、本发明实施例中，通过预构建包含归一化处理层、背景降噪层、特征提取层以及基线校正层的数据处理模型能够对实时光谱数据进行背景降噪处理，并有效提取光谱特征因子，实现多层次的光谱特征因子有效融合，以提高特征的表达能力，从而克服现有技术无法有效消除实时光谱数据背景干扰、异常值剔除的问题。

80、本发明实施例中，提供了煤质指标定量模型及其训练方法，煤质指标定量模型由指标输入层、特征卷积架构、池化层、特征解码器、指标评判器组成，且煤质指标定量模型的特征卷积架构中引入轻量化检测结构mobilenet，并采用残差连接网络替换池化层，开发基于数据挖掘技术的自适应交互算法，综合使用多种机器学习算法以适应不同的数据分布情况，提高煤炭检测指标的预测准确度。

81、本发明实施例提供了移动式站台煤质远程检测系统，移动式站台煤质远程检测系统由移动式煤质检测设备、预处理模块、模型构建模块、煤质检测模块组成，移动式站台煤质远程检测系统能够满足煤炭运输市场的需求，提高煤炭铁路站台装卸和运输效率，实现运输、卸车、检测和装车等环节的互联互通，提高煤炭的整体运输效率。

82、本发明实施例中，提供了可同步实时发射激光脉冲并采集实时光谱数据远程检测机构，远程检测机构由环境监测相机、煤质分析仪、同步调节部、辅助清洁部组成，只需要通过启动所述同步调节部即可实现对环境监测相机、煤质分析仪的同步调节，相对于现有技术检测范围更大，同时确保煤质分析精准度，且辅助清洁部还能与煤质分析仪联动配合工作，针对煤炭储存时环境中灰尘含量过多干扰煤质分析仪采集数据，对煤质分析仪进行同步清洁，进一步保证了煤质分析精准度。