论文部分内容阅读
农林废弃物生物质资源化(如高致密压缩成型)能否发挥最大效能与生物质燃料特性(如水分、灰分、热值等)密切相关；生物炭能源品质与其特性(灰分、挥发分等)品种密切相关。传统的检测是采用实验室化学检测方法,但它存在很多不足,如耗费时间久、仪器昂贵等,不符合现代生物质能快速发展的需求。因此,研究一种新的检测方法来实现快速、准确的检测是必要的。本研究基于可见-近红外光谱检测技术对农林生物质能源品质进行光谱建模,主要研究内容和结果有：(1)对松木、杉木和棉杆三种生物质燃料进行主成分分析,三类样本可以很明显的区分开来。对于样本的干基(去掉水分)特性,比较不同预处理光谱的PLSR模型,结果表明利用一阶导数处理的光谱数据建模效果都很好(RPD>3)；湿基情况下,对基线校正转换的光谱PLSR建模,灰分、挥发分、固定碳和热值交叉验证精度较高(R2=0.88-0.98)。利用PLSR潜变量构成的神经网络模型,显著提高了水分预测精度(R2=0.94-0.96)。(2)对不同热解温度下三种农林废弃物生物炭特性(灰分、挥发分、固定碳、热值)进行了光谱建模研究。研究表明可以很好区分不同热解温度下的棉杆生物炭样本,建立的PC-BPANN模型,R2和RMSEP分别为0.93和0.54；生物炭组分和热值的LV-BPANN模型性能明显的优于PC-BPANN模型；分别采用无信息消除法(UVE)、连续投影法(SPA)和无信息消除-连续投影法来提取特征波长建立PLSR模型进行分析,UVE-SPA方法的模型性能最佳,UVE-SPA最后得到波长数仅为3-6,灰分、挥发分、固定碳和热值的确定系数R2和预测偏差RPD分别为0.83、0.93、0.92、0.77和3.55、3.30、3.39、2.08。(3)基于反射光谱对14种生物炭进行了快速鉴别研究。PC-SVM模型性能明显的优于PC-LDA,当PC=3时,PC-SVM模型对验证集样本预测性能最佳,判错个数最少。当3个主成分时,PC-BPANN模型分类效果最好(R2=0.89)；但基于小波变换的光谱数据建模,LDA模型优于SVM模型。