煤岩识别是以煤岩特征为识别基础,选取的煤岩差异特征的突出性、有效性和鲁棒性直接决定了该技术识别煤岩的准确性和稳定性。深入研究煤岩的特征属性差异,寻找稳定的有效的煤岩特征差异,是智能煤岩识别技术的前提和基础。同时,考虑到智能化运用,基于煤岩差异特征的识别算法是煤岩技术的“大脑”,选取设计合适的算法以提高识别的准确性和实时性;此外,实际工况环境的影响因素也对煤岩识别技术提出了实用性要求。因此,本文基于高光谱技术,搭建基于高光谱的煤岩识别技术试验台,进行了煤岩高光谱获取实验、煤岩高光谱差异机理分析实验,对基于高光谱的煤岩识别技术的识别机理和可行性进行分析和论证;设计基于煤岩高光谱特征差异的识别算法,利用煤岩高光谱数据进行煤岩识别并对识别结果进行评估;基于工况环境的影响因素的识别实验,探究实际工况因素对高光谱煤岩识别技术的影响。本论文主要得到结论如下:(1)煤岩高光谱谱线具有显著差异性,包括曲线整体斜率,1400nm波段、1900nm波段、2210nm波段以及2350nm波段,其中岩石在2210nm附近波段和2350nm附近波段存在强吸收峰,煤炭在2210nm附近波段和2350nm附近波段不存在强吸收峰。(2)煤岩高光谱2210nm特征差异性机理积分析:一、岩石在2210nm附近波段存在强吸收峰,煤炭在2210nm附近波段不存在强吸收峰;二、XPS测试煤岩样本获取XPS谱线,对比标准吸收峰之后,发现煤样本中铝元素存在形式为氧化铝,并且铝元素含量极少,岩石样本中铝元素存在形式为氢氧化铝,并且铝元素含量较多;三、氢氧化铝的高光谱谱线在2210nm处存在强吸收峰。由此说明,岩石高光谱曲线在2210nm波段的强吸收峰是由岩石中的氢氧化铝成分对2210nm有强吸收作用造成的,而煤炭中铝元素的存在形式为氧化铝,并且含量极少,因此在2210nm附近不存在强吸收峰。(3)煤岩识别算法设计:根据吸收峰狭义广义特征,分别设计了基于吸收峰特征提取的煤岩识别算法和基于吸收峰全波段匹配的识别算法设计,实验室环境下识别准确性为100%;基于神经网络和吸收峰波段数据设计了基于神经网络的监督分类算法,实验室环境下识别准确性为100%;基于实时性考虑设计简易算法,实验室环境下识别准确性为100%。(4)工况因素对煤岩高光谱识别技术得影响评估:1、对于混合端元光谱,岩煤比例达到九分之一即可正确识别出岩石样本,满足实际工况要求。2、粉尘对煤岩光谱去想影响较大:测试煤样品谱线时,随着岩粉尘浓度提高,得到得混合光谱曲线向岩谱线趋近;测试岩样品谱线时,随着煤粉尘浓度提高,混合光谱曲线向煤谱线趋近。根据实验结果和识别结果,实际工况下得粉尘干扰对识别结果得影响很小,针对岩样品,只有当煤粉尘浓度几乎全部遮住岩石反射光线获取得谱线,才会最终识别错误,实际工况达不到此粉尘浓度。3、水雾、湿度对识别结果影响很小,在实际工况中水雾浓度中能够偶进行正确识别。4、光照对识别结果影响主要取决于特征光谱段得突出程度,在500PUX照度下,岩石谱线2210nm波段得特征已经大大减弱,但在此照度下,仍然能正确识别岩石。为了保证鲁棒性,需要配对强度光源使得存在一定得照度冗余,以突出煤岩差异特征。5、随着距离得增大,反射光线强度先增长后减弱,正常工况范围属于后续减弱状态,并且在2.0m范围内可以正确识别出煤岩样本。6、水平方向运动速度和前后振动对高光谱煤岩识别结果影响微弱,在本研究实验数据下,识别效果为100%。综上,本文验证了基于高光谱煤岩识别的可行性机理,设计了高效的高光谱煤岩识别算法,评估了实际工况对高光谱煤岩识别技术的影响程度,为煤岩识别提供了一种全新的技术参考。