煤质参数对火力发电厂的安全经济运行和实现节能减排起着重要作用。入炉煤煤质特性等重要运行参数在线测量信息的缺乏,使锅炉的燃烧优化调控缺乏必要和准确的依据。激光诱导击穿光谱技术(LIBS)的应用有望实现煤质参数的在线分析。现有基于LIBS技术的煤粉分析研究一般需要对样品进行压片处理,制约了LIBS技术的时效性。因此本文致力于研究LIBS技术对煤粉颗粒流的直接测量,针对颗粒流光谱特性,开展一系列数据预处理方法和定量分析模型的研究,并进行LIBS煤质快速分析仪的研发和集成工作。由于煤粉颗粒流存在流动稳定性问题,测量光谱数据不可避免地存在信号的波动。为提高测量的重复性,在获取多次测量数据的基础上,分别使用基于马氏特征距离和基于正态分布统计规律的方法,对离群数据进行剔除。定性分析结果表明,剔除异常数据后,LIBS谱线的强度分布情况得到了改善,特征谱线的相对偏差大幅度降低,且两种数据剔除方法效果相当。最后引入BEADS算法解决了基线漂移问题,并结合偏最小二乘法(PLS)作为定量分析模型。结果表明,综合运用数据剔除和基线修正方法,可提高煤粉颗粒流灰分检测的准确性和重复性。由于煤种多变以及其成分和结构的复杂性,进行LIBS光谱测量时存在一定的基体效应和自吸收效应。针对光谱数据与工业分析指标存在的非线性关系,引入人工神经网络(ANN)建立非线性定量分析模型,使用遗传算法(GA)对网络结构参数进行优选,并通过多个模型取平均的方法降低网络随机初始化的影响。结果表明,相比线性PLS模型,优化后的ANN模型具有更强的拟合能力和泛化能力。最后,为满足工业生产的应用要求,将实验室的研究结论以及上述数据处理方法和定量分析付诸实践,开展了LIBS煤质快速分析仪的设计和研发工作,进行关键部件的选型和系统的集成。对快速分析仪进行了性能测试,灰分含量和热值的预测准确度接近中子活化分析仪的国家标准要求。