В связи с проблемой усиления эффекта основы и усиления нелинейного спектрального отклика из-за трудностей измельчения образцов угля крупной фракции на промышленных объектах, предложена гибридная предсказательная модель PLS-AE-RR на основе интеграции ближней инфракрасной спектроскопии (NIRS) и рентгеновского флуоресцентного анализа (XRF), направленная на повышение точности онлайн-анализа теплотворной способности угля. Метод строит трехуровневую гибридную архитектуру «линейная базовая линия + извлечение нелинейных признаков + коррекция остатка»: сначала с помощью частичных наименьших квадратов (PLS) устанавливается глобальная линейная связь между спектром и теплотворной способностью, затем с помощью автокодировщика (AE) извлекаются низкоразмерные нелинейные представления, которые трудно захватить PLS, из объединенного спектра, и наконец с помощью гребневой регрессии (RR) осуществляется коррекция нелинейных отклонений остатков. Экспериментальные результаты показали, что метод достиг значительного прогресса в предсказании теплотворной способности крупнозернистых образцов угля, коэффициенты детерминации для тестовых наборов бурого и каменного угля составили 0,974 и 0,938 соответственно, средняя абсолютная ошибка — 0,233 МДж/кг и 0,216 МДж/кг, эффективность значительно превосходит отдельный PLS и другие модели нелинейной коррекции, доказана способность гребневой регрессии к обобщению при подгонке остатков. Данная работа предоставляет теплоэлектростанциям, работающим на угле, метод онлайн-анализа теплотворной способности сырого угля без измельчения с высокой точностью и ключевую техническую поддержку для рационального управления топливом и оптимизации работы.

спектральный анализ; ближняя инфракрасная спектроскопия; рентгеновская флуоресценция; предсказание теплотворной способности; крупнозернистые образцы угля; нелинейная коррекция; автокодировщик