Китай богат угольными ресурсами, на долю которых приходится более 90 % всех установленных запасов ископаемого топлива, при этом доля потребления угольной энергии достигла в 2021 г. 56,5 %. В качестве объекта исследования был выбран низкосортный уголь, поступающий из Внутренней Монголии (образцы NM) и провинции Юньнань (образцы YN). Характеристики потери массы образцов были изучены с использованием термогравиметрического анализа для определения подходящей температуры для экспериментов по сушке, поскольку высокая влажность низкосортного угля может легко вызвать остановку оборудования в процессе сухой сортировки. Эксперименты по тонкослойной сушке проводились при различных температурных условиях. Эффективный коэффициент диффузии влаги подбиралcя по уравнению Аррениуса, для образцов NM он составил 5,07·10–11 - 9,58·10–11 м2/с; для трех разных размеров частиц образцов YN – 1,89·10–11 - 4,92·10–11 (крупность –1 мм), 1,38·10–10 - 4,13·10–10 (крупность 1-3 мм), 5,26·10–10 - 1,49·10–9 (крупность 3-6 мм). Энергия активации образцов из Внутренней Монголии составила 10,97 кДж/моль (крупность –1 мм); для образцов из провинции Юньнань – 17,97 кДж/моль (крупность –1 мм), 33,52 кДж/моль (крупность 1-3 мм) и 38,64 кДж/моль (крупность 3-6 мм). Процесс сушки был смоделирован по эмпирическим и полуэмпирическим формулам. Установлено, что оптимальными моделями для образцов Внутренней Монголии является двухкомпонентная модель диффузии, а для образцов из провинции Юньнань – уравнение Hii.
Тестирование угольной золы в режиме реального времени играет жизненно важную роль в химической промышленности, энергетике, металлургии и разделении угля. Оперативное онлайн-тестирование угольной золы с использованием измерения радиации в качестве основной технологии сопряжено с такими проблемами, как жесткие требования к пробе угля, неудовлетворительная радиационная безопасность, низкая точность и сложность замены оборудования. В данном исследовании предлагается метод обнаружения, основанный на нейронных сетях прямой связи и улучшенной оптимизации скопления частиц (IPSO-FNN) для быстрого, точного, безопасного и удобного прогнозирования содержания золы. Набор данных был получен путем тестирования элементного содержания 198 образцов угля с помощью рентгенофлуоресценции (XRF). Типы исходных элементов для машинного обучения (Si, Al, Fe, K, Ca, Mg, Ti, Zn, Na, P) были определены путем объединения данных рентгеновской фотоэлектронной спектроскопии (XPS) с изменением физической фазы каждого элемента в образцах угля во время сгорания. В качестве показателей эффективности модели были выбраны среднеквадратичная ошибка и коэффициент детерминации. Результаты показывают, что алгоритм IPSO полезен для настройки оптимального количества узлов в скрытом слое. Модель IPSO-FNN обладает и высокой точностью прогнозирования угольной золы. Изучено влияние содержания исходных элементов в модели IPSO-FNN на зольность и обнаружено, что содержание калия является наиболее значительным фактором, влияющим на зольность. Исследование имеет важное значение для онлайн-прогнозирования в режиме реального времени, точного и быстрого определения количества угольной золы.