煉鐵成本占鋼鐵?流程?產的60~70%左右，?鐵前系統?是重中之重。如果以人工方式對鐵礦石原料進行成分檢測，檢測時間長，燒結?序從配料調整到燒結礦化學成分分析完畢需要4~6小時，反饋的嚴重滯后延誤了?藝控制的及時性，影響燒結礦的質量穩定，并且只能反映抽樣樣品的成分，兩次采樣間的異常變化無法得到監測。

近紅外光譜分析是一種實時在線檢測技術，使用近紅外光源照射被測物，化合物分?振動吸收特定波?的紅外光?產?吸收光譜。對這些光譜指紋進?分析，可以及時得到被測物的成分及含量信息。相比其他在線檢測手段，近紅外光譜技術運營維護簡單，無輻射，安全性高；可?速測量，?分鐘百次以上，提供了充?的樣本量和及時反饋，不受傳送帶負載影響；除了常規的鐵、硅、鈣、鎂、鋁等氧化物，還可以測量碳和水分等含量。

不同鐵礦石的近紅外光譜不同

我們使用巨哥科技的臺式近紅外光譜儀，對多種鐵礦石樣品的光譜進行了測量和建模。

臺式光譜儀進行光譜檢測（左）&各類鐵礦石樣品（右）

使用25個鐵礦石樣品進行建模，其中1-5號樣品是由化學方法測定得到樣品成分，剩余20個樣品是由1-5號樣品按照不同的質量比混合得到的，成分如下表所示。

對采集到的光譜進行平滑、標準正態化等預處理，得到如圖所示的光譜。

對處理后的數據進行異常樣品剔除，防止采樣過程中的誤差影響建模結果。

使用上述樣品建立鐵礦石成分模型，利用偏最小二乘法對成分進行預測。下圖顯示針對全鐵（TFe）值的建模結果，其中藍色點代表樣品，橫軸為實際值，縱軸為預測值，藍色點越靠近中間的紅線代表預測越準確。圖中的紅色區域代表±0.1%的誤差值，黃色區域代表±0.5%的誤差值，藍色區域代表±1%的誤差值。

全鐵（TFe）

氧化鐵（FeO）

氧化硅（SiO2）

氧化鋁（Al2O3）

氧化鈣（CaO）

氧化鎂（MgO）

氧化錳（MnO）

以上模型對氧化硅(SiO2)、氧化鋁(Al2O3)、氧化鈣(CaO)、氧化鎂(MgO)、氧化錳(MnO)五項成分的預測誤差在±1%之內，其中SiO2、MnO的預測誤差在±0.5%之內，Al2O3的預測誤差接近±0.1%。對于氧化鐵與全鐵的預測有少數樣品偏離較大，但基本符合線性關系。以上模型所用樣本數較少，更多樣本數將進一步提高模型精度。

以上模型可準確遷移至巨哥科技的SG1700近紅外光譜儀用于對鐵礦石的實時在線成分分析，采樣頻率高達100Hz，光譜分辨率6nm，信噪比10000:1，結合多路復用器，還可實現多通道的鐵礦石成分同時檢測。

鐵礦石成分多路近紅外光譜在線檢測裝置

審核編輯黃宇