法律状态公告日
法律状态信息
法律状态
2013-09-04
授权
授权
2013-04-17
实质审查的生效 IPC(主分类):G01N23/06 申请日:20121203
实质审查的生效
2013-03-20
公开
公开
技术领域
本发明涉及一种煤炭样品的可视化表征技术,具体是一种煤炭样品组分分布及物理结构可视化的定量CT表征方法。
背景技术
目前煤炭样品的可视化表征技术主要包括:扫描电镜法,X射线CT成像法,核磁共振法等。上述方法在表征煤炭样品的三维结构时各有优缺点。
扫描电镜法结合能谱分析可以提供较为准确和高分辨率的煤炭样品组分二维分布图,但是在获取三维图像过程中必须对煤炭样品进行物理切片。在切片过程中煤炭样品的原始物理结构将不可避免地被破坏。
核磁共振法可以无损地得到煤炭样品的三维结构图,但是该方法在煤炭样品定量表征方面尚存在较大困难。另外核磁共振成像法成像需要时间长,针对煤炭样品复杂的组分成分及结构,核磁共振多用来表征煤炭样品中孔隙的三维分布,对矿物的分布及组分的鉴别显得无能为力。
X射线CT扫描法因其快速、无损、三维可视化的突出优点,已经被广泛用于医学及材料研究领域。目前存在的定量CT方法主要有双能量法和图像阈值分割法。基于这两种方法,广大学者也利用X射线CT对煤炭样品物理结构进行了大量表征。但是目前仍存在一些无法克服的困难。在对煤炭样品扫描图片进行分析时,一个关键的问题就是如何建立重构后切片上各点的X射线吸收系数与扫描样品物理组分之间的关联。首先,由于不同的矿物组分可能具有相似的吸收系数,在CT切片上将这些吸收系数相近的组分相互区分开非常困难。其次,CT装置的分辨率严重制约了CT技术在煤炭样品组分可视化表征领域的应用。煤炭样品中存在许多小于CT分辨率的孔隙或矿物颗粒,这使得CT重构切片上的每个像素点尺寸内可能包含多种组分,使得这个点的灰度值代表了这些组分的平均X射线吸收系数,这势必为根据CT图像灰度值获得材料组分增加困难,也就是所谓的“部分体积效应”。另一方面,虽然通过提高CT的分辨率可以在一定程度上降低部分体积效应的影响,但是随着分辨率的提高,样品尺寸会锐减,严重影响样品的统计代表性。
发明内容
本发明为了弥补现有煤炭样品的可视化表征技术存在的缺陷,提供了一种煤炭样品组分分布及物理结构可视化的定量CT表征方法。
本发明是通过以下技术方案实现的:煤炭样品组分分布及物理结构可视化的定量CT表征方法,包括如下步骤:第一步、煤炭样品的取样及预测试:于煤炭样品上相邻区域切割选取用于煤质分析、总孔隙率测试的第一煤炭样品,以及用于CT实验的第二煤炭样品,取样要保证样品(第一煤炭样品和第二煤炭样品)物相组成均匀;通过实验手段获得第一煤炭样品煤质测试数据,所述煤质测试数据包括煤炭样品中灰分含量、灰分成分及含量、有机元素成分及含量、总孔隙率,根据煤质测试数据推断第一煤炭样品组分、各组分体积分数,所述的组分是由孔隙、煤基质和不同矿物成分构成的;第二步、第二煤炭样品各组分的X射线吸收特性分析:根据公式(1)计算不同X射线能量下第二煤炭样品中各矿物与煤基质的X射线吸收量的比值,
公式(1)中
忽略掉比值小于或等于CT实验噪声水平的矿物,剩余部分矿物;所述的剩余部分矿物是由一个相对矿物和其余矿物构成的;第三步、剩余部分矿物X射线吸收特性分析:根据公式(2)计算不同X射线能量下各其余矿物与相对矿物的X射线线性吸收系数的比值,
公式(2)中
其中
求得CT切片上各简立方格子中各分组的体积分数;第六步、定量可视化表征:设定不同颜色表示不同的分组,颜色的强度与计算所得该分组在该简立方格子中的体积分数成正比,基于不同分组在各简立方格子中的体积分数比例,利用不同颜色及不同的颜色强度于所有简立方格子上显示所有分组或特定分组,使得煤炭组分分布及物理结构得到定量可视化表征。
第一步中煤炭样品的灰分含量、灰分成分及含量、有机元素成分及含量是通过工业分析、元素分析、灰分分析等实验手段获得的,总孔隙率是通过真视相对密度法等实验手段获得的。煤炭样品中矿物组分种类及含量是依据煤中常见矿物种类及煤炭样品灰分含量及灰分成分根据元素对应关系推导得到。煤炭样品煤基质分子式是依据有机元素比例写出。上述实验手段及推导过程均为本领域常规使用手段。
第二步中第二煤炭样品各组分的X射线吸收特性分析,是根据第一煤炭样品的组分分析结果进行的。第一煤炭样品与第二煤炭样品从同一煤炭的相邻区域选取,且保证样品物相组成均匀是为了减少煤炭各向异性所带来的误差。
CT实验噪声是由CT实验装置及实验参数引起的,CT实验装置及实验参数不同,CT实验噪声水平就不同。
在目标函数(3)式中的第一项(中括号内)表示第
本发明所述的CT表征方法采用多个单色X射线实验能量下获得的CT数据联合分析,实现对CT切片中不同组分的区分与鉴别,通过在单个CT体元上建立数学模型,减弱了煤炭样品表征过程中对CT分辨率的高要求,探测到CT图片上小于CT分辨率尺寸的组分信息,使得煤炭样品的组分分布特征和物理结构可视化结果更加准确。本发明内容对煤炭材料表征新方法的出现,煤炭中气体传输理论模型的建立,洁净煤技术的发展,煤层气开采率和二氧化碳封存与驱替效率的提高,具有重大的科技和经济意义。
附图说明
图1为不同X射线能量下高岭石、石英、伊利石、绿泥石、TiO2与煤基质的X射线吸收量的比值曲线。
图2为不同X射线能量下MnO2、斜长石、白云石、黄铁矿与煤基质的X射线吸收量的比值曲线。
图3为不同X射线能量下石英、伊利石、绿泥石、TiO2与高岭石的X射线吸收量的比值曲线。
图4为其中一张重构后的CT切片。
图5为CT切片经建立数学模型后计算得到所有分组的分布图。
图6为经计算后图4中高岭石组的分布图。
图7为经计算后图4中绿泥石组的分布图。
图8为经计算后煤炭样品一个子区域所有分组均显示的三维结构。
图9为经计算后图8中除煤基质外其他分组均显示的三维结构。
具体实施方式
本发明所述的表征方法可表征褐煤、烟煤、无烟煤等所有煤种。下面以一种无烟煤为实施例对本发明进行详细的说明。该实施例只是为了进一步阐述本发明,但并不限制本发明所保护的范围。
煤炭样品组分分布及物理结构可视化的定量CT表征方法,包括如下步骤:第一步、煤炭样品的取样及预测试:于煤炭样品上相邻区域切割选取用于煤质分析、总孔隙率测试的第一煤炭样品,以及用于CT实验的第二煤炭样品,取样要保证样品物相组成均匀;通过实验手段获得第一煤炭样品煤质测试数据,所述煤质测试数据包括煤炭样品中灰分含量、灰分成分及含量、有机元素成分及含量、总孔隙率,根据煤质测试数据推断第一煤炭样品组分、各组分体积分数,所述的组分是由孔隙、煤基质和不同矿物成分构成的;
进行煤炭工业分析、元素分析、灰分分析和真视相对密度法等测试手段,其中第一煤炭样品的工业分析及元素分析结果见表1,真视相对密度法获得的总孔隙率为4.5%。
表 1 第一煤炭样品分析结果
在推导煤炭样品组分及含量时,其依据条件为:A)煤炭样品中矿物是以煤炭中常见的矿物形式存在的;B)灰分分析中的金属离子来自于煤炭中的金属元素,不考虑灰分分析过程中金属元素的挥发;C)煤炭样品总的体积等于矿物、煤基质和孔隙的体积之和;D)煤基质的分子式是通过各元素含量比值给出。
基于上述的依据条件,再根据表1以及表2中煤炭中常见矿物形式,推导获得本实施例所要表征的煤炭样品的组分及含量,见表3。
表 2 煤炭中常见矿物形式
表 3煤炭样品中各组分及体积分数
根据CT装置样品台要求,用于CT实验的第二煤炭样品需磨制成合适的形状,保证样品表面没有尖锐的棱角,且在实验所用X射线能量下样品的X射线透射率在30%-70%。本实施例中将用于CT实验的第二煤炭样品用金相砂纸单方向手工磨制成直径5mm,高10mm的圆柱。除圆柱状,第二煤炭样品还可磨制成其他符合CT装置样品台要求的形状。
第二步、第二煤炭样品各组分的X射线吸收特性分析:根据公式(1)计算不同X射线能量下第二煤炭样品中各矿物与煤基质的X射线吸收量的比值,
公式(1)中
忽略掉比值小于或等于CT实验噪声水平的矿物,剩余部分矿物;所述的剩余部分矿物是由一个相对矿物和其余矿物构成的。
图1和图2是根据公式(1)得到的图像。从图2可以看到,与煤基质相比,MnO2、斜长石、白云石、黄铁矿引起的X射线吸收量很少。考虑到本实施中采用的CT实验装置的CT实验噪声水平为1%,这些组分(MnO2、斜长石、白云石、黄铁矿)很难被探测到。故而,在后期的CT分析中这些组分将被忽略。所以,剩余部分矿物为高岭石、伊利石、石英、绿泥石、TiO2。在本实施例的第三步中,选取了高岭石为相对矿物(还可以采用其他剩余部分矿物作为相对矿物)。
第三步、剩余部分矿物X射线吸收特性分析:根据公式(2)计算不同X射线能量下各其余矿物与相对矿物的X射线线性吸收系数的比值,
公式(2)中
图3是不同X射线能量下石英、伊利石、绿泥石、TiO2与高岭石的X射线线性吸收系数比值曲线。从图3中看到,高岭石、伊利石及石英的曲线几乎平行,意味高岭石、伊利石及石英的线性吸收系数随X射线能量变化规律相同。而绿泥石与TiO2的线性吸收系数曲线几乎平行,两者具有相似的X射线吸收特性。
因此,将煤炭样品中的组分分为如下四组:
(1)孔隙;
(2)煤基质;
(3)高岭石、伊利石、石英;
(4)绿泥石,TiO2。
第四步、煤炭样品的CT实验:找出不同组别之间的X射线线性吸收系数曲线彼此最不平行的能量段,于上述能量段内选取
具体实施时,第四步中进行的CT实验是在同步辐射或能提供良好单色X射线的装置上进行的。本发明的CT实验是在上海光源同步辐射线站获得,其成像分辨率为a=3.7
将所有投影像进行CT切片重构,重构过程中扣除了投影像中的亮背景及暗背景。重构后每张CT切片的像素尺寸为1519(c)×1519(d)。其中一张重构后的CT切片见图4,图中白色区域表示矿物,灰色区域表示煤基质。
第五步、建立数学模型,对CT切片进行数值分析:由于小于CT分辨率尺寸的组分分布不能从CT切片上直接观察到,为了使得数值分析结果包含小于CT分辨率尺寸的组分,建立数学模型:样品由N (N=c×d×
其中
求得CT切片上各简立方格子中各分组的体积分数。
其中N=c×d×
非孔隙组
经计算机编程计算后,非孔隙组的化学势参数
第六步、定量可视化表征:设定不同颜色表示不同的分组,颜色的强度与计算所得该分组在该简立方格子中的体积分数成正比,基于不同分组在各简立方格子中的体积分数比例,利用不同颜色及不同的颜色强度于所有简立方格子上显示所有分组或特定分组,使得煤炭组分分布及物理结构得到定量可视化表征。
图5(实质审查资料参考彩图5)、图6、图7为图4所示CT切片的数值分析结果的图像展示。图5中绿色表示煤基质组,红色表示孔隙组,蓝色表示高岭石组,紫色表示绿泥石组。彩色表示不同分组共存,黄色表示该处煤基质组与孔隙组共存。不同像元处各颜色的强度与其所代表分组在该处的体积分数成正比。由于不同分组的体积分数不同,某些体积分数明显占优势的分组颜色会掩盖体积分数较少的分组颜色。在图5中看不到明显的紫色所代表的绿泥石组,是因为该分组的体积分数非常小,所以被其他分组的颜色掩盖。
图6中只显示图4所示CT切片中的高岭石组(特定分组),其他分组不显示。
图7只显示了图4所示CT切片中的绿泥石组(特定分组),其他分组不显示。
图8(实质审查资料参考彩图8)显示了煤炭样品一个子区域计算得到的三维结构。该子区域是连续的99层CT切片上相同区域选取像素尺寸为208×208的子区域。该子区域由于图中各种分组在各点的颜色强度与该分组在该处的体积分数成正比,所以在图像上某些体积分数较小的分组可能被体积分数较高的分组掩盖。
为了更清楚地展示煤炭中孔隙组及其他两种矿物分组的分布特征,图9(实质审查参考资料彩图9)只显示了煤炭中的孔隙组与其他两种矿物分组,煤基质组没有显示。在图9中可以看到孔隙组及其他两种矿物分组交错分布。图9中可以看出某些地方绿泥石组与孔隙组弥散分布在高岭石组中。图9中可以看到某些区域存在彩色,这说明在这些点上有多分组共存的现象。
机译: 分布式处理状态可视化系统,分布式处理状态可视化设备,分布式处理状态可视化程序和分布式处理状态可视化方法
机译: 超声彩色成像表征超细结构和连续分布的物理条件
机译: 超声彩色成像表征超细结构和连续分布的物理条件