华南理工陆继东LIBS团队:清洁能源在线监测

　　一、华南理工大学陆继东团队风采

　　华南理工大学电力学院的LIBS研究团队由长江学者陆继东教授领衔，始创于2002年，目前有教授1名，副教授2名，在读博士研究生4名，硕士研究生12名，已培养博硕士20余名。

　　本团队以能源清洁转化与系统优化过程中关键参数在线监测的迫切需求为依托，研究基于LIBS原理的新型传感技术，重点研发煤质、飞灰含碳量、烟气重金属等在线传感系统。同时，利用LIBS技术深入探究气体燃料、煤粉和生物质的燃烧过程及其火焰特性，旨在发展新型的燃烧诊断方法，深入揭示不同燃料的燃烧机理。

华南理工大学陆继东团队合影

　　二、华南理工大学陆继东团队LIBS相关研究成果及研究最新进展

　　1、团队近年来取得的主要研究成果，包括：仪器设备研发成果、软件算法研究成果等;

　　1.1 飞灰含碳量测量

　　建立了利用空气组分光谱修正颗粒效应的模型，提高了LIBS测量飞灰含碳量时对粒径波动的适应能力;从测量参数深度优化和模型修正两个方面建立了理论和实验相结合的C-Fe谱线干扰修正模型，显著提高了飞灰含碳量的测量精确度;研发了便携式飞灰含碳量测量系统(图1)，并在燃煤电厂进行现场实测，验证了可用性。

图1 便携式测量系统现场测试

　　1.2 煤质分析

　　提出了煤粉颗粒流直接测量的模式，极大地简化了测量系统结构，并提出了基于特征峰SD值法的有效光谱甄别方法，有效提高了颗粒流直接测量的可靠性;采用神经网络方法建立了基于物理分析的热值、工业分析、碳含量的定量模型，解决了非线性问题，部分指标优于中子法测量性能的国标要求;以结构简化、分析专业、操作方便为理念，研发了煤质快速分析仪(图2)，通过实测验证了该系统设计的可行性和可靠性。

图2 煤质快速分析仪

　　2、团队最新发布研究论文的简单介绍

　　近两年来，本团队围绕受热面金属材料的失效预测、煤粉/飞灰颗粒流直接测量、PF-SIBS测量方法、预混火焰燃烧诊断等方面开展了较系统的研究，取得了一系列研究进展，并发表了以下研究论文：

　　[1] Huang J, Dong M, Lu S, et al. Estimation of the mechanical properties of steel via LIBS combined with canonical correlation analysis (CCA) and support vector regression (SVR)[J]. Journal of Analytical Atomic Spectrometry, 2018, 33(5): 720-729.

　　[2] Lu S, Dong M, Huang J, et al. Estimation of the aging grade of T91 steel by laser-induced breakdown spectroscopy coupled with support vector machines[J]. Spectrochimica Acta Part B: Atomic Spectroscopy, 2018, 140: 35-43.

　　[3] Yao S, Xu J, Zhang L, et al. Optimizing critical parameters for the directly measurement of particle flow with PF-SIBS[J]. Scientific reports, 2018, 8(1): 1868.

　　[4] Li W, Lu J, Dong M, et al. Quantitative Analysis of Calorific Value of Coal Based on Spectral Preprocessing by Laser-Induced Breakdown Spectroscopy (LIBS)[J]. Energy & Fuels, 2017, 32(1): 24-32.

　　[5] Tian Z, Dong M, Li S, et al. Spatially resolved laser-induced breakdown spectroscopy in laminar premixed methane–air flames[J]. Spectrochimica Acta Part B: Atomic Spectroscopy, 2017, 136: 8-15.

　　[6] Pan G, Dong M, Yu J, et al. Accuracy improvement of quantitative analysis of unburned carbon content in fly ash using laser induced breakdown spectroscopy[J]. Spectrochimica Acta Part B: Atomic Spectroscopy, 2017, 131: 26-31.

　　[7] Shunchun Yao, Jingbo Zhao, Jialong Xu, Zhimin Lu, Jidong Lu. Optimizing the binder percentage to reduce the matrix effects for the LIBS analysis of carbon in coal [J]. Journal of Analytical Atomic Spectrometry, 2017, 32(4): 766-772.

　　[8] Lu Zhimin, Mo Juehui, Yao Shunchun, Zhao Jingbo, Lu Jidong. Rapid Determination of Gross Calorific Value of Coal using LIBS Coupled with Artificial Neural Networks (ANN) and Genetic Algorithm (GA). Energy & Fuels, 2017, 31(4): 3849-3855.

　　[9] Shunchun Yao, Jialong Xu, Jingbo Zhao, Kaijie Bai, Jidong Lu, Zhiming Lu. Characterization of Fly Ash Laser-Induced Plasma for Improving the On-line Measurement of Unburned Carbon in Gas?Solid Flow. Energy & Fuels, 2017, 31(5): 4681-4686.

　　[10] Yao S, Zhang L, Xu J, et al. Data processing method for the measurement of unburned carbon in fly ash by PF-SIBS[J]. Energy & Fuels, 2017, 31(11): 12093-12099.