煤矸分选是煤炭清洁高效利用的重要环节。传统的煤矸分选技术,如动筛跳汰、重介质浅槽等均存在环境污染、能耗高的选煤诟病。因此,亟需更加高效、智能、环保的煤矸分选技术。X射线智能化煤矸分选技术具有精度高、能耗低、易于操作维护、绿色环保等优势,在煤矸分选领域具有广阔的发展前景,但在识别环节中小粒径煤矸的识别准确率较低,且煤炭分质分级的效果较差。为解决上述问题,提出了基于X射线探测技术的煤矸识别方法,即双能X射线透射（Dual-energy X-ray transmission,DEXRT）与能量色散X射线衍射（Energy dispersive X-ray diffraction,EDXRD）相结合,研究了煤矸识别数据的预处理方法、煤矸光电识别机理及其识别方法,设计了相应的煤矸识别系统。主要研究内容如下:（1）煤矸识别数据的采集与预处理。通过煤炭筛分实验将煤矸的粒径分为5～13 mm、13～30 mm以及30～100 mm,为后续煤与矸石双能X射线透射图像以及能量色散X射线衍射图谱的采集奠定基础。为了解决煤与矸石双能X射线透射图像中小目标漏检的问题,提出了基于树杈结构的最大类间方差法（Otsu法）与分块阈值联合的目标分割方法;为了消除煤与矸石能量色散X射线衍射图谱中包含的无关信息和噪声,研究了移动平均平滑法和Savitzky-Golay卷积平滑法对图谱的去噪效果,为后续煤矸识别特征的提取与煤矸识别实验的实施奠定基础。（2）基于X射线探测技术的煤矸识别机理研究。阐明了DEXRT识别煤矸的依据,使用元素分析仪、工业分析仪测试煤的有机质含量和灰分,对煤的矿物质含量进行计算,进而计算煤的理论R值;采用X射线荧光扫描仪测试矸石中的氧化物含量,对矸石的理论R值进行计算;将理论计算方法与实际计算方法进行对比,进而分析了DEXRT识别煤矸存在的问题。采用角度色散X射线衍射（Angular dispersive X-ray diffraction,ADXRD）仪测试了煤与矸石的主要矿物组成,基于ADXRD的分析结果,使用仿真与实验结合的方法探讨了EDXRD识别煤矸的可行性及优势,进而为DEXRT与EDXRD结合识别煤矸奠定理论基础。（3）基于X射线探测技术的不同粒径煤矸的识别研究。以支持向量机（Support Vector Machine,SVM）作为煤矸识别的基础模型,研究了DEXRT与EDXRD对粒径为5～13 mm、13～30 mm、30～100 mm煤矸的识别效果。同时,为了优化SVM煤矸识别模型的性能,研究了粒子群优化算法（Particle Swarm Optimization,PSO）、遗传算法（Genetic Algorithm,GA）、网格搜索（Grid Search,GS）三种寻优方法对煤矸识别模型的影响,得到了最佳的煤矸识别模型,并对DEXRT与EDXRD联合的煤矸识别方法进行验证。研究发现,以GS-SVM为识别模型对粒径为5～100 mm的煤与矸石进行识别,煤矸综合识别准确率为97%,优于单独使用DEXRT识别煤矸的准确率。（4）基于X射线探测技术的煤炭种类与矸石的识别研究。以煤炭分质分级高效利用为目标,以淮南张集矿1613A工作面与新集一矿360802工作面的采煤情况为工程背景,将1/3焦煤、气煤、矸石作为研究对象,分析了1/3焦煤、气煤、矸石的EDXRD图谱差异,为EDXRD识别煤炭种类与矸石奠定理论基础。同时,为了排除冗余的识别特征,基于化学计量学研究了主成分分析法（Principal Component Analysis,PCA）、偏最小二乘法（Partial Least Square,PLS）、非负矩阵分解法（Non-negative Matrix Factorization,NMF）三种特征降维方法对EDXRD图谱进行降维,结合GS-SVM煤矸识别模型对三种降维方法进行了评估。研究发现,PLS降维效果最佳,此时,1/3焦煤、气煤、矸石的识别准确率为98.3%。（5）基于X射线探测技术的煤矸识别系统设计及实验验证。部署了基于X射线探测技术的煤矸识别系统架构;针对原煤粒径分级、粘连以及规则排列、煤矸分离的问题,研制了相应的机械系统,主要包括粒径筛分机构、物料输送机构、物料列队机构以及煤矸分离机构,为后续煤矸识别数据的采集与煤矸分离奠定基础;分别设计了基于双能X射线透射和能量色散X射线衍射的特征采集系统,采集煤矸识别数据;为了控制并实时监测各个模块的工作状态,搭建了一体化工控机,并设计了对应的可视化界面。最后,验证了文中煤矸识别方法的有效性和可行性。图[101]表[21]参[162]