水泥是重要的基础建设材料,在“十三五”规划中,国家对水泥行业的生产效率以及环保标准提出了更高的要求。在水泥的生产过程中,水泥生料的质量直接决定了水泥成品的质量,而目前制约水泥生料质量提高的一个重要因素是水泥生料的质量检测存在检测速度慢,检测方法有辐射污染等问题。近红外光谱检测技术于1977年第一次用于物质的定量检测,展现出了其速度快、精度高、环保无污染的巨大优势,随后在有机物的成分检测领域快速发展,但由于矿物成分中相关化学键产生的近红外吸收峰比有机物中的小一个数量级以上,因此针对水泥原料等矿物成分相关的近红外光谱检测研究较少。近几年,随着近红外光谱相关仪器检测精度的不断提高,逐渐出现了针对无机物成分的近红外光谱检测研究,因此,水泥生料的近红外光谱定量检测变的更加可行。本文基于近红外光谱检测技术,对水泥生料成分检测进行了研究,本文的主要研究内容如下:(1)完成了水泥生料近红外光谱检测系统的硬件设计,并分析了检测过程中可能产生的光谱噪声,针对相关问题进行了优化。对水泥生料的四种原料石灰石、砂岩、煤矸石及铁粉的近红外光谱进行了分析,通过对比四种原料的主要成分以及光谱中的主要吸收峰,初步确定了各待测成分的吸收峰位置,随后又通过检测四种待测成分碳酸钙、二氧化硅、氧化铁及氧化铝的近红外光谱进一步确定了水泥生料光谱中待测成分的光谱区间,最终确定建模时所使用碳酸钙的波段范围为4100cm-1到4400cm-1,二氧化硅的波段范围为4400cm-1到4600cm-1,氧化铁的波段范围为4000cm-1到4800cm-1,氧化铝的波段范围为4400cm-1到4800cm-1。(2)为了选取最适用于水泥生料中各成分检测的预处理方法及建模方法,设计了对照试验。选用12组预处理方法,3种建模方法针对4种待测成分共完成144次模型建立以及每个模型下的验证集预测,通过对比模型的预测结果最终确定了最适用于各待测成分的预处理方法及建模方法。其中碳酸钙采用SVR建模及SNV预处理,预测结果的平均误差为0.2%,二氧化硅采用SVR建模及SNV预处理,预测结果的平均误差为0.16%,氧化铝采用SVR建模及SNV预处理,预测结果的平均误差为0.1%,氧化铁采用SVR建模及MSC+SG预处理,预测结果的平均误差为0.022%。(3)针对水泥生料近红外光谱模型应用于生产现场时所面临的温度干扰及湿度干扰问题,研究了温度及湿度对水泥生料近红外光谱的影响,并采用混合样本校正的方法对模型进行了温度及湿度补偿。最终结果显示,经过湿度校正的模型,二氧化硅、氧化铝、氧化铁及碳酸钙的预测均方根误差RMSEP分别减小了25%、31.3%、33.3%、25%,经过温度校正的模型,二氧化硅、氧化铝、氧化铁及碳酸钙的预测均方根误差RMSEP分别减小了 36.4%、27.5%、50%、36.4%。由结果可以看出,对温度及湿度分别采用混合样本校正可以有效降低温度及湿度变化产生的预测误差。(4)将建立好的水泥生料近红外光谱检测模型应用于水泥生产现场,设计了一套方便水泥厂员工操作的标准化检测流程。采用该检测流程对水泥厂采样的48份水泥生料样本进行了碳酸钙、二氧化硅、氧化铝及氧化铁的含量检测,并与水泥厂现有的X荧光检测法做对比。最终,碳酸钙、二氧化硅、氧化铝及氧化铁的平均误差分别为0.204%、0.306%、0.069%及0.037%,该检测结果基本满足了水泥厂的检测要求。