Klassifikationsverfahren zur Materialerkennung : Grenzschichterkennung mittels laserinduzierter Fluoreszenz in mineralischen Lagerstätten am Beispiel der Braunkohlegewinnung

Bayer, Arne Kristoffer; Nienhaus, Karl

doi:urn:nbn:de:hbz:82-20050323

Klassifikationsverfahren zur Materialerkennung : Grenzschichterkennung mittels laserinduzierter Fluoreszenz in mineralischen Lagerstätten am Beispiel der Braunkohlegewinnung

Bayer, Arne Kristoffer

2005

Verantwortlichkeitsangabevorgelegt von Arne Kristoffer Bayer

ImpressumAachen : Publikationsserver der RWTH Aachen University 2005

UmfangII, 183 S. : Ill., graph. Darst., Kt.

Aachen, Techn. Univ., Diss., 2004

Genehmigende Fakultät
Fak05

Hauptberichter/Gutachter
Nienhaus, Karl (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2004-12-17

Online
URN: urn:nbn:de:hbz:82-20050323
URL: https://publications.rwth-aachen.de/record/61779/files/Bayer_Arne.pdf

Einrichtungen

Fakultät für Georessourcen und Materialtechnik (500000)

Inhaltliche Beschreibung (Schlagwörter)
Braunkohlenflöz (Genormte SW) ; Nebengestein (Genormte SW) ; Mustererkennung (Genormte SW) ; Merkmalsextraktion (Genormte SW) ; Laserinduzierte Fluoreszenz (Genormte SW) ; Scanner (Genormte SW) ; Ingenieurwissenschaften (frei) ; Klassikfikationsverfahren (frei) ; Materialerkennung (frei) ; LIF (frei) ; Grenzschicht (frei) ; Qualitätssteuerung (frei) ; Braunkohle (frei)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
Die optische Analysemethode der laserinduzierten Fluoreszenz (LIF) bietet eine Möglichkeit, unterschiedliche Materialien zu erkennen und Trennflächen zu detektieren. Die vorliegende Arbeit zeigt methodisch auf, wie signifikante Merkmale mit Hilfe von systematischen Suchalgorithmen aus dem Fluoreszenzspektrum extrahiert werden können, so dass sich diese für die Materialerkennung in der Rohstoffgewinnung nutzen lassen, um den Gewinnungsvorgang hinsichtlich der Qualitätssteuerung zu optimieren. Im Gegensatz zu den bisherigen Ansätzen, die vielfach nach dem „Trial & Error“-Prinzip arbeiteten, erlaubt diese Vorgehensweise eine bestmögliche Erkennung der Materialien. Datengrundlage dieser Arbeit bilden Messungen des LIF Scanner / Analysers, die im Rahmen eines Forschungsprojektes zusammen mit der RWE Power AG im Braunkohletagebau Hambach durchgeführt wurden. Mittels materialspezifischen Fluoreszenzcharakteristika sollen die hereingewonnenen Schichten unterschieden werden. Die Vermeidung von ungeplanten und unkontrollierten Verunreinigungen während des Gewinnungsprozesses bedeutet eine Optimierung des Lagerstättenausbringens durch das gezielte Heranfahren an die jeweilige Trennfläche. Die Vielzahl an Merkmalen, die aus dem Emissionspektrum extrahiert werden kann, erschwert die Dimensionierung und Auslegung von praxistauglichen LIF-Analysegeräten. Daher kommt der Selektion geeigneter Merkmale eine besondere Bedeutung zu. Zur Materialklassifikation werden in dieser Arbeit neben den mittelwertbasierenden Gauß’schen Ansätzen erstmals auch die Verfahren der k-nächsten Nachbarn sowie die lineare Regression eingesetzt. Neben konventionellen sequentiellen Suchverfahren kommt auch die „Sequential Forward Floating Selection (SFFS)“ zum Einsatz. Zur Extraktion der signifikantesten LIF-Merkmale wird auf den „Wrapper2“-Ansatz zurückgegriffen. Die Analyse der Klassenanzahl auf den Erfolg der Materialerkennung kommt zu dem Schluss, dass eine zu detaillierte Klasseneinteilung nicht zu praktisch nutzbaren Ergebnissen führt, da die Fehlerquoten im Vergleich zu allgemeiner gehaltenen Materialeinteilungen unbefriedigend hoch sind. Bei der Analyse des Einflusses der untersuchten Algorithmen auf den Klassifikationserfolg zeigt sich, dass sich keine Methode als optimal erweist bzw. basierend auf den vorliegenden Daten kein Verfahren unter Berücksichtigung des Rechenaufwandes und der Zuordnungszuverlässigkeit eindeutig zu präferieren ist. Diese Arbeit zeigt, dass mit der Verwendung einer optimierten Methodik bei der Durchführung der Merkmalsselektion sowie der Materialklassifikation eine Trennflächenerkennung in den untersuchten Lagerstättenabschnitten des Tagebaus Hambach möglich ist. Die Grundlage dafür bilden Klassifikationsalgorithmen, die eine unkomplizierte Zuordnung der Messwerte in für die Qualitätssteuerung relevante Materialklassen ermöglichen. Ausgehend von der vorgestellten Methodik zur Merkmalsselektion und Materialklassifikation legt diese Arbeit den Grundstein für eine systematische Auswertung von Messdaten zur effektiven Nutzung der LIF-Technik. Darüber hinaus liefert sie Denkanstöße und Verbesserungspotentiale für zukünftige Arbeiten auf dem Gebiet der LIF-Analytik zur Materialerkennung.

The analytical tool of the optical laser induced fluorescence (LIF) method offers the opportunity to recognize different materials and to detect boundaries. This study shows the methodology how to extract significant features from the fluorescence spectrum using systematic search algorithms. An optimization of the mining process and consequently a better quality of the extracted material are the direct results of such a material recognition. In contrast to the traditional approaches, which often use the principle of "trial & error", this systematic way allows for the best recognition of the mined materials. Measurements taken in RWE Power's Hambach open pit lingnite mine form the basis of this paper. Using material specific fluorescence characteristics, the different kind of material should be distinguished. The avoidance of unscheduled and uncontrolled dilution during the mining process results in an optimization of the overall deposit extraction by means of a reduction of safety barriers. The large numbers of features, which can be extracted from the emission spectrum, pose a problem to both layout and dimensions of a robust LIF analyzer, which can be employed in the mining industry. Therefore the selection of suited feature is crucial. Apart from the Gaussian classification approach k-nearest neighbor procedures and the method of linear regression are applied to realize the material classification. Conventional sequential search algorithms and the "Sequential Forward Floating Selection (SFFS)“ are utilized. The extraction of significant LIF features is based on the "Wrapper-2" approach. As a result of analysis of the number of material classes one can observe that the success of the material recognition is depended on depth of segmentation. The more detailed alias the more classes the less satisfying the success. Regarding the classification methods none of the three approaches seems to be superior when taking the success criterion and the needed computing time into account. The basic lesson learnt from this work is the statement that using an optimized method for the feature selection and the material classification effective boundary detection is possible for the Hambach mine's section in scope. It results from the utilization of classification algorithms which allow for an uncomplicated assigment of LIF measurements to quality relevant material classes. Starting from the presented methodology of feature extraction and material classification this work lays the foundation of a systematic analysis of LIF measurement for effective future application of the LIF technology. Furthermore it offers a starting point for future research activities and shows the potential for further optimization in the field of LIF analytics application for material classification in the mining industry.

OpenAccess:
PDF
(additional files)