煤炭灰分的在线检测是实现选煤智能化闭环控制的关键环节，尤其在重选、浮选等关键选矿技术中发挥着关键作用。灰分的在线监测能够准确、快速地测量煤炭中的灰分含量，为煤炭的分选和处理提供实时数据支持。针对这一问题本研究提出了一种基于双能X射线测量结果和人工智能算法相结合的检测模型和测量方法，即基于MLP神经网络的煤炭灰分检测模型。基于双能X射线设计了中低灰煤灰分检测实验系统，以粒度、X射线入射角、水分和组成成分为变量，研究了不同因素对中低灰煤灰分识别效果的影响。建立了X射线透射灰度值与样品灰分含量之间的精准映射关系，采用双能X射线数据对神经网络进行训练，保证模型预测的准确性和可靠性。结果表明，最后训练后的模型预测值与之真实值的均方根误差为0.0817，平均误差的绝对值为0.00001。灰分<20%时，预测范围偏差为±0.79%；灰分20%-35%时，预测范围偏差为±0.94%；灰分>35%时，预测范围偏差较大。

1实验材料与流程方法
1.1样品制备
1.2实验原理
1.3实验流程
2 结果与讨论
2.1不同因素对实验结果影响
2.1.1粒度对中低灰煤灰分检测精度影响
2.1.2入射角度对中低灰煤灰分检测精度影响
2.1.3水分对中低灰煤灰分检测精度影响
2.1.4单一组分对检测结果的影响
2.2以黏土矿物为灰分主要成分结果分析
2.2.1以高岭石为灰分主要成分结果分析
2.2.2以高岭石和蒙脱石为灰分主要成分结果分析
2.3神经网络模型及验证
2.3.1实验环境搭建和数据集建立
2.3.2 BP神经网络和MLP神经网络对比
2.3.3三种常见的用于优化MLP神经网络的算法结果对比
2.3.4模型验证
3结论