一种煤直接液化残渣样品的CT表征方法

摘要

本发明涉及煤直接液化残渣样品有机组分分布的可视化表征技术，具体是一种煤直接液化残渣样品的CT表征方法。一种煤直接液化残渣样品的CT表征方法，包括如下步骤：第一步、煤直接液化残渣样品的取样及预测试；第二步、第二煤直接液化残渣样品各灰分成分的X射线吸收特性分析；第三步、第二煤直接液化残渣样品组分分组；第四步、第二煤直接液化残渣样品的CT实验；第五步、建立物理模型，对CT切片中不同组分进行区分鉴别；第六步、剔除无机组分，进一步区分有机组分，利用不同颜色在模型中显示不同有机组分的分布，实现煤直接液化残渣样品有机组分分布形式的可视化表征。本发明所采用的物理模型可以极大提高计算效率，可用于大量样品的表征。

权利要求

1. 一种煤直接液化残渣样品的CT表征方法，其特征在于，包括如下步骤:第一步、煤直 接液化残渣样品的取样及预测试:于同一批煤直接液化残渣样品中选取用于有机组分分子 式、矿物灰组成测试的第一煤直接液化残渣样品，W及用于CT实验的第二煤直接液化残渣 样品；通过实验手段获得第一煤直接液化残渣样品基本性质测试数据，所述煤直接液化残 渣样品基本性质测试数据包括煤直接液化残渣样品中灰分含量、灰分成分及灰分成分含 量、煤直接液化残渣样品中未转化煤基质、重油与渐青类物质分子式;根据煤直接液化残渣 样品灰分成分含量推断各灰分成分在总的灰分中的体积分数;第二步、第二煤直接液化残 渣样品各灰分成分的X射线吸收特性分析:根据公式（1)计算不同X射线能量下第二煤直接 液化残渣样品中各灰分成分的X射线吸收量的比值，(1) 公式（1)中i代表不同的灰分成分;m代表参照灰分成分，所述参照灰分成分是灰分中对 X射线吸收最多的成分;X代表X射线能量;μι(χ)和μη(χ)分别代表灰分成分i和参照灰分成分 在能量为X keV的X射线线性吸收系数;Vi和Vm分别代表灰分成分i和参照灰分成分的体积分 数;忽略掉比值小于或等于CT实验噪声水平的灰分成分，剩余部分灰分成分;所述的剩余部 分灰分成分是由一个参照灰分成分和其余灰分成分构成的；第Ξ步、第二煤直接液化残渣 样品组分分组:根据公式(2)计算不同X射线能量下剩余部分灰分成分与未转化煤基质的X 射线线性吸收系数的比值，(2) 公式(2)中的α代表不同的剩余部分灰分成分，媒(句代表剩余部分灰分成分α在能量为 X keV的X射线线性吸收系数;Μί(λ')代表残渣中未转化煤基质在能量为X keV的X射线线性 吸收系数;做出不同X射线能量下各剩余部分灰分成分与未转化煤基质的X射线线性吸收系 数比值曲线，将剩余部分灰分成分进行分组，X射线线性吸收系数曲线相互平行的灰分成分 设为一个组;第四步、第二煤直接液化残渣样品的CT实验:找出不同组别之间的X射线线性 吸收系数曲线彼此最不平行的能量段，于上述能量段内选取Ξ个X射线实验能量分别进行 CT实验，获得多个投影像，CT实验投影像的成像分辨率为a;将上述投影像进行CT切片重构， 重构过程中扣除投影像中的亮背景和暗背景，CT切片的最小可分辨单元的尺寸为aXa，在 Ξ个能量的CT切片中选取对应样品相同位置的Ξ张 CT切片，在运Ξ张 CT切片上选取图像质 量较好并且孔隙及矿物较少的区域进行下一步计算，切割出来的区域像素尺寸为cXd; 第五步、建立物理模型，对CT切片中不同组分进行区分鉴别:模型由N(N=eXf)个简立 方格子构成，每个简立方格子与CT切片上所选区域的像素点 对应，每个简立方格子的 尺寸为a X a X a，对所有简立方格子进行如(3)式所示的线性最优规划计算：(3) 其中c(=0，l，2, . . . .C)的不同值分别对应不同的分组，c = 0对应孔隙组;c = l对应有 机物组，C = 2，3，... C对应剩余部分灰分分成的灰分组分组；KjW表示第η个简立方格子中 分组C的体积分数;μ(l'。)、μ(2'。)、μ (3'。)分别表示分组C在ミ个CT实验能量下的X射线线性吸收 系数，C=1时，μU'e)、μ(2'e)、μ(3'e )等于有机物中的煤基质、重油、渐青类物质在相应χ射线能 量下吸收系数的平均值，C = 2,3,...別寸，4^'^、4(2'^、4(3'^等于分组冲各组分在相应能量 下的X射线线性吸收系数乘W该组分在分组中的体积分数，加总求和得到总值，再除W分组 C总的体积分数；铅、/T、/T分别表示实验得到的第η个简立方格子在Ξ个实验能量下 的X射线线性吸收系数;利用计算机编程，将Ξ个能量下CT切片所选区域中各点的X射线线 性吸收系数（片/i、、&w)输入(3)式对应的模型并利用数学中常规的单纯形方法对模 型进行线性最优化求解，可得到模型中各点的不同组分组体积分数KjW，将模型中灰分组 分组对应的区域找出来，该部分区域对应残渣中的矿物组分;第六步、剔除无机组分，进一 步区分有机组分:根据第五步的计算结果，将模型中计算得到的灰分组分组对应区域设定 为只读，不参与进一步的计算;将有机组分中的重油与渐青类物质设定为一个组分组;将未 转化的煤基质设定为一个组分组;孔隙单独设定为一个组分组;重复第五步的计算，即进行 如(4)式所示线性最优规划计算：(4) 其中k(=0，l，2)的不同值分别对应不同的分组，k = 0对应孔隙组，k=l对应未转化的 煤基质组，k = 2对应重油与渐青类物质组;vf表示第η个简立方格子中分组k的体积分数； μ(l'k)、μ(2'k)、μ(3'k )分别表示分组k在ミ个CT实验能量下的X射线线性吸收系数，重油与渐青 类物质组在相应能量下的X射线线性吸收系数等于重油与渐青类物质在相应能量下吸收系 数的平均值；戌U、Af、媒'分别表示实验得到的第η个简立方格子在立个实验能量下的 X射线线性吸收系数;通过单纯形方法可对最优规划问题(4)式进行求解，求得CT切片上各 简立方格子中各分组的体积分数;利用不同颜色在模型中显示不同有机组分的分布，实现 煤直接液化残渣样品有机组分分布形式的可视化表征。

说明书

一种煤直接液化残渣样品的CT表征方法

技术领域

[0001] 本发明涉及煤直接液化残渣样品有机组分分布的可视化表征技术，具体是一种煤 直接液化残渣样品的CT表征方法。

背景技术

[0002] 煤直接液化残渣是煤炭液化后的产物，其成分可分为有机组分和无机组分两大 类。其中有机组分包含沥青类物质、重油及未转化的煤基质;无机组分包含原煤中的矿物质 和液化过程中加入的催化剂。煤直接液化残渣样品中的有机组分具有较高的发热量和利用 价值，对煤直接液化残渣样品有机组分的分布形式和结合方式进行可视化表征有助于发展 新的残渣中有用物质的回收方法。

[0003] 目前煤直接液化残渣样品的可视化表征技术主要包括：扫描电镜法、光学显微镜 法等。扫描电镜结合能谱可以对感兴趣的样品区域中的元素分布进行可视化鉴别，光学显 微镜可以较为便捷地观察样品不同组分的形貌。但是无论是扫描电镜还是光学显微镜，都 很难观察煤直接液化残渣样品中不同有机组分的分布形式和相互结合方式。

[0004] X射线CT成像是一种重要的材料形貌、结构可视化表征技术。尤其是微焦点CT和同 步辐射CT技术的出现可以实现多种材料的定量CT表征。但是在煤直接液化残渣样品的CT表 征中存在诸多困难。残渣中的不同有机组分具有相近的X射线吸收系数，现有的图像阈值分 割法是直接依赖于样品不同组分的X射线吸收系数值，由于实验误差及部分体积效应的存 在，很难对残渣中不同的有机组分进行区分。另外，残渣中矿物组分的具体分子式很难确 定，而且有大量小于CT分辨率的矿物组分存在，这些因素会导致CT切片上像元所表现出来 的X射线吸收系数与残渣组分难以建立直接的关联，增加了残渣中有机组分区分的难度。

发明内容

[0005] 本发明为解决现有煤直接液化残渣样品的可视化表征技术存在的有机组分难以 区分的技术问题，提供了一种煤直接液化残渣样品的CT表征方法。

[0006] 本发明是通过以下技术方案实现的：一种煤直接液化残渣样品的CT表征方法，包 括如下步骤:第一步、煤直接液化残渣样品的取样及预测试:于同一批煤直接液化残渣样品 中选取用于有机组分分子式、矿物灰组成测试的第一煤直接液化残渣样品，以及用于CT实 验的第二煤直接液化残渣样品;通过实验手段获得第一煤直接液化残渣样品基本性质测试 数据，所述煤直接液化残渣样品基本性质测试数据包括煤直接液化残渣样品中灰分含量、 灰分成分及灰分成分含量、煤直接液化残渣样品中未转化煤基质、重油与沥青类物质分子 式;根据煤直接液化残渣样品灰分成分含量推断各灰分成分在总的灰分中的体积分数;第 二步、第二煤直接液化残渣样品各灰分成分的X射线吸收特性分析:根据公式（1)计算不同X 射线能量下第二煤直接液化残渣样品中各灰分成分的X射线吸收量的比值，

[0008]公式（1)中i代表不同的灰分成分;m代表参照灰分成分，所述参照灰分成分是灰分 中对X射线吸收最多的成分;X代表X射线能量;m(x)和ym(x)分别代表灰分成分i和参照灰分 成分在能量为X keV的X射线线性吸收系数;Vi和Vm分别代表灰分成分i和参照灰分成分的体 积分数;忽略掉比值小于或等于CT实验噪声水平的灰分成分，剩余部分灰分成分;所述的剩 余部分灰分成分是由一个参照灰分成分和其余灰分成分构成的；第三步、第二煤直接液化 残渣样品组分分组:根据公式(2)计算不同X射线能量下剩余部分灰分成分与未转化煤基质 的X射线线性吸收系数的比值，

[0010]公式(2)中的α代表不同的剩余部分灰分成分，圮(X)代表剩余部分灰分成分α在能 量为X keV的X射线线性吸收系数;g(x)代表残渣中未转化煤基质在能量为X keV的X射线 线性吸收系数;做出不同X射线能量下各剩余部分灰分成分与未转化煤基质的X射线线性吸 收系数比值曲线，将剩余部分灰分成分进行分组，X射线线性吸收系数曲线相互平行的灰分 成分设为一个组;第四步、第二煤直接液化残渣样品的CT实验:找出不同组别之间的X射线 线性吸收系数曲线彼此最不平行的能量段，于上述能量段内选取三个X射线实验能量分别 进行CT实验，获得多个投影像，CT实验投影像的成像分辨率为a;将上述投影像进行CT切片 重构，重构过程中扣除投影像中的亮背景和暗背景，CT切片的最小可分辨单元的尺寸为aX a，在三个能量的CT切片中选取对应样品相同位置的三张 CT切片，在这三张 CT切片上选取图 像质量较好并且孔隙及矿物较少的区域进行下一步计算，切割出来的区域像素尺寸为cX d；

[0011]第五步、建立物理模型，对CT切片中不同组分进行区分鉴别：模型由N(N = eXf)个 简立方格子构成，每个简立方格子与CT切片上所选区域的像素点--对应，每个简立方格 子的尺寸为aXaXa，对所有简立方格子进行如(3)式所示的线性最优规划计算：

[0013] 其中c(=〇，l，2, . . . .C)的不同值分别对应不同的分组，c = 0对应孔隙组;c = l对 应有机物组，c = 2,3, .. .C对应剩余部分灰分分成的灰分组分组；表示第η个简立方格 子中分组c的体积分数;^(1，。)^(2，。)^ (3，。)分别表示分组(：在三个(：1'实验能量下的乂射线线性 吸收系数，c = l时，以(1^)^(2^)4(3^ )等于有机物中的煤基质、重油、沥青类物质在相应父射 线能量下吸收系数的平均值，c = 2,3,. . .C时，以&^^心^心嚀于分组^各组分在相应 能量下的X射线线性吸收系数乘以该组分在分组中的体积分数，加总求和得到总值，再除以 分组c总的体积分数;皮1、戌 21、戌$分别表示实验得到的第η个简立方格子在三个实验能 量下的X射线线性吸收系数;利用计算机编程，将三个能量下CT切片所选区域（图4中方框） 中各点的X射线线性吸收系数（At、戌 3>)输入(3)式对应的模型并利用数学中常规 的单纯形方法对模型进行线性最优化求解，可得到模型中各点的不同组分组体积分数 ^ (e),将模型中灰分组分组对应的区域找出来，该部分区域对应残渣中的矿物组分;第六 步、剔除无机组分，进一步区分有机组分:根据第五步的计算结果，将模型中计算得到的灰 分组分组对应区域设定为只读，不参与进一步的计算;将有机组分中的重油与沥青类物质 设定为一个组分组;将未转化的煤基质设定为一个组分组;孔隙单独设定为一个组分组;重 复第五步的计算，即进行如(4)式所示线性最优规划计算：

[0015] 其中k ( = 0，1，2)的不同值分别对应不同的分组，k = 0对应孔隙组，k = 1对应未转 化的煤基质组，k=2对应重油与沥青类物质组；vf表示第η个简立方格子中分组k的体积分 数;^1，1〇、#，1 {)^(3，1{)分别表示分组 1^在三个(；1实验能量下的)(射线线性吸收系数，重油与沥 青类物质组在相应能量下的X射线线性吸收系数等于重油与沥青类物质在相应能量下吸收 系数的平均值;/if、Alt、成 3)分别表示实验得到的第η个简立方格子在三个实验能量下 的X射线线性吸收系数;通过单纯形方法可对最优规划问题(4)式进行求解，求得CT切片上 各简立方格子中各分组的体积分数;利用不同颜色在模型中显示不同有机组分的分布，实 现煤直接液化残渣样品有机组分分布形式的可视化表征。

[0016] 第一步中煤直接液化残渣样品中灰分含量、灰分成分及灰分成分含量、煤直接液 化残渣样品中重油与沥青类物质分子式是通过工业分析、元素分析、灰分分析等实验手段 获得的。煤直接液化残渣样品中有机组分(未转化煤基质、重油、沥青类物质)分子式是依据 有机元素比例写出。上述实验手段为本领域常规使用手段。

[0017] 第二步中第二煤直接液化残渣样品各组分的X射线吸收特性分析，是根据第一煤 直接液化残渣样品的组分分析结果进行的。第一煤直接液化残渣样品与第二煤直接液化残 渣样品从同一批的煤直接液化残渣中选取，是为了减少不同批次残渣样品基本性质差异所 带来的误差。

[0018] CT实验噪声是由CT实验装置及实验参数引起的，CT实验装置及实验参数不同，CT 实验噪声水平就不同，本领域技术人员可根据实际使用的装置以及相关参数确定CT实验噪 声的数值。

[0019] 第四步中，在CT切片上选取矿物组分和孔隙较少的区域进行计算是为了尽可能减 少由于残渣中矿物成分的不确定性以及大面积孔隙对残渣中有机组分CT鉴别的影响。

[0020] 第五步中，在(3)式中的前三个方程中使用约等于号，是由于用残渣中灰分成分代 替样品中的矿物成分存在近似，利用本发明所述方法计算得到样品灰分组分组的X射线线 性吸收系数与残渣中矿物的真实X射线线性吸收系数并不严格相等，所以方程两边并不是 严格相等。这使得(3)式中匕广的求解并不是简单的线性方程组求解，而是属于数学上的线 性最优规划问题。这使得残渣CT切片中不同组分的鉴别不是单纯依赖于各组分的线性吸收 系数理论值与实验值的对应关系，而是以三个不同能量的CT实验数据以及(3)式中的后两 式作为约束条件，通过线性最优规划对残渣中不同组分进行鉴别。这样可以解决残渣中矿 物组分分子式难以确定的难题。

[0021] 第六步中，将模型中计算得到的灰分组分组对应区域设置为只读，对有机组分进 行进一步的组分鉴别，是因为无机组分与有机组分X射线线性吸收系数差异远大于有机组 分中不同组分之间的差异，如果在第五步中一次性对所有组分(不同的有机组分和不同的 矿物组分）同时进行最优化计算，则很难对有机组分进行相互区分。同时，对残渣组分分两 次进行分组和线性最优规划计算，可以减少每一次最优化计算中的组分个数，在最优化计 算过程中有利于获得可靠的计算结果。

[0022] 本发明所述的CT表征方法采用多个单色X射线实验能量下获得的CT数据联合分 析，分两次对煤直接液化残渣样品的组分进行分组与CT鉴别，利用残渣的灰分成分代替残 渣中的矿物组分成分，将残渣样品CT图片上不同组分的鉴别形成一个线性最优规划问题， 通过单纯形的方法对该问题进行求解，可实现对煤直接液化残渣样品CT切片中有机组分的 区分与鉴别。通过在单个CT体元上建立物理模型，可以有效检出有机组分中的微小无机组 分颗粒。对模型中的无机组分设置为只读后再次对有机组分进行分组计算，通过多个CT实 验能量的数据约束，利用线性最优规划的方法可以区分出有机组分中未转化的煤基质与重 油及沥青类物质，减弱了残渣样品中无机组分对有机组分鉴别过程的影响。本发明所采用 的以线性最优规划问题为核心的物理模型，可以极大提高计算效率，可用于大量样品的表 征。本发明所用方法对认识煤直接液化残渣中有机组分的相互结合方式，发展新的残渣中 有用物质回收方法具有重大的科技和经济意义。

附图说明

[0023] 图1残渣中Al203、Si02及CaO相对Fe 203的X射线吸收比图像。

[0024] 图2残渣中1(20、似20、？205、]\%0及110 2相对?6203的父射线吸收比图像。

[0025] 图3残渣组分相对未转化煤基质的X射线吸收特性图像。

[0026] 图4 16keV的X射线能量下重构得到的一张 CT切片。

[0027] 图5残渣中矿物、有机组分组、孔隙的分布图。

[0028] 图6不同有机组分在残渣中的分布图。

具体实施方式

[0029] 本发明所述的表征方法可表征不同液化技术方案获得的煤直接液化残渣样品。下 面以某一液化技术方案获得的煤直接液化残渣为实施例对本发明进行详细的说明。该实施 例只是为了进一步阐述本发明，但并不限制本发明所保护的范围。

[0030] -种煤直接液化残渣样品的CT表征方法，包括如下步骤:第一步、煤直接液化残渣 样品的取样及预测试:于同一批煤直接液化残渣样品中选取用于有机组分分子式、矿物灰 组成测试的第一煤直接液化残渣样品，以及用于CT实验的第二煤直接液化残渣样品；通过 实验手段获得第一煤直接液化残渣样品基本性质测试数据，所述煤直接液化残渣样品基本 性质测试数据包括煤直接液化残渣样品中灰分含量、灰分成分及灰分成分含量、煤直接液 化残渣样品中未转化煤基质、重油与沥青类物质分子式。根据煤直接液化残渣样品灰分成 分含量推断各灰分成分在总的灰分中的体积分数;进行煤直接液化残渣样品工业分析、元 素分析、灰分分析等行业常规测试手段，其中第一煤直接液化残渣样品的基本性质测试数 据见表1。残渣有机物分子式中，重油与沥青类物质的分子式是根据文献(谷小会，周铭，史 士东.煤炭学报神华煤直接液化残渣中重质油组分的分子结构[J].煤炭学报，2006,31(1): 76-80.谷小会，史士东，周铭.神华煤直接液化残渣中沥青烯组分的分子结构研究[J].煤炭 学报，2006,31(6) :785-789.)报道方式测试得到，未转化的煤基质是根据用于液化的原煤 中有机元素比直接写出。

[0031]表1第一煤直接液化残渣样品基本性质

[0033] 表2是根据表1中煤直接液化残渣样品灰分成分含量推断得到各灰分成分在总的 灰分中的体积分数。推断方法为根据各灰分成分的质量含量与密度相比得到数值即为各灰 分成分的体积比，根据体积比可算出灰分中各灰分成分的体积含量。

[0034] 表2计算得到残渣中各灰分成分占总灰分的体积分数

[0036] 根据CT装置样品台要求，用于CT实验的第二煤直接液化残渣样品需磨制成合适的 形状，保证样品表面没有尖锐的棱角，且在实验所用X射线能量下样品的X射线透射率在 30%_70%。本实施例中将用于CT实验的第二煤直接液化残渣样品用金相砂纸单方向手工 磨制成直径4mm，高0.8mm的圆柱。除圆柱状，第二煤直接液化残渣样品还可磨制成其他符合 CT装置样品台要求的形状。

[0037] 第二步、第二煤直接液化残渣样品各灰分成分的X射线吸收特性分析:根据公式 (1)计算不同X射线能量下第二煤直接液化残渣样品中各灰分成分的X射线吸收量的比值，

[0039] 公式（1)中i代表不同的灰分成分;m代表参照灰分成分，所述参照灰分成分是灰分 中对X射线吸收最多的成分;X代表X射线能量;m(x)和ym(x)分别代表灰分成分i和参照灰分 成分在能量为X keV的X射线线性吸收系数;Vi和Vm分别代表灰分成分i和参照灰分成分的体 积分数;忽略掉比值小于或等于CT实验噪声水平的灰分成分，剩余部分灰分成分;所述的剩 余部分灰分成分是由一个参照灰分成分和其余灰分成分构成的。

[0040] 图1和图2是根据公式（1)得到的图像。从图2可以看到，与Fe2〇3相比，K 20、Na20、 P2〇5、MgO及Ti02引起的X射线吸收量很少。考虑到本实施中采用的CT实验装置的CT实验噪声 水平为2%，这些组分(1( 20、似20、？205、1%0、1^02)很难被探测到。故而，在后期的(：1'分析中这 些组分将被忽略。所以，剩余部分灰分成分为Fe 2〇3、Al2〇3、Si02及CaO。

[0041] 第三步、第二煤直接液化残渣样品组分分组:根据公式(2)计算不同X射线能量下 剩余部分灰分成分与未转化煤基质的X射线线性吸收系数的比值，

[0043]公式(2)中的α代表不同的剩余部分灰分成分，<(x)代表剩余部分灰分成分α在能 量为X keV的X射线线性吸收系数；W(x)代表残渣中未转化煤基质在能量为X keV的X射线 线性吸收系数;做出不同X射线能量下各剩余部分灰分成分与未转化煤基质的X射线线性吸 收系数比值曲线，将剩余部分灰分成分进行分组，X射线线性吸收系数曲线相互平行的灰分 成分设为一个组。

[0044]图3为残渣中剩余部分灰分成分$6203)1203、510 2、0&0)相对未转化煤基质的父射 线线性吸收系数曲线。为了便于比较不同组分吸收系数曲线的斜率，图中将各组分的吸收 系数曲线进行了整体的放大或缩小，使得不同组分的吸收系数曲线彼此相互靠近。

[0045]由图3可看到，Fe2〇3与CaO的吸收系数曲线相互平行，Al2〇3与Si0 2的X射线吸收系数 曲线相互平行。根据不同组分的X射线吸收特性可将剩余部分灰分成分分为:a)Fe2〇3与CaO、 b)Al2〇3与Si02两个组分组。

[0046] 第四步、煤直接液化残渣样品的CT实验:找出不同组别之间的X射线线性吸收系数 曲线彼此最不平行的能量段，于上述能量段内选取三个X射线实验能量分别进行CT实验，获 得多个投影像，CT实验投影像的成像分辨率为a;将上述投影像进行CT切片重构，重构过程 中扣除投影像中的亮背景和暗背景，CT切片的最小可分辨单元的尺寸为aXa，在三个能量 的CT切片中选取对应样品相同位置的三张 CT切片，在这三张 CT切片上选取图像质量较好并 且孔隙及矿物较少的区域进行下一步计算，切割出来的区域像素尺寸为e X f;

[0047] 具体实施时，第四步中进行的CT实验是在同步辐射或能提供良好单色X射线的装 置上进行的。本发明的CT实验是在上海光源同步辐射BL13W线站获得，其成像分辨率为a = 3.7μπι，在成像前后均采集暗背景和亮背景。选取14keV、16keV、20keV三个(与样品中非孔隙 分组个数相同）X射线实验能量，于上述三个X射线实验能量下，分别采集1080张投影像。

[0048] 将所有投影像进行CT切片重构，重构过程中扣除了投影像中的亮背景及暗背景。 图4为16keV的X射线能量下重构得到的一张 CT切片，图像上最小可分辨的单元尺寸为a Xa =3.7μπι X 3.7μπι。图4(实质审查参考资料彩图4)中不同灰度值对应不同的X射线吸收系数， 白色区域表示较高的X射线吸收系数值对应矿物，灰色区域表示较低的吸收系数值对应有 机物。在三个能量重构得到的CT切片中选取图4方框内区域进行下一步的计算，所选区域的 像素尺寸为:eXf = 224X224。在所选区域内矿物分布较少，且无明显大尺寸孔隙。

[0049] 第五步、建立物理模型，对CT切片中不同组分进行区分鉴别：模型由N(N = eXf)个 简立方格子构成，每个简立方格子与CT切片上所选区域的像素点--对应，每个简立方格 子的尺寸为aXaXa，对所有简立方格子进行如(3)式所示的线性最优规划计算：

[0051] 其中(：（=0，1，2，....〇的不同值分别对应不同的分组，(3 = 0对应孔隙组;(3 = 1对 应有机物组，c = 2,3, . . .C对应剩余部分灰分分成的灰分组分组;表示第η个简立方格 子中分组c的体积分数;^(1，。)^(2，。)^ (3，。)分别表示分组(：在三个(：1'实验能量下的乂射线线性 吸收系数，c = l时，以(1^)^(2^)4(3^ )等于有机物中的煤基质、重油、沥青类物质在相应父射 线能量下吸收系数的平均值，c = 2,3,. . .C时，以&^^心^心嚀于分组^各组分在相应 能量下的X射线线性吸收系数乘以该组分在分组中的体积分数，加总求和得到总值，再除以 分组c总的体积分数；#/>、戌卢、分别表示实验得到的第η个简立方格子在三个实验能 量下的X射线线性吸收系数;利用计算机编程，将三个能量下CT切片所选区域(实质审查参 考资料图4中方框)中各点的X射线线性吸收系数（戌11、Af、A(,3))输入⑶式对应的模型 并利用数学中常规的单纯形方法对模型进行线性最优化求解，可得到模型中各点的不同组 分组体积分数& (ί)5将模型中灰分组分组对应的区域找出来，该部分区域表示残渣中的矿 物组分。

[0052] 其中N=e X f为Ν=224 X 224,每个简立方格子的尺寸为3.7 X 3.7 X 3.7μπι3。（3)式 中，C = 3; c ( = 0，1，2，3)分别对应孔隙组、有机物组、Α12〇3与S i 02组及Fe2〇3与CaO组。

[0053]非孔隙组c( = l、2、3)在三个实验能量下的X射线线性吸收系数取值如表3所示： [0054]表3第一次线性最优化计算中各组分组线性吸收系数取值

[0056] 其中，c = l时，对应的以&^以…^…冰值为残渣中未转化的煤基质這油~沥青 类物质X射线线性吸收系数的平均值，c = 2,3时，对应的以(1^)^(24)4(3,6取值为组分组内 各组分X射线线性吸收系数的体积加权平均值。/if、//f、说 3)的值可在三个CT实验能量 下重构得到的CT切片中如图4所示的方框区域内各点读取到，利用计算机编程，将μ (1^、 、At、的数值输入(3)式对应的模型并利用单纯形的方法对模型进 行线性最优化求解，可得到模型中各点的不同组分组体积分数。

[0057] 图5(实质审查参考资料彩图5)是对(3)式进行计算后得到的残渣中矿物、有机组 分组、孔隙的分布情况。图中矿物组分组都用蓝色显示，有机物组和孔隙组用红色显示，图 中各点颜色的显示强度正比于各组分在该点位置处计算得到的体积分数。

[0058]第六步、剔除无机组分，进一步区分有机组分:根据第五步的计算结果，将模型中 计算得到的灰分组分组对应区域设定为只读，不参与进一步的计算。将有机组分中的重油 与沥青类物质设定为一个组分组;将未转化的煤基质设定为一个组分组;孔隙单独设定为 一个组分组;重复第五步的计算，即进行如(4)式所示线性最优规划计算：

[0060] 其中k(=0，l，2)的不同值分别对应不同的分组，k = 0对应孔隙组，k = 1对应未转 化的煤基质组，k=2对应重油与沥青类物质组；vf表示第η个简立方格子中分组k的体积分 数;^1，1〇、#，1 {)^(3，1{)分别表示分组 1^在三个(；1实验能量下的)(射线线性吸收系数，重油与沥 青类物质组在相应能量下的X射线线性吸收系数等于重油与沥青类物质在相应能量下吸收 系数的平均值;总 2)、/if分别表示实验得到的第η个简立方格子在三个实验能量下 的X射线线性吸收系数;通过单纯形方法可对最优规划问题(4)式进行求解，求得CT切片上 各简立方格子中各分组的体积分数;利用不同颜色在模型中显示不同有机组分的分布，实 现煤直接液化残渣样品有机组分分布形式的可视化表征。

[0061] 具体实施中，以&^以^^^啲取值如表好斤示。

[0062] 表4第二次线性最优化计算中各组分组线性吸收系数取值

[0064]利用计算机编程，将表4中数值以及三个CT实验能量重构切片中图5(实质审查参 考资料彩图5)红色区域对应位置的X射线线性吸收系数（/f、Pf、代入(4)式所示 模型中，对图5所示图片中红色区域进行最优化计算，得到如图6所示的重油与沥青类物质 组及未转化煤基质组的分布图。图6(实质审查参考资料彩图6)中红色表示未转化的煤基 质，绿色表示重油与沥青类物质，各点颜色显示强度正比于各个简立方格子中各组分的体 积分数，图中未显示孔隙组与图5中矿物组分组的分布。