摘要：为提高煤质灰分测量精度,提出了基于双能γ射线的煤质灰分智能软测量方法,该方法以137Cs和241Am作为中能和低能的γ射线源,并以探测器检测到的γ计数作为辅助变量,利用混沌算法优化的函数链神经网络实现灰分软测量辨识建模,最后对煤质灰分进行软测量预测和验证。研究结果表明：混沌算法优化的函数链神经网络预测方法的预测精度高,具有较强的泛化能力;基于混沌算法优化函数链神经网络的灰分智能软测量值与实测值的平均误差为0.7%,最大误差为0.9%,煤质灰分测量准确度高。

关键词：煤灰分 软测量 函数链神经网络 混沌优化 

单位：湖南大学电气与信息工程学院 长沙410082