煤粉气力输送的细度检测对磨煤机工作状态的最优控制具有重要的意义。 传统的检测方法多采用抽检取样法, 通过分样筛等设备检测样品的细度, 耗时长且操作复杂。 国内外对细度地快速检测也有部分研究成果, 但所测粉体浓度须较低, 且设备稳定性还有待提高。 太赫兹时域光谱技术（THz-TDS）是一种新型的无损检测技术, 其低能性、 选择透过性、 相干性等特点使它具备其他光谱测量方法没有的优势。 国内外对太赫兹辐射与颗粒介质相互作用的研究表明, 太赫兹波对颗粒介质的细度具有显著敏感性, 因此通过太赫兹波检测煤粉细度具有可行性。 太赫兹波在高浓度颗粒介质的传播可以被看成是一个非线性动力过程, 这个过程包含了复杂的非线性动力学效应, 导致光谱测量结果具有混沌特征。 将非线性动力系统的概念应用到太赫兹时域光谱信号的分析中, 将太赫兹时域光谱信号视为由复杂非线性动力系统产生的时间序列进行特征分析。 实验中将煤样研磨并筛分为<38.5, 55~74, 74~88, 88~105和105~200 μm六种细度, 并将煤粉与HDPE混合后压制成样品片。 分别提取了的煤粉样品太赫兹时域光谱信号的功率谱熵、 小波能量熵、 盒维数、 关联维数、 偏度和峭度作为太赫兹时域光谱的混沌特征, 通过比较发现这些混沌特征与细度变化具有一定的相关性, 从视觉上可以大致区分出细度范围, 但无法进行定量分析。 支持向量机常用来解决小样本和非线性的分类问题, 但是需要选择合适的参数才能建立较为准确的预测模型。 文中引入粒子群算法来优化支持向量机建模参数选择。 将上述提取的混沌特征向量作为粒子群算法优化的支持向量机的输入变量, 以分样筛筛孔作为回归目标, 对所测量煤粉细度建立回归模型。 实验结果表明利用混沌特征建立的回归模型对<38.5和38.5~55 μm样品的预测结果要逊色于消光谱建模的回归结果, 认为这是因为煤粉细度小, 太赫兹波在样品中传播时与煤粉颗粒相互作用也比较弱, 时域信号的混沌特征表现不明显所导致。 对55~74, 74~88, 88~105和105~200 μm煤粉样品细度的预测结果要明显优于频域消光谱建立的模型, 特别是74~88和105~200 μm样品, 校正集均方根误差相对于消光谱分别下降了29.48%和26.14%, 预测集误差分别下降了88.62%和56.86%。 从预测结果整体上来看, 采用混沌特征建模的预测结果与目标细度的相关系数为0.9618, 消光谱建模的预测结果相关系数仅为0.78。 混沌特征建模的均方根预测误差仅为9.52, 消光谱建模的均方根预测误差为24.48。 同时采用混沌特征的建模时间相对于消光谱的建模时间下降了43.19%。 研究结果为太赫兹时域光谱技术在高浓度煤粉气力输送细度检测上的应用提供了科学依据和参考。