基于紫外荧光技术的柴油机润滑油被燃油稀释的检测研究

针对柴油机润滑油被燃油稀释的状态监测的问题,研究了基于紫外荧光技术的柴油机润滑油被燃油稀释的检测方法,设计搭建了检测实验装置。利用峰值发射波长为365 nm的紫外LED作为发射光源,发射的紫外光通过400 nm低通滤光片过滤后进入石英比色皿中的油样,并激发油样产生荧光,产生的荧光通过400 nm高通滤光片过滤后,利用探测波长范围为400～800 nm的光电传感器采集油样的荧光信号,利用万用表读取油样的荧光强度。设计开发了信号的放大和测量系统。高、低通滤光片的组合使用,减少了紫外光源所发射的紫外光对油样的荧光强度测量的干扰。利用该实验装置,测量了润滑油中柴油含量分别为20.3 Wt.%,10.0 Wt.%,5.0 Wt.%,2.5 Wt.%,1.5 Wt.%和0.7 Wt.%以及不含柴油的空白油样的荧光强度,经拟合得到柴油含量与荧光强度的方程。最后,为了检验该方法测量润滑油中柴油含量的准确性,采用柴油含量为7.5 Wt.%油样进行验证,利用该实验装置,测量了验证油样的荧光强度,代入拟合方程,计算得到油样中的柴油含量,结果表明通过该方法测量的油样中柴油含量与油样的实际柴油含量的相对误差为0.5%,实现了实验室条件下润滑油被燃油稀释的精确测量。     

润滑油冷却液污染的拉曼光谱检测方法研究

对船舶柴油机而言,润滑油常受到冷却液的污染,引起润滑油劣化变质,从而导致其功能失效。冷却液的主要成分是水、乙二醇及少量的防腐蚀、抗穴蚀、消泡沫等添加剂。将拉曼光谱用于检测润滑油被冷却液污染的浓度,是一种针对复杂混合物的拉曼光谱检测问题,单个拉曼峰强度的定量分析方法无法满足浓度的定量检测。为此,将拉曼光谱分析和LSTM神经网络数据挖掘方法应用于检测润滑油冷却液污染的浓度。在实验室条件下,配制了冷却液污染浓度为2%,1.5%,1%,0.5%,0.25%和0%的柴油机润滑油油样,对每个油样取样50次,并进行拉曼光谱分析,共获得300个拉曼光谱数据,随机抽取其中80%的数据作为神经网络训练样本,剩余20%的数据作为测试样本,拉曼光谱样本数据的光谱范围为300～2 000 cm-1;对数据进行预处理,包括采样、拟合、离散点平均梯度估计等;构建训练样本集,将LSTM神经网络和多层全连接层（FC）结合,建立4种不同的神经网络模型结构;得到其在训练集和测试集上的平均误差曲线、测试集上的检测准确率曲线。分析结果表明,FCs,LSTM-FCs-1,LSTM-FCs-2和LSTM-FCs-3等4种神经网络模型,检测准确率分别为96.7%,93.3%,98.3%和83.3%。选取任意1%的波数点,加入幅值随机正负变化1%的噪声之后,4种神经网络模型的检测准确率分别为88.3%,90.0%,96.7%和78.3%。可见,相比于其他3种神经网络结构模型,LSTM-FCs-2模型更适用于进行润滑油冷却液污染的定量估计,加噪后最高准确率仍可以达到96.7%,鲁棒性优于其他三种模型。拉曼光谱结合LSTM网络中的LSTM-FCs-2模型,应用于冷却液污染浓度分别为0.2%和0.4%的实际油样检测,相对误差分别为5.0%和7.5%,结果表明该方法可用于在用润滑油冷却液污染浓度的检测。     

飞马Ⅱ号润滑油中燃油污染红外光谱检测研究

针对航空发动机润滑油燃油污染造成非计划停机、飞行故障等一系列问题,需要对在用润滑油进行必要的监测,从而确定润滑油换油的最佳时机。采用美国PerkinElmer公司的Spectrum Two红外光谱仪及Spectrum Quant软件,结合美国材料与试验协会标准（ASTM-E2412-10）关于合成酯类润滑油的监测说明,对民航广泛使用的Mobil jet oilⅡ型润滑油进行燃油污染程度定量分析。运用两点基线面积法建立了燃油污染浓度与815～805 cm-1特征谱区面积的标准工作曲线,工作曲线的相关性达0.999 6,标准预测误差为0.544 1。利用该工作曲线预测已知润滑油燃油含量样品偏差在1.3%以内,5组重复试验标准偏差均低于0.1%,表明该方法具有较高的预测精度和良好的重复性。同时,采用该工作曲线和美国斯派超(Spectro Scientific)公司燃油嗅探仪分别对相同润滑油样品进行检测,检测结果相当,表明建立的定量工作曲线可满足民航对润滑油燃油污染的监测需求。     

基于激光诱导荧光的溢油厚度定量检测实验研究

海上溢油油膜厚度的定量检测是实现溢油量准确估计的重要依据和手段,为制定石油污染应急响应提供了基础数据。本文基于激光诱导荧光（LIF）的方法以柴油（0# diesel）、机油（Mobil motor oil 20w-40）、润滑油（Shell Helix 15w-40,Shell Helix 10w-40,Shell Helix 5w-40）为研究对象,重点分析了油膜厚度-荧光发射强度关系,检出限以及油膜厚度在不同水体中定量检测的准确性。结果表明：0#柴油和美孚机油20w-60的荧光光谱特征与润滑油的光谱特征有明显不同,柴油的荧光峰位于326 nm其FWHM为60 nm,美孚机油20w-60则具有三个荧光峰分别位于360 nm/375 nm/390 nm其FWHM为100nm。三种润滑油（壳牌润滑油15w-40、壳牌润滑油10w-40、壳牌润滑油5w-40）的荧光光谱重叠明显,荧光峰分别位于334,344和343 nm且FWHM分别为75,45和50 nm。5种油膜的荧光强度均随油膜厚度的增加而增加,校正曲线的相关性分别为0.997 8,0.997 9,0.996 4,0.997 8和0.996 0,均具有较好的相关性,5种油膜检出限分别为0.03,0.02,0.02,0.03和0.05 μm,0#柴油在合成海水A和B中的平均相对误差为5.04%和8.73%,平均相对标准偏差分别为4.37%和8.36%,美孚机油20w-40在合成海水A和B中的平均相对误差为7.99%和9.97%,平均相对标准偏差为4.78%和6.23%。壳牌润滑油15w-40在合成海水A和B中的平均相对误差为8.54%和13.69%,相对标准偏差为5.05%和9.08%。壳牌润滑油10w-40在合成海水A和B中的平均相对误差为6.33%和12.38%,平均相对标准偏差为2.85%和7.92%。壳牌润滑油5w-40在合成海水A和B中的平均相对误差为4.28%和11.57%,平均相对标准偏差为3.56%和7.73%。可见5种油膜在不同水体中定量检测的平均相对误差均小于14%,平均相对标准偏差均小于10%,研究结果可以实现对薄油膜的测量,为海上油膜厚度的在线监测提供了技术手段。     

莲子蛋白组分二级结构的研究

对莲子蛋白质进行了Osborne蛋白质分类。采用傅里叶变换红外光谱(FTIR)对清蛋白、球蛋白、醇溶蛋白和谷蛋白进行二级结构分析。应用去卷积和曲线拟合方法对四种蛋白组分的酰胺Ⅰ和Ⅲ带进行分析,清蛋白和球蛋白之间以及醇溶蛋白和谷蛋白之间各相应子峰峰位和二级结构峰面积百分比差异较小,但前两者各相应子峰峰位与后两者略有差异;而前两者各相应二级结构峰面积百分比与后两者有较大差异,特别是前两者的各相应有序结构(α-螺旋+β-折叠)峰面积的百分比明显大于后两者。用0.1 mol.L-1NaCl溶液提取的球蛋白和清蛋白有序结构含量均在55%左右,而醇或碱提的醇溶蛋白和谷蛋白的有序结构含量仅为40%左右,盐提的蛋白质二级结构有序性和稳定性更高。     

ICP-AES法测定润滑油中磨损金属元素的含量

提出了用ICP AES直接测定润滑油中主要磨损金属元素的分析方法。对仪器的工作条件进行了优化 ,以多元素油基贮备液配制而成的ConostanS 2 1和Conostan 75油基标样制作校正曲线 ,油样品采用煤油稀释 5倍 ,测定了润滑油中主要磨损金属元素 ,各元素的相对标准偏差RSD %均小于 1%。阐述了LeemanLabs多道ProfileICP的分析效力以及具有多元素同时测定、快速和准确的特点     

FTIR红外光谱在燃油稀释评价中的应用

为了对柴油车运行过程中发生的燃油稀释润滑油的程度作出及时定量评价,建立了差示红外光谱定量测定润滑油被燃油稀释程度的方法,并根据朗伯-比耳定律建立了吸光度与柴油浓度的校准曲线.结果表明,该分析方法对柴油车使用过程中燃油稀释润滑油的程度能快速准确定量,并且具有重复性好,可信度高的特点.柴油稀释润滑油的程度在0-5.0wt％内呈良好线性关系,线性回归方程为y=0.0085x+0.0048(R2=0.9933).本方法对于发生燃油稀释润滑油的故障能快速诊断,可用于对大批量的行车试验样品进行快速量评估.相对于美国材料与试验协会标准方法ASTM3524中采用气相色谱法来定量分析润滑油中燃油含量,本方法更加快速,使用成本更低廉.     

基于迭代逼近算法的土壤中机油和柴油混合物荧光信号重叠特性研究（英文）

随着我国经济的迅速发展,石油制品需求量与日俱增,伴随着工农业生产活动,大量石油制品进入土壤,造成严重的土壤石油污染。土壤中的石油污染物会对植物生长产生危害,并通过食物链威胁人类健康,因此需对土壤中的石油污染物进行现场、快速检测。激光诱导荧光技术(Laser-Induced fluorescence, LIF)具有检测速度快、灵敏度高、可现场检测等优点,但在检测土壤中有机污染物时,面临着荧光光谱重叠严重等问题。为了研究土壤中机油和柴油混合物荧光信号的重叠特性,制备了10种含有不同浓度机油、柴油混合物的土壤样品。通过搭建LIF实验系统,获取不同混合浓度的机油和柴油的荧光光谱,对油类荧光光谱进行了最大值归一化处理,建立土壤中机油、柴油混合光谱的反演关系,以最小残差平方和为指标,使用迭代逼近算法计算出土壤荧光光谱中柴油和机油样品的荧光贡献率。分别使用了全谱法和截取特征光谱两种方法计算机油和柴油的荧光贡献率。全谱法是在混合油样的全波段光谱(200~600 nm)范围进行迭代逼近,截取特征光谱方法是在截取油样光谱(330~460 nm)段进行迭代逼近。(330~460 nm)范围内包含了混合油样的所有光谱特征。用计算出的机油的荧光贡献率与机油样品浓度做线性拟合时发现,截取特征光谱法的拟合系数R为0.989,优于全谱法的0.923。分别用全谱法、截取特征光谱法计算出的荧光贡献率以及归一化机油、柴油光谱合成混合油归一化光谱,与实际归一化混合光谱比较,截取特征光谱法计算的平均相对误差为3.38%,优于全谱的8.79%,其原因是全谱法比截取特征光谱法引入了更多的噪声信号,所以在计算油类荧光贡献率时产生了较大的误差。选取机油和柴油归一化光谱上300, 350, 400, 450和500 nm等5个位置的荧光强度与归一化混合油光谱做多元线性回归拟合,计算出平均相对误差为10.31%。结果表明截取特征光谱方法优于多元线性回归方法;土壤中机油和柴油的荧光贡献率与自身的浓度之间成良好的线性关系,说明在土壤中机油和柴油混合后各自的化学性质保持稳定,在土壤中的荧光信号重叠特性是线性叠加的。这种这种方法同样可以用于其他石油类混合物的解离。通过该研究提高了LIF技术在土壤中石油烃类污染物定性与定量检测的准确性。为土壤中石油烃现场快速检测提供了方法支撑。     

手持式直读红外光谱仪快速测定在用润滑油总酸值和总碱值的方法

总酸值(TAN)和总碱值(TBN)能提供关于润滑油氧化程度和碱储备性能方面的信息,其值大小可以判断某些酸性添加剂的加量是否足够,常用于设备润滑油的老化度测量,以避免设备出现异常磨损、腐蚀、沉淀、堵塞过滤器等问题。润滑油的总酸性和总碱性的检测标准都以酸碱滴定为基础,多采用电位滴定法。然而,这种方法需要复杂的操作、昂贵的耗材、大量的油样、熟练的操作人员以及危险试剂的处理问题。由于润滑油的氧化产物和碱性添加剂在红外光谱中都有较强的信息,因此,可以通过红外光谱图研究对润滑油总酸值和总碱值的监测。建立了一种基于酸碱中和反应的定量中红外光谱总酸值和总碱值的手持式直读红外光谱方法,通过油品归类、建立油样库和多元回归三个步骤,可获得准确可靠的量化总酸值和总碱值。此方法获得最新的ASTM D7889标准支持,相比于其他方法,这种方法具有分析速度快、无需任何溶剂、直接得到检测结果并且结果准确,操作相对简单,并一定程度提高了检测速度。可广泛应用于离线实验室和现场在线油液检测。     

基于中红外LED的润滑油水分含量测量研究

针对船舶机械润滑油中水分含量的测量问题,研究了基于中红外LED的油液水分含量测量方法。利用峰值发射波长为2 840 nm,半高宽为400 nm的中红外LED作为发射光源,发射的红外光进入油样,一部分被吸收,剩下的透过油样被红外探测器接收,根据油样对光能的吸光度确定油液中水分含量。实验设计了红外光发射、吸收和探测的装置,采用氟化钙晶片作为窗片,选择截面为圆形的硬质金属线圈作为垫圈以保证精确的油膜厚度,采用探测波长范围为2 500～4 800 nm,响应时间为10～20 ns的光电二极管作为光强探测器。开发了信号的前置放大和基于单片机的数据采集、储存和通讯系统。通过实验,获得了含水质量分数为0,0.062 5%,0.125%,0.25%,0.375%和0.5%六个油样的吸光度数据,利用最小二乘法对数据进行拟合,得到吸光度和含水量的线性回归方程。对误差进行量化分析,回归方程和数据点的决定系数为0.996。最后,为了检验该测量方法的精确性,用含水量为0.317 5%的油样进行验证,利用实验装置测量吸光度,代入回归方程计算含水量, 结果显示通过该方法测得的含水量和实际含水量的相对误差为2.7%,满足工程实际需求,说明该方法能够准确测量油液中的含水量。     

基于三维荧光光谱-平行因子分析的海上溢油识别技术研究

在世界范围内溢油事件频繁发生,溢油的组成成分会影响人类身体健康和生态系统。因此,迫切地需要一种可以快速识别溢油种类的方法。针对溢油污染物现场快速鉴别的需求,利用平行因子分析技术建立了基于三维荧光光谱的原油、燃料油识别方法。首先,利用Delannay三角形内插值法对实验选的6种原油(Roncador原油、巴士拉原油、俄罗斯原油、沙特原油(重质)、上扎库姆原油、海二站原油)和三种燃料油(380CST燃料油、5-7号燃料油、岚山燃料油)的三维荧光光谱去散射,去散射后的三维光谱数据进行归一化处理;之后,对三维荧光光谱进行平行因子解析,确定七个荧光组分为最佳荧光组分,进而得到由7个荧光成分组成的样品荧光特征谱,将风化第3,15和45天的样品及未风化样品的第一平行样的荧光特征谱进行贝叶斯方法(Bayes)判别分析和聚类分析,确定油品荧光特征谱的分析能力和18条荧光标准谱库(12条原油标准谱和6条燃料油标准谱);最后,利用非负最小二乘多元线性回归建立溢油荧光识别方法,对第0,7和30天风化的样品和未风化样品的另一平行样进行识别。实验结果表明,除对风化及未风化的俄罗斯原油识别外,该方法对其余风化和未风化的五种原油和三种燃料油识别正确率均为100.0%,整体识别原油正确率为87.5%,燃料油正确率为100.0%。     

基于傅里叶变换近红外透射光谱的汽车用 无水冷却液和制动液掺水检测

冷却液和制动液是车辆工作过程中非常重要的油品,对车辆的正常运行具有非常重要的作用。在冷却液和制动液中掺水是掺假的主要手段之一,掺水后的冷却液和制动液,其有效成分会减少,从而影响了冷却液和制动液本来的功能,对车辆造成危害,从而影响车辆的正常运行。实现对冷却液和制动液含水率的快速准确检测,是保证冷却液和制动液品质的关键。采用傅里叶变换近红外光谱对不同品牌的掺水的汽车无水冷却液和制动液含水率检测进行了研究。分别采集了3个不同品牌无水冷却液和4个不同品牌制动液在掺入不同含水率(0%,5%,10%,15%,20%,25%,30%,35%)下的近红外透射光谱,并基于10 067～5 442 cm-1范围内的光谱进行了研究。不同含水率的无水冷却液和制动液近红外透射光谱存在差异。单个品牌不同含水率的无水冷却液及制动液的主成分分析(PCA)表明不同含水率样本之间存在差异。采用二阶导数(Second derivative)对单个品牌以及包含有不同品牌的无水冷却液及制动液(不同含水率)的特征波数进行了选择,发现不同品牌之间选择的特征波数相近,且单个品牌与包含不同品牌之间选择的特征波数也相近,而经过特征波数选择后波数减少了至少98.67%。基于单个品牌样本的全谱以及包含有不同品牌样本的全谱和特征波数,分别建立偏最小二乘(PLS)和最小二乘支持向量机(LS-SVM)模型,所有模型的建模集和预测集决定系数均高于0.9,剩余预测偏差(RPD)均高于3,含水率预测模型取得了较好的预测结果。基于全谱的模型预测效果与基于特征波数的模型预测效果相当,表明特征波数选择可用于无水冷却液和制动液中含水率的检测。基于单个品牌样本的模型预测效果与包含不同品牌样本的模型预测效果相近,表明包含品牌差异,建立基于多个品牌的无水冷却液和制动液掺水量的预测模型是可行的。研究结果表明,近红外透射光谱结合化学计量学方法可用于不同品牌汽车无水冷却液和制动液掺水量检测,为研究开发在线检测仪器奠定了基础,也为其他类型的车用液体制品中含水率的检测提供了技术和方法参考。     

基于荧光光谱技术的菜籽油氧化状态智能评价

菜籽油在加工及贮藏过程中，易受氧气、温度、光照等因素的影响，产生氧化酸败现象。为准确判断油脂氧化程度，实现不同氧化模式下菜籽油品质的快速判别，采用三维同步荧光光谱技术结合平行因子分析法及BP神经网络法建立菜籽油氧化状态的智能评价模型。以冷榨菜籽油为原料，将样品分别置于常温、Schaal烘箱、高温模式中氧化处理，期间采集菜籽油的三维同步荧光光谱数据及理化指标，当理化指标超出国标限定范围时，停止采集数据。结果表明，菜籽油中荧光物质在不同氧化模式中的演变规律呈显著差异，氧化温度对菜籽油荧光光谱有明显影响。常温氧化350 d与第1 d相比，菜籽油的特征荧光峰位置无变化，仅在激发波长Ex为620和660 nm附近荧光峰强度发生微弱变化；Schaal烘箱氧化26 d后，在激发波长Ex为620和660 nm附近荧光峰强度显著减弱，且在激发波长Ex为350～450 nm之间有新的荧光峰生成；高温氧化48 h后，Ex为620和660 nm处荧光峰消失，在Ex为400～550 nm处产生显著荧光峰，相对Schaal烘箱氧化，荧光波长发生一定程度红移，这是由于高温氧化过程中油脂氧化生成的物质稳定性较差引起的。利用平行因子分析法对三维同步荧光光谱数据进行分解获取有效的二维荧光光谱数据，当组分数为6，Δλ=60 nm时激发波长的载荷值最大，不同样品间差异最显著。选定Δλ=60 nm波段的二维荧光光谱数据用于智能评价，作为BP神经网络模型的输入值，以极性组分作为模型输出值，分别对菜籽油三种氧化模式数据建模训练。实验结果表明，三种氧化模式对应的训练集、验证集、测试集模型相关系数r均能达到0.9以上，其中常温氧化模式中验证集及测试集模型的相关系数r为1，输出值与目标值较接近，模型的预测效果较好；综合三种氧化模式数据建模，对应训练集、验证集、测试集模型的相关系数分别为0.999，0.913和0.988，均方误差均较小，说明该模型能准确判断菜籽油的不同氧化状态。因此，三维同步荧光光谱技术结合平行因子分析法、BP神经网络法建立快速检测模型能实现菜籽油不同氧化状态的判别，为菜籽油的氧化程度的评价提供新方法，同时为其他食用油的品质评价提供参考。     

可见/近红外联合UVE-PLS-LDA鉴别压榨和浸出山茶油

山茶油是我国特有的优质食用油,而压榨山茶油营养品质优于浸出山茶油。采用可见/近红外光谱技术对压榨和浸出山茶油进行鉴别研究。在350～1 800 nm波段范围内采集压榨和浸出山茶油样本的透射光谱,利用无信息变量消除(UVE)方法进行波长变量优选,剔除无用波长变量,并应用偏最小二乘-线性判别分析(PLS-LDA)建立鉴别分类模型。最后,利用鉴别分类模型对未参与建模的26个预测集样本进行鉴别。研究结果表明,UVE-PLS-LDA是一种有效的鉴别分类方法,所建立的鉴别分类模型能较好地对压榨和浸出山茶油进行鉴别,校正集和预测集样本的鉴别正确率均为100%。因此,可见/近红外光谱联合UVE-PLS-LDA方法鉴别压榨和浸出山茶油是可行的。     

荧光光谱及平行因子分析法在植物油鉴别中的应用

利用FS920荧光光谱仪测量市售的八种植物油(大豆油、玉米油、橄榄油、稻米油、花生油、核桃油、葵花籽油和芝麻油)共22个样品的荧光光谱,并对其数据矩阵(EEMs)进行平行因子分析,结合荧光谱分析的直观物质表征和平行因子法对灰色体系的组分识别优势,实现了植物油的种类区分与鉴别。综合分析植物油在特定范围内(激发波长为250～550 nm,发射波长为260～750 nm)的三维荧光光谱和等高线光谱图,给出了各植物油峰位、峰数和峰强等特征信息,确定了植物油各荧光谱峰相应的荧光物质(不饱和脂肪酸类、维生素E及其衍生物、叶绿素及类胡萝卜素);将平行因子模型应用于植物油光谱数据矩阵的分析,确定了平行因子分析模型的因子数及各因子的物质基础(维生素E及其衍生物、亚油酸和亚麻酸、脂肪酸氧化产物、植物油氧化产物)。建立了植物油的4因子激发-发射光谱轮廓图和样品因子投影得分图。通过对植物油荧光光谱的图谱特征和其数据阵平行因子模型的分析,证实荧光光谱技术和平行因子分析法对植物油进行分析和种类鉴别的有效性。     

基于近红外光谱法的多组分复杂溢油源定量建模分析

研究利用近红外光谱分析方法进行模拟复杂混合溢油源的定量分析问题。选取汽油、柴油、煤油三种轻质石油类产品,按照不同浓度比例配置成40个模拟混合溢油样本,利用傅里叶变换近红外光谱仪采集其在4 000～12 000 cm-1谱区范围内的近红外光谱;采用不同预处理方法,利用偏最小二乘算法建立混合溢油样本三组分各自的浓度定量模型。汽油、柴油和煤油的最优预处理方法均为二阶导数方法,分别在8 501.3～7 999.8 cm-1,6 102.1～4 597.8 cm-1,6 549.5～4 597.8 cm-1,7 999.8～7 498.4 cm-1和6 102.1～4 597.8 cm-1谱区范围内,预测模型的决定系数R2分别为0.998 2,0.990 2和0.993 6;RMSEP值分别为0.474 7,0.936 1和1.013 1;RPD值分别为25.126 9,10.517 3和13.072 0。实验结果表明：利用近红外光谱分析技术结合化学计量学方法能够定量确定模拟混合溢油样本中各组分的浓度,为海洋复杂溢油源的定量检测与分析提供有效手段。     

基于荧光光谱及矩阵分析的植物油鉴别技术

利用FS920荧光光谱仪测量42个油样(包括36个纯植物油样,3个调和油样和3个混合油样)的荧光光谱,并对其数据矩阵(EEMs)进行归一化处理,确定了植物油特征激发波长及矩阵分析模型。综合分析植物油在特定范围内(激发波长为250～550 nm,发射波长为260～750 nm)的等高线光谱图和特征发射谱线图,将植物油划分为三类;将矩阵分析模型应用于纯植物油鉴别,分类正确率100%;为验证矩阵分析的定量判别能力,对三种混合油样进行分析,得到接近实际配比的分析结果;对市售三种调和油样本进行分析,得出调和油以大豆和菜籽油为基底的结论。通过对植物油荧光光谱的图谱特征和其矩阵模型的分析,证实荧光光谱技术和矩阵分析法对植物油进行分析和种类鉴别的有效性。     

基于三维荧光光谱结合二维线性判别分析的油类识别方法的研究

油类污染严重威胁到自然环境及人类健康。因此,识别和处理油类污染非常重要。由于三维荧光光谱能够表征石油的荧光特征,故一般利用三维荧光光谱法检测溶液中存在的油类污染物。但油类的三维荧光光谱数据维度较高且直接分析的难度较大,因此可以利用数据降维方法提取原始油类样本的光谱特征,并利用所得到的光谱特征对样本进行识别。基于此,利用二维线性判别分析（2D-LDA）对油类样本进行特征提取,研究提取的不同样本光谱特征的差别,将得到的光谱特征作为K最近邻（KNN）分类的输入,得到相应的分类结果。首先,分别配制四种不同的油类（柴油、汽油、航空煤油、润滑油）样本各20个,共计得到80个油类样本;然后,利用FS920光谱仪采集所有油类样本的三维荧光光谱数据;其次,对采集到的光谱数据进行预处理,去除光谱中散射的干扰并标准化;最后,利用2D-LDA算法对样本进行特征提取,利用KNN算法进行分类,并将其分类结果与经主成分分析(PCA)进行特征提取后的分类结果比较。研究结果表明,2D-LDA提取特征的分类效果优于PCA。利用2D-LDA分别提取发射和激发特征得到测试集识别的准确率相同且都为95%,而将发射和激发光谱特征的分类距离相结合并重新进行分类的准确率为100%。表明两类光谱相对于三维荧光光谱具有互补性,将发射和激发光谱特征相结合能够更好地对样本进行分类。而利用PCA对测试集识别的准确率仅为85%,表明2D-LDA对三维荧光光谱数据的特征提取效果更好。与PCA相比,2D-LDA通过类内散度和类间散度最大化投影向量来提取样本的特征,使得同类样本尽可能接近,不同样本尽可能分离。因此,2D-LDA具有使降维后的数据更容易被区分的特点,故其鲁棒性好。该研究为油类的降维识别提供了一种参考。     

Low-field NMR water proton longitudinal relaxation in ultrahighly diluted aqueous solutions of silica-lactose prepared in glass material for pharmaceutical use

Low-field (0.02–4 MHz) proton nuclear magnetic resonance (NMR) longitudinal relaxometry was applied to ultrahighly diluted aqueous solutions in order to detect physical modifications induced in the solvent by the dilution process. A mixture of silica-lactose (1.67·10⁻⁵ M silica, 2.92·10⁻² M lactose) was initially solubilized in water or in saline, then submitted to eighteen iterative centesimal dilutions in water or in saline under vigorous vortex agitation and rigorously controlled atmospheric conditions, and compared to similarly treated pure water and saline as controls. Several independent series of samples were measured according to a blind protocol (total of 140 code-labelled samples). A slight frequency dispersion (about 4%) was found within the 0.02–4 MHz range, centered around 0.55 MHz, and ascribed to combined effects of silica and trace paramagnetic contaminants, both concentrated and in a reduced motion at the borosilicate wall tube interface. The iterative dilution-agitation process in pure water and saline induced no significant effect on relaxivity. Slightly increased relaxivity compared to solvent was found in the initial silica-lactose dilution (especially in saline, about 4%), which vanished unexpectedly slowly upon dilution, as adjusted to an arbitrary log-linear model. Statistical analysis was applied to succeed in discriminating solutions from their solvents beyond the 10⁻¹² level of dilution. No clear explanation emerged, but post-experiment chemical analysis revealed high amounts (6 ppm) of released silica from the glass material used, with excess in silicalactose samples, and lower amounts of trace paramagnetic contaminants in highly diluted silica-lactose samples, which could provide a clue.