近红外光谱在石油产品测试评定中的应用

文章详细地介绍了近年来近红外光谱分析技术在石油产品化学及物理特性分析中应用,指出它在轻质燃料油的各种理化性能的分析中有着独特的优越性,在现场或在线分析中有着广泛的应用前景。     

一种基于石墨化炭黑过滤吸附处理荧光抑制和改进系统聚类分析的轻质燃油种类拉曼光谱快速识别方法

提出了一种石墨化炭黑过滤吸附前处理抑制轻质燃油拉曼光谱荧光背景干扰的方法和一种改进的系统聚类分析算法,实现了39个样品的种类快速识别,即能自动将样品识别为0#车用柴油、0#普通柴油、97#车用汽油、93#车用汽油、90#车用汽油和3#喷气燃料等6种类型。过滤吸附处理方法是用定制的50 mg石墨化炭黑过滤吸附0.75 mL油样,然后对其进行拉曼光谱数据采集。试验结果证明：石墨化炭黑过滤吸附处理对无荧光背景干扰的3#喷气燃料和车用汽油样品拉曼光谱特征无明显影响,且能够有效抑制车用汽油和车用柴油样品的拉曼弱荧光背景干扰,以及车用汽油和普通柴油的强荧光背景干扰。改进的有监督系统聚类分析算法将普鲁克距离作为系统聚类分析中样本间相似度的评价方法;并将经典的系统聚类分析视为标准校正样品集的“建模”过程,通过计算未知样品与各类属中心向量之间的普鲁克距离,依据距离最小原则判断未知样品的类属。通过对39个具有不同拉曼荧光背景干扰特征油样的石墨化炭黑前处理和“留一法”交互验证分类识别,分析结果证明：石墨化炭黑过滤吸附前处理抑制拉曼光谱荧光背景的方法能够有效提取轻质燃油的拉曼光谱特征并应用于定性种类识别。     

化学计量学在近红外光谱定性分析中的应用

近红外光谱的多元特性使得它特别适合于应用化学计量学技术进行物质的分析。本文讨论了判别分析技术在近红外光谱定性分析中的应用,结果表明应用相关的化学计量学方法采用近红外光谱进行物质的定性分析是可行的。     

化学计量学的发展现状

简要讨论了化学计量学的历史，评价了它的现状，指出了存在的问题，并提出了一些改进化学计量学形象与地位的建议。     

汽油辛烷值的介电谱技术测定

利用介电谱仪采集汽油样品介电谱数据,基于已知辛烷值(研究法和马达法测定)的校正集样品,采用偏最小二乘法(partial least squares, PLS)建立校正模型,然后利用所建模型定量预测验证集汽油样品辛烷值(研究法和马达法测定).所建定量模型对验证集样品预测结果的绝对误差:研究法辛烷值不超过0.7个单位,马达法辛烷值不超过0.5个单位.并对介电谱技术的相关关键技术问题进行了讨论分析.研究结果表明:介电谱技术作为一种新的汽油辛烷值快速测定方法可行并具有较好的应用前景.     

红外光谱评价内燃机油抗氧化性能的研究

红外光谱快速检测石油产品性能是近年来发展的新技术,目前国内外在该领域的研究仅限于测试燃料油性能,由于润滑油组成、结构复杂,红外光谱技术测试润滑油性能的研究还未见报道.文章研究了润滑油组成、结构的红外光谱特征,提出了根据内燃机油组成、结构对抗氧化性能的贡献来提取其光谱信息的技术路线.结合BP神经网络和自组织神经网络的优点,发展了量化自组织神经网络数学模型,该数学模型具有自组织神经网络的定性聚类功能和BP神经网络的定量分析功能,与BP神经网络相比较,量化自组织神经网络具有更好的鲁棒性,测试结果优于BP神经网络,该论文的研究为润滑油性能的快速检测提供了一种新的技术手段.     

红外光谱法测定润滑油的100℃粘度

本文采用红外光谱表征的润滑油结构族组成信息,采用人工神经网络为数据处理工具,预测了润滑油的１００℃粘度,得到很好结果,研究结果表明在润滑油组成,结构与性能研究中,红外光谱获得的润滑油结构族组成与其性能有密切关系。     

基于支持向量机的汽油族组成近红外光谱分析方法研究

提出一种基于最小二乘支持向量机(LS-SVM)的汽油族组成近红外光谱分析方法。采用国家标准方法(GB 11132-1989液体石油产品烃类测定法——荧光指示剂吸附法)测定了重庆地区销售的汽油族组成,并采用主成分分析-最小二乘支持向量机建立汽油族组成的预测模型。预测模型对汽油中芳烃和烯烃含量的RMSEC分别为0.2090和0.2142。实验结果表明所建模型具有计算量小,预测准确、可靠,而且操作简单、维护费及测试费用低等特点。     

红外光谱法测定润滑油的低温流变性能

本文采用红外光谱表征的润滑油结构族组成信息，采用人工神经网络为数据处理工具，预测了润滑油的ＣＣＳ－１５℃粘度，得到很好结果，研究结果表明在润滑油组成、结构与性能研究中，人工神经网络是一种有效的处理工具。     

近红外光谱分析中应考虑的几个问题

近年来红外光谱分析技术得到了迅速的发展,原因在于它能够有效地提供关于样品的定性和定量信息。但是,在进行近红外光谱分析时,应考虑样品的特征、分析实验的设计及数据处理等多方面的问题,以取得更 可靠的分析结果。