基于近紅外光譜與拉曼光譜的生物柴油調(diào)和比檢測(cè).pdf

1、生物柴油作為一種石化柴油的綠色替代燃料，目前主要通過(guò)與石化柴油調(diào)和的方式使用。然而，由于調(diào)和燃料的質(zhì)量參差不齊，生物柴油在國(guó)內(nèi)并未得到推廣。推廣生物柴油調(diào)和燃料的使用急需完善其質(zhì)量檢測(cè)技術(shù)。調(diào)和燃料的調(diào)和比對(duì)于燃料的性能有著極大的影響。對(duì)調(diào)和燃料的調(diào)和比進(jìn)行快速檢測(cè)不僅有助于調(diào)整發(fā)動(dòng)機(jī)的噴油狀態(tài)，優(yōu)化其使用性能，還將有助于生物柴油調(diào)和廠家控制其產(chǎn)品的質(zhì)量，實(shí)現(xiàn)閉環(huán)優(yōu)化操作。
　　生物柴油及其調(diào)和燃料的檢測(cè)技術(shù)分為色譜法與光譜法兩類

2、。相對(duì)于色譜法，光譜法分析速度快、成本低，尤其適用于在線檢測(cè)。目前雖然已有少量采用光譜分析技術(shù)進(jìn)行調(diào)和比檢測(cè)的研究，但并沒(méi)有深入研究不同光譜、不同處理方法的效果。本文分別采用近紅外與拉曼光譜結(jié)合多種化學(xué)計(jì)量學(xué)方法，對(duì)調(diào)和燃料的調(diào)和比建立了相應(yīng)的檢測(cè)模型，完善了生物柴油調(diào)和比的檢測(cè)技術(shù)。
　　本研究的主要內(nèi)容包括以下幾個(gè)方面:
　　1.搭建了一套近紅外光譜與拉曼光譜雙光譜采集系統(tǒng)，對(duì)62個(gè)生物柴油調(diào)和燃料的樣本同時(shí)進(jìn)行近紅外光

3、譜與拉曼光譜的采集工作。然后對(duì)采集的樣本進(jìn)行異常樣本剔除，并確定建模用樣本。
　　2.提出了一種新的基于統(tǒng)計(jì)數(shù)據(jù)驅(qū)動(dòng)的波長(zhǎng)選擇方法。該方法無(wú)需人為判斷波長(zhǎng)變量的重要與否，僅需設(shè)定統(tǒng)計(jì)分析總次數(shù)與最大篩選次數(shù)，客觀有效地進(jìn)行特征波長(zhǎng)選擇;并提出了一種新的模型綜合評(píng)價(jià)誤差指標(biāo)，以該指標(biāo)指導(dǎo)波長(zhǎng)子集的保留與否。然后，以兩個(gè)近紅外光譜數(shù)據(jù)集對(duì)本方法進(jìn)行了驗(yàn)證，分析結(jié)果表明本方法能夠較大地精簡(jiǎn)模型并提高模型的精度。最后，對(duì)算法中兩個(gè)參數(shù)的設(shè)

4、置問(wèn)題進(jìn)行了討論。
　　3.對(duì)采集的調(diào)和燃料的近紅外光譜進(jìn)行了分析，并比較了多種化學(xué)計(jì)量學(xué)方法（包括預(yù)處理、波長(zhǎng)選擇以及回歸校正方法）的效果，最終確定了最適宜的化學(xué)計(jì)量學(xué)方法。首先對(duì)近紅外光譜進(jìn)行一階微分與去趨勢(shì)處理，然后采用本文提出的方法進(jìn)行波長(zhǎng)選擇，最終以30個(gè)特征波長(zhǎng)（原波長(zhǎng)個(gè)數(shù)的5.859％）建立PLS回歸模型，模型的誤差為RMSEC=0.0195、RMSEP=0.0170，相關(guān)系數(shù)R=0.9974，模型的預(yù)測(cè)相對(duì)標(biāo)準(zhǔn)偏差

5、為7.15％。
　　4.對(duì)采集的調(diào)和燃料的拉曼光譜進(jìn)行了分析。首先對(duì)拉曼光譜進(jìn)行基線校正，然后采用本文提出的方法進(jìn)行波長(zhǎng)選擇，最終以35個(gè)特征波長(zhǎng)（僅為原變量個(gè)數(shù)的2.186％）建立PLS回歸模型，模型的誤差為RMSEC=0.0080、RMSEP=0.0083，相關(guān)系數(shù)R=0.9996，模型的預(yù)測(cè)相對(duì)標(biāo)準(zhǔn)偏差為2.34％。
　　總之，本文提出的基于統(tǒng)計(jì)數(shù)據(jù)驅(qū)動(dòng)的波長(zhǎng)選擇策略適用于近紅外光譜與拉曼光譜的特征變量選擇，能夠有效地