论文部分内容阅读
随着汽车工业的快速发展,石油资源日益匮乏,寻求内燃机石油产品替代燃料受到各国重视。甲醇柴油是一种重要的新型柴油替代燃料,得到了世界各国研究学者的广泛开发和研究。然而,甲醇柴油品质的参差不齐严重影响其在国内的推广使用,对甲醇柴油品质的检测至关重要。本文用甲醇柴油作为实验研究的对象,采用了近红外、中红外和拉曼三种光谱技术,对甲醇柴油的甲醇含量、粘度指标进行了定量分析研究。以寻求一种简便、快速、环保的甲醇柴油品质检测方法及准确可靠的定量检测模型,为我国甲醇柴油的推广和品质的监管提供参考的依据。主要研究成果如下:1.以甲醇柴油样品为研究对象,利用近红外光谱法对甲醇柴油的甲醇含量、粘度进行定量分析,采用并比较了平滑、基线校正、多元散射校正、归一化和原始光谱等五种预处理方法的效果,并对甲醇含量、粘度指标的不同回归校正方法的效果进行了分析比较。结果证明:多元散射校正的甲醇含量和粘度全交互验证PLS模型预测效果均是最适宜的;在建立的甲醇含量指标偏最小二乘回归法(PLS)、支持向量机(SVM)和最小二乘支持向量机(LS-SVM)三种数学模型中,LS-SVM模型的预测效果是最佳的;对粘度而言,建立的主成分回归(PCR)、PLS与LS-SVM三种模型中,LS-SVM模型的预测效果也是最好的。2.利用中红外光谱法对甲醇柴油的甲醇含量、粘度进行定量分析,采用并比较了平滑、基线校正、多元散射校正、归一化和原始光谱等五种预处理方法的效果,并对甲醇含量、粘度指标的PCR、PLS和LS-SVM三种模型的预测效果进行了分析比较。结果证明:基线校正的甲醇含量和粘度PLS模型预测效果均是最适宜的;经过基线校正处理后的光谱数据,甲醇含量和粘度的LS-SVM模型均是最佳的。3.利用拉曼光谱法对甲醇柴油的甲醇含量、粘度进行定量分析。首先,采用并比较了平滑、基线校正、多元散射校正、归一化和原始光谱等五种预处理方法的效果;然后,选择用最佳的预处理方法处理后的光谱数据作为输入,采用连续投影算法(SPA)对其进行变量的筛选,并建立了PLS、SPA-PLS和SPA-LSSVM三种预测模型,比较其预测效果。结果证明:多元散射校正(MSC)的甲醇含量和粘度的PLS模型预测效果均是最佳的;甲醇含量和粘度的MSC-SPA-PLS模型均优于MSC-PLS模型,说明SPA筛选算法作为变量提取方法的有效性;甲醇含量和粘度的MSC-SPA-LSSVM模型取得较高的精度,预测效果最佳。4.综上所述,近红外、中红外和拉曼光谱三种检测方法对甲醇柴油甲醇含量和粘度检测是可行的,都取得了很高的检测精度,能够达到实际工业检测标准。其中,近红外光谱法检测效果是最好的。本研究中,非线性LS-SVM模型得到较好的预测效果,获得较高的预测精度。