CN101403696A - 一种基于拉曼光谱的测量汽油烯烃含量的方法 - Google Patents
一种基于拉曼光谱的测量汽油烯烃含量的方法 Download PDFInfo
- Publication number
- CN101403696A CN101403696A CNA200810121879XA CN200810121879A CN101403696A CN 101403696 A CN101403696 A CN 101403696A CN A200810121879X A CNA200810121879X A CN A200810121879XA CN 200810121879 A CN200810121879 A CN 200810121879A CN 101403696 A CN101403696 A CN 101403696A
- Authority
- CN
- China
- Prior art keywords
- raman spectrum
- olefin
- sample
- gasoline
- raman
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001237 Raman spectrum Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 58
- 150000001336 alkenes Chemical class 0.000 title claims abstract description 50
- JRZJOMJEPLMPRA-UHFFFAOYSA-N olefin Natural products CCCCCCCC=C JRZJOMJEPLMPRA-UHFFFAOYSA-N 0.000 title claims abstract description 43
- 238000012549 training Methods 0.000 claims abstract description 25
- 238000012937 correction Methods 0.000 claims abstract description 19
- 238000005259 measurement Methods 0.000 claims abstract description 19
- 238000001914 filtration Methods 0.000 claims abstract description 17
- 238000010606 normalization Methods 0.000 claims abstract description 10
- 239000003269 fluorescent indicator Substances 0.000 claims abstract description 6
- 238000004817 gas chromatography Methods 0.000 claims abstract description 6
- 238000001179 sorption measurement Methods 0.000 claims abstract description 6
- 239000000523 sample Substances 0.000 claims description 74
- 238000001069 Raman spectroscopy Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 14
- 229930195733 hydrocarbon Natural products 0.000 claims description 10
- 150000002430 hydrocarbons Chemical class 0.000 claims description 10
- 239000000835 fiber Substances 0.000 claims description 8
- 239000013307 optical fiber Substances 0.000 claims description 8
- 230000005284 excitation Effects 0.000 claims description 7
- 239000004215 Carbon black (E152) Substances 0.000 claims description 5
- 230000003760 hair shine Effects 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 230000011664 signaling Effects 0.000 claims description 2
- 238000012706 support-vector machine Methods 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000003908 quality control method Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 abstract 1
- 238000001228 spectrum Methods 0.000 description 12
- 238000012360 testing method Methods 0.000 description 9
- 239000000203 mixture Substances 0.000 description 6
- 238000012795 verification Methods 0.000 description 5
- 238000002790 cross-validation Methods 0.000 description 4
- 238000004611 spectroscopical analysis Methods 0.000 description 4
- 230000033228 biological regulation Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000002329 infrared spectrum Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000003209 petroleum derivative Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 150000004945 aromatic hydrocarbons Chemical class 0.000 description 2
- 125000000524 functional group Chemical group 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000005504 petroleum refining Methods 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 230000007096 poisonous effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 229930195735 unsaturated hydrocarbon Natural products 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开的基于拉曼光谱的测量汽油烯烃含量的方法,依次包括:用荧光指示剂吸附法或多维气相色谱法测定训练样本的烯烃含量;测取训练样本的拉曼光谱;对测取的拉曼光谱进行平滑滤波、基线校正和标准归一化预处理;将经预处理的训练样本拉曼光谱与测得的烯烃含量值,采用最小二乘支持向量机建立汽油烯烃含量校正模型;测取待测油样的拉曼光谱,对拉曼光谱进行平滑滤波、基线校正和标准归一化预处理,根据校正模型计算待测油样的烯烃含量。本发明将拉曼光谱和最小二乘支持向量机相结合分析汽油烯烃含量的方法,可显著提高检测精度,同时大大缩短测量时间,且测量过程对样品无损耗,这对石油加工过程的质量控制有着重要意义。
Description
技术领域
本发明涉及测量汽油烯烃含量的方法,尤其是结合拉曼光谱和最小二乘支持向量机测量汽油烯烃含量的方法。
背景技术
汽油的烃类物质组成数据是汽油产品的重要指标,也是石油炼制过程不可缺少的基础数据。烃类物质中的烯烃作为不饱和烃类物质,具有较好的抗爆性,但热稳定性差,易堵塞发动机喷嘴,影响发动机燃烧效率、增加污染物排放。同时,由于烯烃化学性质活泼,挥发后和大气中的NOx混合,经太阳紫外线照射形成有毒光化学烟雾,对大气造成严重污染。国家标准《车用无铅汽油》(GB17930-2006)中规定汽油中芳烃含量不大于40%,烯烃含量不大于35%。根据我国炼油工艺,大部分炼油企业在汽油生产时芳烃能达到控制指标,但烯烃含量却较难控制。在汽油生产过程中快速、准确测定烯烃含量以控制汽油品质是非常必要的。
目前烯烃测定的仲裁方法采用GB/T 11132-2002《液体石油产品烃类测定法荧光指示剂吸附法》,该测定方法是参考ASTM D1319建立的一种经典的油品族组成的分析方法,操作繁琐、测试费用高、分析时间长(约2h)。该国标中规定,对烯烃含量为35%的汽油,允许测试方法的重复性为2.0%,再现性达8.2%。目前行业中普遍采用的SH/T 0741-2004《汽油中烃族组成测定法多维气相色谱法》,对于烯烃含量35%样本,其重复性要求为1.6%,该方法影响分析结果的因素较少,结果精度较高,但是由于烯烃的典型保留时间在9~10.5min,测定一个汽油样本的时间仍然需要大约12min,且对于烯烃捕集阱的要求较高。
近红外光谱(NIR)分析技术为解决这一问题提供了新的方法。该方法首先通过光谱仪获得未知样品光谱,然后通过校正模型预测该样本的性质和组成。校正模型在测量前由已知样品的近红外光谱与被测组分进行关联得到。通常,使用NIR技术完成一次烯烃测量只需大约2分钟,相比多维气相色谱法,缩短了分析时时间。但是,由于烯烃在近红外谱区吸收较弱,该方法在实际应用中测量精度受到一定限制。
发明内容
本发明的目的是提供一种基于拉曼光谱的测量汽油烯烃含量的方法,以实现在汽油生产过程中快速、准确的测定烯烃含量,控制汽油品质。
本发明的基于拉曼光谱的测量汽油烯烃含量的方法,包括如下步骤:
(1)用荧光指示剂吸附法或多维气相色谱法测定训练样本的烯烃含量;
(2)测取训练样本的拉曼光谱;
(3)对测取的拉曼光谱进行平滑滤波、基线校正和标准归一化预处理;
(4)将经步骤(3)预处理的训练样本拉曼光谱与步骤(1)测得的烯烃含量值,采用最小二乘支持向量机建立汽油烯烃含量校正模型;
(5)测取待测油样的拉曼光谱,对拉曼光谱进行平滑滤波、基线校正和标准归一化预处理,根据步骤(4)的校正模型计算待测油样的烯烃含量。
本发明中,所说的平滑滤波是采用Savitzky-Golay卷积平滑滤波。
本发明中,所说的基线校正步骤是:选择拉曼光谱的无信号区作为参考区,对参考区内的拉曼光谱数据进行线性回归,求得斜率,选择拉曼光谱有效信号区中的某一公共的起点作为基线的起始点,得到基线方程,然后,在相应波数段从拉曼光谱中将基线去除,保留有效信号区内的拉曼光谱数据用于步骤(4)建模和步骤(5)测量。
本发明中,所说的标准归一化的参考点为拉曼光谱中饱和烃的最大拉曼峰。
本发明中,所说的测取训练样本和待测油样的拉曼光谱,可采用传统的拉曼光谱测取法,也可以采用包括激光器、激发光纤、光纤探头、样品分析池、收集光纤、光谱仪和计算机的装置,激光器发出的激光经激发光纤和光纤探头照射到样品分析池中的汽油样品,样品在强激光照射下发出拉曼散射光,经光纤探头长通滤光后通过收集光纤传送到光谱仪进行分光和数字采集,再由计算机对拉曼散射光进行处理得到以波数为单位的拉曼光谱。
本发明的有益效果在于:
由于拉曼光谱中谱峰对应于特定的分子结构,对于非极性基团如C=C等红外吸收较弱的官能团,拉曼光谱中可呈现强烈的特征谱图。各种物质的化学官能团具有很强的特征拉曼振动谱带。所以,拉曼光谱可以充分反映物质的组成结构。同时,支持向量机作为一种新型的非线性建模方法,在解决小样本、非线性问题中表现出了许多优势。本发明将拉曼光谱和最小二乘支持向量机相结合分析汽油烯烃含量的方法,与传统测量方法相比显著提高了检测精度,同时可大大缩短测量时间,且测量过程对样品无损耗,这对石油加工过程的质量控制有着重要意义。
附图说明
图1为本发明中测取训练样本和待测油样拉曼光谱用的装置,图中,1-激光器,2-激发光纤,3-光纤探头,4-样品分析池,5-收集光纤,6-光谱仪,7-计算机。
图2为基线校正示意图,其中a)为基线校正前的光谱,b)为基线校正后的光谱。
图3为预处理后的训练样品拉曼光谱。
图4为最小二乘支持向量机模型参数对校正模型精度的影响曲线,图中,曲线a、b、c、d分别为参数σ2取1、20、50和100时对校正模型精度的影响曲线。
具体实施方式
以下结合实施例进一步说明本发明方法。
基于拉曼光谱的测量汽油烯烃含量的方法,包括如下步骤:
(1)使用《液体石油产品烃类测定法荧光指示剂吸附法》(GB/T 11132-2002)测定20个不同汽油训练样本的烯烃含量,每个样本大约耗时2小时,测量结果烯烃含量范围从0.23%至34.3%。
(2)本例中,采用如图1所示的拉曼光谱装置测取训练样本的拉曼光谱;
该装置包括激光器1、激发光纤2、光纤探头3、样品分析池4、收集光纤5、光谱仪6和计算机7,激光器1通过激发光纤2与光纤探头3的入射口相连,光纤探头3的出射口通过收集光纤5与光谱仪6相连,光谱仪与计算机USB接口连接。这里,激光器1是中心波长为650~1064nm,激光线宽≤0.2nm,功率≥300mW的近红外激光器,样品分析池4为1cm光程石英比色皿,光谱仪6为Ocean Optics QE65000光栅光谱仪,光学分辨率为6cm-1,在0至2100cm-1区域内收集拉曼光谱。
测量训练样本拉曼光谱时,激光器1发出的激光经激发光纤2和光纤探头3照射到样品分析池4中的汽油样品,样品在强激光照射下发出拉曼散射光,经光纤探头3长通滤光后通过收集光纤5传送到光谱仪6进行分光和数字采集,再由计算机7对拉曼散射光进行处理得到以波数为单位的拉曼光谱。
对于所有样品,连续测量三次,取三次获得光谱数据均值作为该样品拉曼光谱,每次积分时间为30秒。
(3)对测取的拉曼光谱进行平滑滤波、基线校正和标准归一化预处理;
首先,对拉曼光谱进行Savitzky-Golay卷积平滑滤波,滤波窗口宽度为20cm-1。由于汽油样品的拉曼光谱中包含了拉曼峰,同时也包含较大的荧光背景。为了去除荧光影响以获得更精确的模型和预测结果,需要在预处理中进行基线校正。任选一个样本为例说明本发明中的基线校正方法。指定1775cm-1~2100cm-1波数段作为参考区,对参考区内的光谱数据进行线性回归,得到斜率k=-4.067作为基线斜率。将930cm-1处数据点(930,3381)设为基线的起始点。则基线的方程为:
y-3381=-4.067*(x-930)
在930cm-1~2100cm-1波数段内将基线从光谱减去(图2a中虚直线为上式所描述的基线,实线为原光谱),得到基线校正后的光谱如图2b。
为了消除光谱中激励源功率变化和光强波动的影响,本发明以饱和烃拉曼光谱中的最大拉曼峰(1448cm-1处)作为参考点对光谱进行标准归一化。图3为20个训练样本经过预处理后的拉曼光谱。
(4)将经步骤(3)预处理的训练样本拉曼谱图与步骤(1)测得的烯烃含量值,采用最小二乘支持向量机建立校正模型;
最小二乘支持向量机(LS-SVM)用于函数拟合的原理简单描述如下。给定一个有N个数据的训练集合{xk,yk}k=1 N,其中输入数据xk∈Rm,输出数据yk∈R。函数拟合问题可以描述为以下最优化问题,
上述优化问题可归结为求解以下线性方程组:
其中y=[y1,...,yN]T;1=[1,...,1]T;I=diag[1,...,1],I∈RN×N,diag表示对角矩阵;γ>0为惩罚系数;α=[α1,...,αN]T,b∈R为偏置值;Ω={Ωkl|k,l=1,...,N},k,l=1,...,N。K(xk,xl)称为核函数。本文采用RBF核函数:
K(xk,xl)=exp(-||xk-xl||2/σ2) (3)
从而可得LS-SVM拟合模型为:
LS-SVM模型中包含参数σ2和γ,其中σ2为RBF核函数参数,γ为惩罚系数。这两个参数需要在建模前选定。本发明采用交叉检验法确定参数,即在选定一组参数(σ2和γ)的情况下,每次留取一个样本作为预测,用剩余的样本建立校正模型来预测留取的样本。经过反复建模及预测,直到每个样品都被预测一次且只被预测一次,计算与该组参数对应的交叉验证均方差(SECV,Square ErrorsofCross-Validation)作为参数评价的指标。选择交叉验证均方差最小的那组参数作为最终建模参数。交叉验证均方差定义为,
图4为最小二乘支持向量机模型参数对校正模型精度的影响曲线,也即参数σ2和γ的取值及其所对应的交叉验证均方差,其中曲线a、b、c、d分别为参数σ2取1、20、50和100时对校正模型精度的影响曲线。从图中可知,σ2的取值在20左右模型性能较好,而γ在一个较大范围内模型都具有准确性和稳定性。在本实例中σ2和γ的值分别取20和104。表1中显示了在该参数下使用留一法得到的标准测量值和预测值以及两者的误差。
表1
在选定参数后,将20个汽油样本使用荧光指示剂法测量得到的烯烃含量值和经过预处理后的训练样本光谱数据代入式(2),其中y=[y1,...,yN]T为标准方法测量得到的20个样本的烯烃含量值,xk和xl分别为第k和第l个训练样本光谱经过预处理后的数据。通过解式(2)中的方程可以得到α和b。将α和b代入式(4)即得到汽油烯烃含量校正模型。
(5)测取待测油样的拉曼光谱,对拉曼光谱进行平滑滤波、基线校正和标准归一化预处理,根据步骤(4)的校正模型计算待测油样的烯烃含量。
首先按照步骤(2)同样的方法获得待测油样的拉曼谱图,然后对拉曼光谱进行平滑滤波、基线校正和标准归一化预处理,将得到的光谱数据代入式(4),得到的结果y即为待测样品的烯烃含量。其中,xk为第k个训练样本光谱经过预处理后的数据,x为待测样品的光谱经过预处理后的数据。
为验证本发明方法的可靠性,进行模型验证和重复性试验如下:
模型验证:
为了验证模型的精度和稳定性,通常将已知样品分成校正集和验证集进行模型验证。模型验证评价参数包括:最小误差、最大误差、均方误差(StandardError of Prediction,SEP)以及复相关系数(R2)。各指标定义如下:
模型精度验证:每次从20个样本中随机抽取5个样本作为验证集,剩余15个样本作为训练样本。此随机抽取试验共进行10次。试验结果如表2中所示。试验的预测结果与标准测量值复相关系数在0.99以上,均值达到0.9958,绝对误差最大为0.94%。
表2
重复性试验
随机选取某一样本,重复测量12次,测量结果如表3所示。从表中数据可知,本发明提出的汽油烯烃含量测量方法的偏差重复性为0.14%,低于GB/T11132-2002《液体石油产品烃类测定法荧光指示剂吸附法》规定的2.0%和SH/T 0741-2004《汽油中烃族组成测定法多维气相色谱法》规定的1.2%。
表3
Claims (6)
1、一种基于拉曼光谱的测量汽油烯烃含量的方法,该方法包括如下步骤:
(1)用荧光指示剂吸附法或多维气相色谱法测定训练样本的烯烃含量;
(2)测取训练样本的拉曼光谱;
(3)对测取的拉曼光谱进行平滑滤波、基线校正和标准归一化预处理;
(4)将经步骤(3)预处理的训练样本拉曼光谱与步骤(1)测得的烯烃含量值,采用最小二乘支持向量机建立汽油烯烃含量校正模型;
(5)测取待测油样的拉曼光谱,对拉曼光谱进行平滑滤波、基线校正和标准归一化预处理,根据步骤(4)的校正模型计算待测油样的烯烃含量。
2、根据权利要求1所述的基于拉曼光谱的测量汽油烯烃含量的方法,其特征在于所说的平滑滤波是采用Savitzky-Golay卷积平滑滤波。
3、根据权利要求1所述的基于拉曼光谱的测量汽油烯烃含量的方法,其特征在于所说的基线校正步骤是:选择拉曼光谱的无信号区作为参考区,对参考区内的拉曼光谱数据进行线性回归,求得斜率,选择拉曼光谱有效信号区中的某一公共的起点作为基线的起始点,得到基线方程,然后,在相应波数段从拉曼光谱中将基线去除,保留有效信号区内的拉曼光谱数据用于步骤(4)建模和步骤(5)测量。
4、根据权利要求1所述的基于拉曼光谱的测量汽油烯烃含量的方法,其特征在于所说的标准归一化的参考点为拉曼光谱中饱和烃的最大拉曼峰。
5.根据权利要求1所述的基于拉曼光谱的测量汽油烯烃含量的方法,其特征在于测取训练样本拉曼光谱和待测样本拉曼光谱采用包括激光器(1)、激发光纤(2)、光纤探头(3)、样品分析池(4)、收集光纤(5)、光谱仪(6)和计算机(7)的装置,激光器(1)发出的激光经激发光纤(2)和光纤探头(3)照射到样品分析池(4)中的汽油样品,样品在强激光照射下发出拉曼散射光,经光纤探头(3)长通滤光后通过收集光纤(5)传送到光谱仪(6)进行分光和数字采集,再由计算机(7)对拉曼散射光进行处理得到以波数为单位的拉曼光谱。
6.根据权利要求5所述的基于拉曼光谱的测量汽油烯烃含量的方法,其特征在于激光器(1)采用中心波长为650~1064nm,激光线宽≤0.2nm,功率≥300mW的近红外激光器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200810121879XA CN101403696A (zh) | 2008-10-21 | 2008-10-21 | 一种基于拉曼光谱的测量汽油烯烃含量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200810121879XA CN101403696A (zh) | 2008-10-21 | 2008-10-21 | 一种基于拉曼光谱的测量汽油烯烃含量的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101403696A true CN101403696A (zh) | 2009-04-08 |
Family
ID=40537775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA200810121879XA Pending CN101403696A (zh) | 2008-10-21 | 2008-10-21 | 一种基于拉曼光谱的测量汽油烯烃含量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101403696A (zh) |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102495042A (zh) * | 2011-12-09 | 2012-06-13 | 湖南大学 | 一种粉末混合物的拉曼光谱准确定量分析方法 |
CN102590175A (zh) * | 2012-02-21 | 2012-07-18 | 浙江大学 | 基于拉曼光谱叠加的甲醇汽油甲醇含量快速测定方法 |
CN102590172A (zh) * | 2012-01-19 | 2012-07-18 | 邹玉峰 | 食用油脂与地沟油的分类检测方法及检测*** |
CN102788778A (zh) * | 2012-05-31 | 2012-11-21 | 浙江大学 | 一种醇类汽油中甲醇乙醇含量快速测定方法 |
CN104020150A (zh) * | 2014-03-19 | 2014-09-03 | 苏州久王环保科技有限公司 | 一种基于激光拉曼光谱技术的铵盐浓度的测量装置及其测量方法 |
CN104132927A (zh) * | 2014-07-28 | 2014-11-05 | 浙江大学 | 一种重金属浓碱液体中柠檬铬黄浓度的检测方法 |
CN104132932A (zh) * | 2014-07-28 | 2014-11-05 | 浙江大学 | 一种重金属浓酸液体中桔铬黄浓度的检测方法 |
CN104132924A (zh) * | 2014-07-28 | 2014-11-05 | 浙江大学 | 一种重金属浓碱液体中中铬黄浓度的检测方法 |
CN104132931A (zh) * | 2014-07-28 | 2014-11-05 | 浙江大学 | 一种重金属浓酸液体中柠檬铬黄浓度的检测方法 |
CN104132930A (zh) * | 2014-07-28 | 2014-11-05 | 浙江大学 | 一种重金属浓酸液体中中铬黄浓度的检测方法 |
CN104181151A (zh) * | 2014-07-29 | 2014-12-03 | 蓝星化工新材料股份有限公司江西星火有机硅厂 | 一种采用在线拉曼光谱仪建立模型在线分析甲基氯硅烷的方法 |
CN104280378A (zh) * | 2014-09-28 | 2015-01-14 | 李伟 | 一种改性沥青中sbs改性剂含量的检测方法 |
CN104458692A (zh) * | 2013-09-12 | 2015-03-25 | 中国石油化工股份有限公司 | 利用拉曼光谱测定水溶液中三嵌段共聚物p123含量的方法 |
CN105319198A (zh) * | 2014-07-15 | 2016-02-10 | 中国石油化工股份有限公司 | 基于拉曼光谱解析技术的汽油苯含量预测方法 |
CN106050687A (zh) * | 2016-08-09 | 2016-10-26 | 万毅 | 一种叶轮式水泵磨耗特性分析和优化方法 |
CN106483077A (zh) * | 2015-09-01 | 2017-03-08 | 南京理工大学 | 基于主成分和多元线性回归的燃烧体元素含量测定方法 |
CN106525815A (zh) * | 2016-11-10 | 2017-03-22 | 中国人民解放军后勤工程学院 | 一种燃油样品拉曼光谱测试方法 |
CN106967785A (zh) * | 2017-02-27 | 2017-07-21 | 江苏科技大学 | 一种酶解法生产降血糖肽过程的实时监控方法 |
CN107709998A (zh) * | 2015-04-27 | 2018-02-16 | 虚拟流体监测服务有限责任公司 | 用于流体分析与监测的***、装置和方法 |
WO2018121122A1 (zh) * | 2016-12-29 | 2018-07-05 | 同方威视技术股份有限公司 | 用于物品查验的拉曼光谱检测方法和电子设备 |
CN108444976A (zh) * | 2018-04-26 | 2018-08-24 | 浙江大学 | 一种基于拉曼光谱的天然气热值测量方法 |
CN108802000A (zh) * | 2018-03-16 | 2018-11-13 | 上海交通大学 | 一种基于拉曼全谱分析的无损快速胆维丁含量定量方法 |
WO2018227338A1 (zh) * | 2017-06-12 | 2018-12-20 | 深圳前海达闼云端智能科技有限公司 | 物质成分检测方法、装置和检测设备 |
CN109324012A (zh) * | 2018-09-14 | 2019-02-12 | 中国海洋石油集团有限公司 | 一种用于原油中轻烃组分定量分析的方法 |
WO2019195737A1 (en) | 2018-04-06 | 2019-10-10 | Braskem America, Inc. | Raman spectroscopy and machine learning for quality control |
CN111562248A (zh) * | 2020-05-15 | 2020-08-21 | 云南电网有限责任公司电力科学研究院 | 一种基于sf6内标的gis故障诊断方法 |
CN112304922A (zh) * | 2020-10-29 | 2021-02-02 | 辽宁石油化工大学 | 一种基于偏最小二乘法的拉曼光谱定量分析原油的方法 |
CN112782146A (zh) * | 2019-11-11 | 2021-05-11 | 中国石油天然气股份有限公司 | 一种基于拉曼光谱的汽油烯烃含量分析方法 |
CN113109317A (zh) * | 2021-03-26 | 2021-07-13 | 中国科学院西安光学精密机械研究所 | 基于背景扣除提取峰面积的拉曼光谱定量分析方法及*** |
WO2021149762A1 (ja) * | 2020-01-24 | 2021-07-29 | パナソニックIpマネジメント株式会社 | オイル状態診断方法及びオイル状態診断装置 |
CN114646627A (zh) * | 2022-05-23 | 2022-06-21 | 中国海洋大学 | 利用光谱分析技术对海水溢油进行分类检测的装置和方法 |
CN115791751A (zh) * | 2022-12-09 | 2023-03-14 | 中国矿业大学 | 一种基于拉曼光谱的煤尘中游离二氧化硅含量的测定方法 |
-
2008
- 2008-10-21 CN CNA200810121879XA patent/CN101403696A/zh active Pending
Cited By (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102495042B (zh) * | 2011-12-09 | 2013-11-20 | 湖南大学 | 一种粉末混合物的拉曼光谱准确定量分析方法 |
CN102495042A (zh) * | 2011-12-09 | 2012-06-13 | 湖南大学 | 一种粉末混合物的拉曼光谱准确定量分析方法 |
CN102590172A (zh) * | 2012-01-19 | 2012-07-18 | 邹玉峰 | 食用油脂与地沟油的分类检测方法及检测*** |
CN102590175A (zh) * | 2012-02-21 | 2012-07-18 | 浙江大学 | 基于拉曼光谱叠加的甲醇汽油甲醇含量快速测定方法 |
CN102590175B (zh) * | 2012-02-21 | 2014-04-09 | 浙江大学 | 基于拉曼光谱叠加的甲醇汽油甲醇含量快速测定方法 |
CN102788778A (zh) * | 2012-05-31 | 2012-11-21 | 浙江大学 | 一种醇类汽油中甲醇乙醇含量快速测定方法 |
CN102788778B (zh) * | 2012-05-31 | 2014-10-29 | 浙江大学 | 一种醇类汽油中甲醇乙醇含量快速测定方法 |
CN104458692A (zh) * | 2013-09-12 | 2015-03-25 | 中国石油化工股份有限公司 | 利用拉曼光谱测定水溶液中三嵌段共聚物p123含量的方法 |
CN104020150A (zh) * | 2014-03-19 | 2014-09-03 | 苏州久王环保科技有限公司 | 一种基于激光拉曼光谱技术的铵盐浓度的测量装置及其测量方法 |
CN105319198B (zh) * | 2014-07-15 | 2018-05-08 | 中国石油化工股份有限公司 | 基于拉曼光谱解析技术的汽油苯含量预测方法 |
CN105319198A (zh) * | 2014-07-15 | 2016-02-10 | 中国石油化工股份有限公司 | 基于拉曼光谱解析技术的汽油苯含量预测方法 |
CN104132927A (zh) * | 2014-07-28 | 2014-11-05 | 浙江大学 | 一种重金属浓碱液体中柠檬铬黄浓度的检测方法 |
CN104132930A (zh) * | 2014-07-28 | 2014-11-05 | 浙江大学 | 一种重金属浓酸液体中中铬黄浓度的检测方法 |
CN104132931A (zh) * | 2014-07-28 | 2014-11-05 | 浙江大学 | 一种重金属浓酸液体中柠檬铬黄浓度的检测方法 |
CN104132924A (zh) * | 2014-07-28 | 2014-11-05 | 浙江大学 | 一种重金属浓碱液体中中铬黄浓度的检测方法 |
CN104132930B (zh) * | 2014-07-28 | 2016-09-07 | 浙江大学 | 一种重金属浓酸液体中中铬黄浓度的检测方法 |
CN104132932A (zh) * | 2014-07-28 | 2014-11-05 | 浙江大学 | 一种重金属浓酸液体中桔铬黄浓度的检测方法 |
CN104181151A (zh) * | 2014-07-29 | 2014-12-03 | 蓝星化工新材料股份有限公司江西星火有机硅厂 | 一种采用在线拉曼光谱仪建立模型在线分析甲基氯硅烷的方法 |
CN104280378A (zh) * | 2014-09-28 | 2015-01-14 | 李伟 | 一种改性沥青中sbs改性剂含量的检测方法 |
CN107709998A (zh) * | 2015-04-27 | 2018-02-16 | 虚拟流体监测服务有限责任公司 | 用于流体分析与监测的***、装置和方法 |
CN106483077B (zh) * | 2015-09-01 | 2020-10-02 | 南京理工大学 | 基于主成分和多元线性回归的燃烧体元素含量测定方法 |
CN106483077A (zh) * | 2015-09-01 | 2017-03-08 | 南京理工大学 | 基于主成分和多元线性回归的燃烧体元素含量测定方法 |
CN106050687B (zh) * | 2016-08-09 | 2020-06-26 | 温州大学 | 一种叶轮式水泵磨耗特性分析和优化方法 |
CN106050687A (zh) * | 2016-08-09 | 2016-10-26 | 万毅 | 一种叶轮式水泵磨耗特性分析和优化方法 |
CN106525815A (zh) * | 2016-11-10 | 2017-03-22 | 中国人民解放军后勤工程学院 | 一种燃油样品拉曼光谱测试方法 |
WO2018121122A1 (zh) * | 2016-12-29 | 2018-07-05 | 同方威视技术股份有限公司 | 用于物品查验的拉曼光谱检测方法和电子设备 |
CN106967785A (zh) * | 2017-02-27 | 2017-07-21 | 江苏科技大学 | 一种酶解法生产降血糖肽过程的实时监控方法 |
WO2018227338A1 (zh) * | 2017-06-12 | 2018-12-20 | 深圳前海达闼云端智能科技有限公司 | 物质成分检测方法、装置和检测设备 |
US11468264B2 (en) | 2017-06-12 | 2022-10-11 | Beijing Cloudoptek Technology Co., Ltd. | Substance ingredient detection method and apparatus, and detection device |
CN108802000A (zh) * | 2018-03-16 | 2018-11-13 | 上海交通大学 | 一种基于拉曼全谱分析的无损快速胆维丁含量定量方法 |
CN112513561B (zh) * | 2018-04-06 | 2022-04-15 | 布拉斯科美国有限公司 | 用于质量控制的拉曼光谱法和机器学习 |
WO2019195737A1 (en) | 2018-04-06 | 2019-10-10 | Braskem America, Inc. | Raman spectroscopy and machine learning for quality control |
EP3775759A4 (en) * | 2018-04-06 | 2022-04-27 | Braskem America, Inc. | RAMAN SPECTROSCOPY AND QUALITY CONTROL MACHINE LEARNING |
CN112513561A (zh) * | 2018-04-06 | 2021-03-16 | 布拉斯科美国有限公司 | 用于质量控制的拉曼光谱法和机器学习 |
CN108444976B (zh) * | 2018-04-26 | 2019-10-22 | 浙江大学 | 一种基于拉曼光谱的天然气热值测量方法 |
CN108444976A (zh) * | 2018-04-26 | 2018-08-24 | 浙江大学 | 一种基于拉曼光谱的天然气热值测量方法 |
CN109324012A (zh) * | 2018-09-14 | 2019-02-12 | 中国海洋石油集团有限公司 | 一种用于原油中轻烃组分定量分析的方法 |
CN112782146A (zh) * | 2019-11-11 | 2021-05-11 | 中国石油天然气股份有限公司 | 一种基于拉曼光谱的汽油烯烃含量分析方法 |
CN112782146B (zh) * | 2019-11-11 | 2022-11-04 | 中国石油天然气股份有限公司 | 一种基于拉曼光谱的汽油烯烃含量分析方法 |
WO2021149762A1 (ja) * | 2020-01-24 | 2021-07-29 | パナソニックIpマネジメント株式会社 | オイル状態診断方法及びオイル状態診断装置 |
CN111562248A (zh) * | 2020-05-15 | 2020-08-21 | 云南电网有限责任公司电力科学研究院 | 一种基于sf6内标的gis故障诊断方法 |
CN112304922A (zh) * | 2020-10-29 | 2021-02-02 | 辽宁石油化工大学 | 一种基于偏最小二乘法的拉曼光谱定量分析原油的方法 |
CN113109317A (zh) * | 2021-03-26 | 2021-07-13 | 中国科学院西安光学精密机械研究所 | 基于背景扣除提取峰面积的拉曼光谱定量分析方法及*** |
CN114646627A (zh) * | 2022-05-23 | 2022-06-21 | 中国海洋大学 | 利用光谱分析技术对海水溢油进行分类检测的装置和方法 |
CN115791751A (zh) * | 2022-12-09 | 2023-03-14 | 中国矿业大学 | 一种基于拉曼光谱的煤尘中游离二氧化硅含量的测定方法 |
CN115791751B (zh) * | 2022-12-09 | 2023-11-24 | 中国矿业大学 | 一种基于拉曼光谱的煤尘中游离二氧化硅含量的测定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101403696A (zh) | 一种基于拉曼光谱的测量汽油烯烃含量的方法 | |
CN105319198B (zh) | 基于拉曼光谱解析技术的汽油苯含量预测方法 | |
CN109983338B (zh) | 烃燃料气体组成和性质的测量 | |
US5610836A (en) | Process to use multivariate signal responses to analyze a sample | |
CN106932378A (zh) | 一种基于拉曼光谱的炼厂酸性气成分的在线检测***和方法 | |
Chung et al. | Comparison of near-infrared, infrared, and Raman spectroscopy for the analysis of heavy petroleum products | |
WO1992005428A1 (en) | Hydrocarbon analysis based on low resolution raman spectral analysis | |
CN112782146B (zh) | 一种基于拉曼光谱的汽油烯烃含量分析方法 | |
CN104777149A (zh) | 一种基于拉曼光谱的苯中微量甲苯含量的快速测定方法 | |
CN112179871B (zh) | 一种酱类食品中己内酰胺含量无损检测的方法 | |
US7973926B1 (en) | Methods for determining olefin concentrations in olefin-containing fuels | |
Nishii et al. | Selection of the NIR region for a regression model of the ethanol concentration in fermentation process by an online NIR and mid-IR dual-region spectrometer and 2D heterospectral correlation spectroscopy | |
CN103308507B (zh) | 一种快速测定聚氨酯中游离-nco的分析方法 | |
US8538717B2 (en) | Method of absorbance correction in a spectroscopic heating value sensor | |
CN1584555A (zh) | 一种基于低分辨拉曼光谱的石油产品质量快速测定仪 | |
CN102262055B (zh) | 一种测定聚丙烯酰胺类物质中丙烯酰胺单体残留量的方法 | |
DE19949439C1 (de) | Gasqualitätsbestimmung | |
CN107356556A (zh) | 一种近红外光谱定量分析的双集成建模方法 | |
Li et al. | A hard modeling approach to determine methanol concentration in methanol gasoline by Raman spectroscopy | |
CN101893560B (zh) | 一种汽油锰含量快速测定方法 | |
CN103808685B (zh) | 一种基于傅里叶变换的低浓度烟气红外分析仪及检测方法 | |
JP2002350344A (ja) | 環境測定方法及び装置 | |
Komada et al. | Application of Multiple Line Integrated Spectroscopy on CO Concentration Measurement | |
CN111650179A (zh) | 一种薰衣草精油中三种特征组份的拉曼光谱定量分析方法 | |
Pereira et al. | A flow system for generation of concentration perturbation in two-dimensional correlation near-infrared spectroscopy: application to variable selection in multivariate calibration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090408 |