为替代现有加油站人工测量乙醇含量方式和提高站端油品质量检测效率，基于倾斜光纤布拉格光栅（TFBG）对外界折射率的敏感特性，使其能够反映出乙醇含量不同导致的乙醇汽油折射率变化，提出一种对乙醇汽油中乙醇含量进行现场实时检测的新方法。利用耦合模理论对TFBG的光谱特点进行了分析，并探究了TFBG在乙醇汽油中乙醇含量检测过程中的传感特性。实验结果表明，所提方法在乙醇含量为8.3%~14.3%的乙醇汽油检测中的灵敏度为6.5 nm/RIU（RIU为折射率单位），线性拟合度为0.949。通过波长解调方法对E10乙醇汽油样品进行传感器的检测精度验证，乙醇体积分数的检测值为10.2%，相对误差为2%，验证了TFBG用于乙醇汽油中乙醇含量检测的可行性。

车用乙醇汽油是一种新型、 清洁的汽车燃料, 在燃烧过程中, 微量的重金属杂质对汽车的行驶和养护有着至关重要的影响, 一些燃烧产物可能会污染环境, 威胁人们的身体健康, 因此有必要对其中的微量元素进行控制。 以异辛烷稀释汽油样品, 电感耦合等离子体发射光谱(ICP-OES)法测定车用E10乙醇汽油中钠、 锌含量的方法, 选择钠和锌的分析谱线分别为: 589.592和213.857 nm, 实验优化了雾化气流量和蠕动泵速率对信背比的影响, 应用了半导体制冷雾化系统(雾化室温度设置为-10 ℃)降低了进样过程中溶液的挥发性, 保证了等离子体的稳定性, 同时, 实验研究了稀释比、 内标元素以及稀释剂的类型对测定结果的影响, 结果表明: (1)在-10 ℃低温下选择航空煤油为稀释剂, 钠和锌的回收率均在120%以上, Y内标比值均在1.20以上, 异辛烷为稀释剂时回收率和内标比值均满足要求, 可能是航空煤油在低温下的密度和黏度较大导致, 得出低温条件下异辛烷比航空煤油更适合作为乙醇汽油的稀释剂; (2)当选择Co做为内标元素时, 有些样品的内标元素比值在120%以上, Y为内标元素时, 样品的内标元素比值均满足要求, 可能是由于Co的稳定性较差或样品里含有Co, 得出Y比Co元素更适合做为乙醇汽油的内标元素; (3)本方法的钠和锌元素的检出限分别为0.013和0.005 mg·kg-1, 加标回收率为85.1%～106.0%, 相对标准偏差(RSD, n=7)为1.0%～4.8%; (4)通过与微波消解-ICP-OES法进行比较, 本方法的测定结果与加标理论值较接近, 弥补了微波消解法元素易损失的缺点。 此法具有快速、 灵敏、 准确的优点, 可应用于乙醇汽油中钠和锌元素的监测。

甲醇汽油是一种清洁能源, 甲醇汽油中甲醇的含量决定了汽油的性能。 通过中红外光谱对甲醇汽油中甲醇含量进行定量检测和分析。 首先, 对采集的甲醇汽油原始中红外光谱进行平滑处理(smoothing) 、 多元散射校正(MSC) 、 基线校正(baseline) 、 归一化(normalization) 等预处理, 再建立PLS模型, 对比选择最佳预处理方法, 结果表明: 在多元散射校正(MSC) 处理后建立的PLS模型效果最好, 模型的预测集相关系数r为0.918, 预测均方根误差RMSEP为2.107。 为进一步简化模型, 提高预测精度, 采用无信息变量消除(uninformative variable elimination, UVE)方法对波长进行筛选, 将UVE波段筛选之后的作为模型的输入变量, 采用偏最小二乘法(partial least squares, PLS) 、 主成分回归(principal components regression, PCR)和最小二乘支持向量机(least square support vector machine, LSSVM) 三种方法分别建立甲醇汽油中甲醇含量的定量预测模型, 并比较不同模型的预测效果和结果。 结果表明, 使用无信息变量消除可以较好提高数据的运算速度, 其中, UVE-PLS模型建模效果最好, r和RMSEP分别为0.923和2.075。 该实验表明中红外光谱检测甲醇汽油中甲醇含量是可行的并可以得到较好的效果; UVE是一种对甲醇汽油的中红外光谱非常有效的波段筛选方法, 该模型的建立对石油化工领域具有较为重要的意义。

乙醇汽油是一种新型清洁燃料, 燃料乙醇在乙醇汽油中的含量会影响发动机的性能。为了确保发动机的工作可靠性, 需要对乙醇汽油中的乙醇含量进行快速精准检测。本文使用中红外光谱技术对采集到的乙醇汽油的光谱数据进行定量分析。首先对原始光谱数据使用多元散射校正、基线校正、一阶导数、二阶导数等预处理方法进行预处理。然后利用ELM、LSSVM、PLS对乙醇汽油中的乙醇含量建立预测模型, 通过比较3种建模方法对乙醇含量的预测能力发现, PLS方法的精度比其余两种方法更高。模型决定因子R2为0958, 预测均方误差RMSEP为1479%（V/V,体积比）。中红外光谱技术对乙醇汽油乙醇含量的快速准确检测提供了新的思路。

采用紫外可见(ultraviolet/visible, UV-Vis)光谱技术和近红外(near-infrared, NIR)光谱技术及信息融合技术对乙醇汽油中乙醇含量进行了检测。 首先采用组合区间偏最小二乘(synergy interval PLS, SiPLS)算法作为特征提取方法, 分别建立了基于UV-Vis和NIR光谱的偏最小二乘(PLS)回归模型; 再根据油品的实际情况, 运用信息融合理论将UV-Vis和NIR光谱信息进行融合, 建立了数据级融合(low level data fusion, LLDF)和特征级融合(mid-level data fusion, MLDF)模型, 并与单谱源模型效果进行了比较, 确定了最优模型为数据级融合后再进行矢量归一化的模型(LLDF-VN1); 最后分别用高乙醇含量样品和市售汽油样品的光谱数据对该最优模型进行了通用性检验。 结果表明: UV-Vis和NIR光谱数据单独建模均能很好的检测并提供较好的预测结果; 而UV-Vis和NIR光谱数据直接融合在基于校正集的回归模型中效果最好, 其校正集相关系数rc=0999 9, 校正集交叉验证均方差RMSECV=0125 8, 校正集整体评价偏差Biasc=0000 6; 而采用数据级融合后再进行矢量归一化的模型(LLDF-VN1)的预测效果为最佳, 其rp=0999 1, RMSEP=0352 7, Biasp=-0073 8; 自配溶液对最优模型(LLDF-VN1)的通用性验证中, rp=0999 7, RMSEP=0329 1, Biasp=0102 2; 市售汽油对最优模型(LLDF-VN1)的通用性验证中, rp=0990 1, RMSEP=0892 7, Biasp=0675 1。 实验结果说明通过将UV-Vis和NIR光谱信息进行数据级融合可以快速、 准确的检测出乙醇汽油中乙醇的含量, 并能实现乙醇浓度的宽范围检测, 为进一步实现混合油品中物质的快速检测奠定了基础。