随着我国经济的迅速发展, 石油制品需求量与日俱增, 伴随着工农业生产活动, 大量石油制品进入土壤, 造成严重的土壤石油污染。 土壤中的石油污染物会对植物生长产生危害, 并通过食物链威胁人类健康,因此需对土壤中的石油污染物进行现场、 快速检测。 激光诱导荧光技术（Laser-Induced fluorescence, LIF）具有检测速度快、 灵敏度高、 可现场检测等优点, 但在检测土壤中有机污染物时, 面临着荧光光谱重叠严重等问题。 为了研究土壤中机油和柴油混合物荧光信号的重叠特性, 制备了10种含有不同浓度机油、 柴油混合物的土壤样品。 通过搭建LIF实验系统, 获取不同混合浓度的机油和柴油的荧光光谱, 对油类荧光光谱进行了最大值归一化处理, 建立土壤中机油、 柴油混合光谱的反演关系, 以最小残差平方和为指标, 使用迭代逼近算法计算出土壤荧光光谱中柴油和机油样品的荧光贡献率。 分别使用了全谱法和截取特征光谱两种方法计算机油和柴油的荧光贡献率。 全谱法是在混合油样的全波段光谱（200~600 nm）范围进行迭代逼近, 截取特征光谱方法是在截取油样光谱（330~460 nm）段进行迭代逼近。 （330~460 nm）范围内包含了混合油样的所有光谱特征。 用计算出的机油的荧光贡献率与机油样品浓度做线性拟合时发现, 截取特征光谱法的拟合系数R为0.989, 优于全谱法的0.923。 分别用全谱法、 截取特征光谱法计算出的荧光贡献率以及归一化机油、 柴油光谱合成混合油归一化光谱, 与实际归一化混合光谱比较, 截取特征光谱法计算的平均相对误差为3.38%, 优于全谱的8.79%, 其原因是全谱法比截取特征光谱法引入了更多的噪声信号, 所以在计算油类荧光贡献率时产生了较大的误差。 选取机油和柴油归一化光谱上300, 350, 400, 450和500 nm等 5个位置的荧光强度与归一化混合油光谱做多元线性回归拟合, 计算出平均相对误差为10.31%。 结果表明截取特征光谱方法优于多元线性回归方法； 土壤中机油和柴油的荧光贡献率与自身的浓度之间成良好的线性关系, 说明在土壤中机油和柴油混合后各自的化学性质保持稳定, 在土壤中的荧光信号重叠特性是线性叠加的。 这种这种方法同样可以用于其他石油类混合物的解离。 通过该研究提高了LIF技术在土壤中石油烃类污染物定性与定量检测的准确性。 为土壤中石油烃现场快速检测提供了方法支撑。

石油的勘探开发遍布我国各地区, 其产品的应用与工农业生产和人民日常生活密不可分。 石油及石油制品在使用过程中泄漏到土壤中不断累积, 会破坏生态环境。 激光诱导荧光（LIF）是检测土壤中石油烃类有机污染物的重要方法。 激光脉冲能量是LIF的重要实验参数, 对检测灵敏度, 稳定性有显著影响。 为探究土壤中石油烃的激光诱导荧光信号随激发光脉冲能量变化的特性, 以机油为例, 在实验室制备了机油浓度为0.5%～6%的土壤样品, 使用Nd∶YAG激光器作为激发光源, 通过改变266 nm激光的脉冲能量, 获取不同能量密度下油污土壤的荧光光谱。 实验结果表明, 土壤和土壤中机油的荧光光谱强度随激光脉冲能量的增加而增加, 但增加到一定程度后增幅明显减小。 原因是虽然激光能量密度逐渐增强荧光强度也在增强, 土壤中单位面积的有机物含量有限, 部分有机质已经被光解, 有机物被激发的荧光趋于饱和。 在适当的能量密度下, 土壤中机油的荧光强度与其浓度有良好线性关系。 实验发现, 随着激光能量密度的减小, LIF系统测量机油的平均相对误差先减小后增大, 其原因是, 当激光能量密度小于一定范围时, 信号的信噪比随之减小, 因此测量的平均相对误差逐渐增大; 当激光能量密度大于一定范围时, 虽然信号的信噪比随之增大, 但已经逐渐超出系统最佳的测量范围, 所以测量的平均相对误差逐渐增大。 当激光能量密度在2.4～4.0 mJ·cm-2时, 土壤中机油的荧光强度随激光脉冲能量密度线性增强, 且对机油浓度的测量误差均小于2.5%, 检测限在200～300 mg·kg-1之间。 当能量密度大于4.0 mJ·cm-2时, 机油的荧光强度增幅显著降低, 测量误差也随之增大。 因此, 兼顾LIF测量土壤中机油的平均相对误差和测量检测限, 激光脉冲能量选择2.4～4.0 mJ·cm-2较优。 所述方法也可扩展其他土壤中石油烃荧光信号检测。

发动机机油中磨损元素在发动机正常运转中发挥着重要的作用, 对其进行实时检测可以预知事故的发生, 防止发动机进一步磨损, 因此实现机油中磨损元素的探测具有重要的应用价值。归纳了利用原子光谱对机油检测的关键问题, 指出了原子发射光谱技术中的激光诱导击穿光谱(LIBS)技术和其它原子光谱技术在机油样品检测方面的研究进展, 讨论了各种技术的优缺点。介绍了LIBS技术在机油检测方面的优势, 引入了间接烧蚀LIBS技术。该技术不仅保存了LIBS技术本身的优势, 而且大大提高了检测灵敏度。用间接烧蚀LIBS技术探测机油中磨损元素, 具有巨大的应用前景, 对该技术的现场探测应用进行了展望。

针对电厂运行中汽轮机油颗粒污染变化快、油液取样要求高、在线监测难的现状,基于光阻原理,研制了电厂汽轮机油中颗粒污染度在线测量系统并对其进行了实验室标定实验。在湖南五强溪水电厂调速器润滑系统中进行了实测,实测结果与商业仪器实测结果比较可得,二者对污染等级判断一致,颗粒数最大偏差小于25%,验证了在线测量装置的准确度。因系统测量速度快,能实时获取运行中汽轮机油的颗粒度和数目时变情况,利于运行管理与控制,完全符合实际应用要求。

机油在发动机的运转过程中具有非常重要的作用。 发动机的运转, 会使机油的成分和元素含量发生变化, 导致机油变质, 进而加剧发动机的磨损, 探寻一种快速有效的机油性能检测手段, 则是防止发生事故的重要前提。 间接烧蚀激光诱导击穿光谱技术（IA-LIBS）是针对机油样品提出的一种全新检测方法, 其核心是基于金属基底产生的高温等离子体间接烧蚀样品, 在保持了LIBS基本特点的基础上, 提高了样品检测灵敏度和稳定性。 在前期研究基础上, 以机油中Mg、 Fe和Ni为目标元素, 分析了不同类型机油中的基体效应对其定量分析结果的影响, 表明不同油种之间的基体效应对目标元素的定标曲线影响甚小, 可忽略; 同时建立了目标分析元素的综合定标曲线, 拟合线性系数达到了0.99以上。 通过对现场机油中添加的已知浓度的目标元素的检测, IA-LIBS分析结果与实际值吻合较好, 准确度均低于5%。 该研究完善了IA-LIBS的方法研究, 为以后评价机油的性能提供了依据, 对于诊断发动机的磨损状况具有重要的科学意义。

基于激光诱导荧光光谱原理, 提出一种常见机油的快速识别方法。利用激光器发射波长为355 nm的紫外激光, 诱导九种常见机油样品发射荧光, 共采集450组荧光光谱数据, 其中360组数据用于分类训练, 90组数据用于识别。分析发现不同机油的荧光光谱特征有明显差异, 利用主成分分析结合聚类分析法实现了对90组待识别光谱数据的快速识别, 识别率可达97.8%。实验证明, 激光诱导荧光光谱结合多元分析可以实现不同机油的快速识别与检测。

提出了一种用可见-近红外透射光谱技术快速鉴别机油品种的新方法, 应用可见-近红外光谱仪测定三种机油的光谱曲线, 然后用主成分分析法对不同品种的机油样本进行聚类分析, 并获取机油可见-近红外光谱的特征信息, 再结合多类判别分析技术建立机油品种鉴别的模型,对经过预处理的光谱数据进行主成分分析。结果表明, 以样本在第一主成分和第二主成分上的得分做出的二维散点图, 对不同种类机油具有很好的聚类, 能定性区分不同种类机油; 经过主成分分析得到的前8个主成分的累积可信度已达95.38%, 说明这8个变量能够代表绝大部分原始光谱的信息。从180个样本中随机抽取150个样本用于建立多类判别分析品种鉴别模型, 余下的30个样本用于验证。对未知的30个样本进行品种预测, 准确率为100%。证明本方法具有明显的分类和鉴别作用, 为不同品种的机油鉴别提供了一种新方法。