煤系针状焦生产过程中, 延迟焦化工艺流程中混合油的性能在一个生焦周期内不断发生波动, 如何稳定混合油的性能是确保针状焦质量均匀的一个关键因素。 而混合油性能的差异主要体现在粘流特性的变化方面, 导致这种差异的根源是混合油分子结构发生了变化。 为了进一步定量分析混合油性质变化的根本原因, 本文以一个生焦周期内不同进料时间的混合油为研究对象, 利用傅里叶变换红外光谱(FTIR)分析仪和旋转粘度仪为检测手段。 从红外光谱波数范围700～900, 1 550～1 650, 2 800～3 000和3 000～3 100 cm-1四个区域入手, 引入6种分子结构参数。 详细分析探讨了一个生焦周期内混合油分子结构的变化趋势与粘流特性的关联性。 FTIR谱图分析显示混合油主要是以带有部分脂肪侧链的缩合芳香环结构组成的。 随着生焦过程的进行, 混合油分子中脂肪侧链的支链化程度(I1)不断降低、 芳香度(I2)有所增加。 而芳环的缩合度参数I3以及芳环上的取代情况(I4, I5, I6)的变化较小, 这说明混合油的缩合程度随生焦时间的增加变化不大。 混合油中多组分复杂芳香类物质的共存, 导致了分子间易发生缔合, 使得混合油的初始表观粘度值很大。 混合油的粘流活化能Eη随着生焦时间的延长而呈现出增加的趋势。 理论上缩合芳环和烷基侧链对粘流性质的影响最大, 但是将I1, I2, I3与Eη进行分析时发现回归曲线的拟合优度R2仅可达到0.71。 实际上, 混合油本身支链化程度(I1)低, 支链长度短, 忽略I1对粘流活化能的影响时, 对I2, I3与Eη进行数据处理获得的回归曲线的拟合优度R2反而降低。 综合考虑所有的分子结构参数与Eη进行回归分析时, 回归曲线的拟合优度R2可以达到0.98, 混合油的分子结构参数与粘流特性之间的关系模型为: Eη=703.59-55.88I1-7.83I2+5.73I3-1 866.70I4-694.85I5-83.16I6。 由此可见, 粘流特性是混合油这一复杂体系中所有分子结构特征的宏观表现。

石油作为一种重要的化石能源, 是人类社会生产活动中不可缺少的一部分。 石油在被人们开采、 使用的过程中不可避免地会发生泄漏, 泄漏的石油会给生态环境带来严重的威胁。 因此, 在石油泄漏后需要及时对其进行处理, 而其前提是能够准确识别石油种类。 由于石油中多种物质具有荧光特性, 因此应用荧光光谱法可对石油进行有效检测。 但石油所含组分较多, 使得其光谱信息重叠严重, 识别困难。 而三阶校正方法具有“三阶优势”, 可以分辨高共线性、 高噪声水平下的数据。 其中, 三阶校正中的交替加权残差约束四线性分解(AWRCQLD)算法具有收敛速度快、 对组分数不敏感等优点; 因此, 利用三维荧光光谱技术结合AWRCQLD算法, 对混合油液进行检测。 首先, 配制3种盐度条件下的十二烷基硫酸钠(SDS)溶剂; 并在每种盐度条件下分别将航空煤油和润滑油按照不同浓度比混合, 最终得到24个校正样本和9个预测样本。 然后, 使用FLS920荧光光谱仪对实验样本进行光谱数据采集。 其次, 使用扣除空白法去除光谱中的散射, 并通过核一致诊断法判断混合油中的组分数。 最后, 用AWRCQLD算法对四维光谱矩阵进行解析。 研究结果表明, 在0~20盐度范围内, 随着盐度的增加, 航空煤油的荧光强度先减小后增大, 润滑油的荧光强度先增大后减小; 混合油解析光谱曲线分别与航空煤油及润滑油的实际光谱曲线重合度良好; 经AWRCQLD算法解析后得到的航空煤油的回收率范围为100.2%~109%, 均方根误差为0.002 1 mg·mL-1; 润滑油的回收率范围为91.8%~109.3%, 均方根误差为0.004 8 mg·mL-1。 通过引入盐度作为新一维度的数据, 从而将三维光谱数据阵扩展到相应的四维光谱数据阵。 并利用AWRCQLD算法对四维光谱数据阵进行了解析, 实现了在不同盐度条件下对混合油的定性和定量分析。 同时, 为不同盐度条件下的混合油液检测提供了参考。

石油作为重要的能源和工业原料, 在造福人类社会的同时, 其引起的环境污染问题日益严重。 因此针对混合油液的快速、 准确检测成为鉴别溢油来源和保护生态环境的重要内容。 石油类物质一般由具有较强荧光特性的芳香烃成分及其衍生物组成, 荧光光谱分析技术以其灵敏度高、 分析速度快和受风化影响程度小等优点成为了混合油液检测的重要手段之一, 并与二阶校正和三阶校正的各类算法相结合取得了较好的成分鉴别和浓度预测效果。 但二阶校正算法普遍存在对噪声的容忍能力弱和对组分数敏感、 收敛速度慢等不足, 限制了在实际混合油液检测中的应用。 针对上述存在的问题, 将三维荧光光谱技术和交替加权残差约束四线性分解(AWRCQLD)算法相结合, 提出一种用于混合油液检测的新方法。 首先以乙醇作为溶剂, 将航空煤油和润滑油按不同浓度比配制7个校正样本、 4个预测样本和3个空白样本; 然后利用FLS920荧光光谱仪采集拟进行成分检测的混合油液在不同实验温度条件下共42个样本的荧光光谱数据, 并通过空白扣除的方法消除散射的干扰; 再利用核一致诊断法和残差分析法估计出最佳的组分数; 最后分别利用AWRCQLD算法、 4阶平行因子(4-PARAFAC)算法和二阶校正算法解析样本的荧光光谱数据, 做出混合油液样本的定性鉴别和定量预测。 研究结果表明, 经AWRCQLD算法解析后得到的航空煤油预测样本的回收率为96.7%~102.7%、 预测均方根误差为0.015 mg·mL-1; 润滑油预测样本的回收率为96.9%~101.7%、 预测均方根误差为0.009 mg·mL-1; 在不同实验温度条件构建的四维响应数阵能够更为准确地测定出航空煤油和润滑油的组分浓度, 其回收率更高和预测均方根误差更小, 满足准确定量分析的要求; AWRCQLD算法在航空煤油和润滑油样本的荧光光谱严重重叠的情况下, 较之二阶校正算法和4-PARAFAC算法, AWRCQLD算法更能够体现出三阶校正算法所具有的优势, 综合预测能力更强, 达到了对混合油液进行快速检测的目的。 该研究提供了一种不依赖于“物理和化学分离”的快速、 准确的对混合油液进行检测的“数学分离”方法, 为石油类混合油液检测提供了必要的技术支持。

提出了一种基于激光拉曼光谱和人工蜂群智能优化支持向量回归机(ABC-SVR)算法的快速定量检测三组分混和油中3种脂肪酸含量的方法。 该方法针对光谱数据信息与样本之间非线性、 高维度的关系, 建立了预测精度及建模效率均高于同类对比算法的数学模型, 同时避免了气相色谱法、 液相色谱法等对混合油脂肪酸含量的检测方式, 根据纯种油中3种脂肪酸含量的国际标准, 由油品配置体积得到脂肪酸质量, 有效降低了检测成本与实验复杂程度, 提高了检测工作的实用价值。 首先根据一定梯度配置66组混合油检测样品, 使用便携式拉曼光谱仪采集样本的拉曼光谱信息, 扣除背景噪声; 观察多组样本的拉曼光谱图可知, 由于官能团浓度的差异, 食用油的拉曼特征峰位移基本相同, 特征峰的峰值明显不同, 因此基于特征峰信息可以区分食用调和油的不同混合物; 其次对拉曼光谱做背景扣除、 光谱平滑、 最大值谱线归一化三步预处理, 以降低实验中不可控的外界因素及背景荧光的影响, 准确提取光谱特征峰强度信息; 然后根据纯种油中3种脂肪酸的国际标准含量, 结合国家食品法典委员会标准CODEX STAN210—1999《指定的植物油法典标准》中规定的纯种油密度中值, 由油品体积得到脂肪酸质量数; 随机选取56组样本数据作为训练集, 剩余10组样本数据作为预测集; 以训练集光谱特征峰强度和脂肪酸质量分别作为回归模型的输入及输出值, 建立SVR和PSO-SVR, ABC-SVR三种混合优化算法对比的定量分析模型, 对测试集的3种脂肪酸含量分别进行预测; 最后通过均方误差(MSE)、 相关系数(r)及建模时间(Elapsed time)分别进行对比, 建立数据表对模型精准度进行检验。 实验结果表明, 通过ABC-SVR定量分析模型效果最佳, 3种脂肪酸含量预测值与真实值的均方差分别为0.88×10-4, 16×10-4和8×10-4, 均低于0.002; 相关系数分别为93.43%, 99.65%和99.43%, 均高于93%; 预测时间(Elapsed time)分别为1.26, 2.42和2.14 s。 因此, 所提出的检测方法, 具备较高的精确度、 较快的建模时间, 且在理论上的类似条件下可适用于其他样品检测工作, 可为振动光谱学对食用油掺伪分析的进一步工作提供可行的理论依据。

为了检测柴油煤油混合油的折射率特性, 利用耦合模理论分析长周期光纤光栅折射率传感特性, 建立长周期光纤光栅中心波长、透射谱峰值损耗与混合油品中柴油含量的关系.结果表明: 在混合油中, 随着柴油含量的增加, 长周期光纤光栅波长发生蓝移, 当柴油含量达到使混合油折射率等于包层折射率时, 中心波长漂移最大, 柴油含量每改变1%, 中心波长平均漂移0.622 7 nm; 柴油含量继续增加, 混合油折射率大于包层折射率时, 光栅中心波长基本保持不变, 但是峰值损耗逐渐增大,带宽减小, 之后柴油含量每增加1%, 峰值损耗线性增加0.154 6 dB.该方法在检测混合燃料各组分含量具有潜在的应用前景.