正丁醇具有互溶性好、 挥发性低、 价格低廉以及腐蚀性低等优势, 被认为是理想的柴油添加物。 柴油中正丁醇的精准定量分析对其品质快速评价与市场监督具有重要科学意义与实用价值。 提出了一种基于拉曼（Raman）光谱结合偏最小二乘（PLS）的柴油中正丁醇快速定量分析方法。 首先, 采集了40个柴油样品的Raman光谱, 并考察了不同预处理方法［一阶导数、 二阶导数、 多元散射校正、 标准正态变换、 归一化（Normalization）和小波变换］对PLS校正模型预测性能的影响; 其次, 采用变量重要性投影（VIP）对Normalization方法预处理后的光谱数据进行特征变量提取, 并采用五折交叉验证优化VIP的阈值; 最后, 基于最优的光谱预处理方法、 输入变量和模型参数, 构建PLS校正模型对柴油中正丁醇含量进行快速定量分析, 结果与基于原始光谱（RAW）和Normalization光谱的PLS校正模型的预测性能进行对比。 结果表明: Normalization-VIP-PLS校正模型展现出优异的预测能力（R2CV和RMSECV为0.998 4和0.236 2%: R2P和RMSEP为0.998 7和0.208 4%; RSD为0.035 5）。 成功建立了一种Raman光谱结合PLS算法的柴油中正丁醇快速定量分析方法, 该方法具有快速、 准确、 便捷等优势, 可为柴油以及其他燃料中添加物检测及其品质分析提供新思路与新方法。

生物柴油的原料多元化，制备出的生物柴油理化特性也大不相同，因此其污染物排放特性需进一步研究。本文利用基于消光法标定的激光诱导炽光技术来测量一系列生物柴油的碳烟体积分数，以探究含氧生物燃料与传统柴油掺混后的基础碳烟排放特性。结果表明，纯含氧生物燃料的碳烟体积分数峰值较低，仅为传统柴油的7.1%~30.5%。碳烟的形成随着生物柴油掺混比例增加而呈下降趋势，与含氧燃料掺混传统柴油的碳烟排放特性一致，而不饱和度较高的生物燃料更倾向于更多的碳烟排放。生物柴油产生的粒径颗粒相对较小，比传统柴油小了大约9.5%~41.3%。碳烟颗粒物形貌方面，生物柴油与传统柴油均呈现出团簇结构，而高饱和度的生物柴油产生的碳烟颗粒粒径相对较大，但数量密度较低。

柴油和生物柴油混合油液三维荧光光谱中的荧光峰较多，导致混合油液的主要特征峰不明显，而且随着柴油占比的减少，三维荧光光谱的最大荧光强度位置会发生偏移，荧光强度与柴油占比不满足线性关系。因此，检测混合油液中的柴油占比较为复杂。本团队采用二维主成分分析(2DPCA)对混合油液的三维荧光光谱进行重构，重构荧光光谱中的冗余信息减少，在最佳激发波长450 nm下有能代表柴油的发射光谱(465～500 nm)。利用麻雀搜索算法(SSA)对广义回归神经网络(GRNN)进行优化，构建2DPCA-SSA-GRNN预测网络，该网络输入是训练集中的9个样本经2DPCA重构后能代表柴油的发射光谱，网络输出是柴油占比。最后利用建立的网络预测测试集中4个样本的柴油占比，柴油占比分为85.02%、73.76%、63.80%、53.37%，平均回收率为98.39%，均方根误差为0.90%，预测效果较未利用重构发射光谱的网络具有较大提升，均方误差降低了0.97个百分点，平均回收率提高了1.24个百分点。本文为优化神经网络预测物质占比提供了新方法。

对船舶柴油机而言, 润滑油常受到冷却液的污染, 引起润滑油劣化变质, 从而导致其功能失效。 冷却液的主要成分是水、 乙二醇及少量的防腐蚀、 抗穴蚀、 消泡沫等添加剂。 将拉曼光谱用于检测润滑油被冷却液污染的浓度, 是一种针对复杂混合物的拉曼光谱检测问题, 单个拉曼峰强度的定量分析方法无法满足浓度的定量检测。 为此, 将拉曼光谱分析和LSTM神经网络数据挖掘方法应用于检测润滑油冷却液污染的浓度。 在实验室条件下, 配制了冷却液污染浓度为2%, 1.5%, 1%, 0.5%, 0.25%和0%的柴油机润滑油油样, 对每个油样取样50次, 并进行拉曼光谱分析, 共获得300个拉曼光谱数据, 随机抽取其中80%的数据作为神经网络训练样本, 剩余20%的数据作为测试样本, 拉曼光谱样本数据的光谱范围为300～2 000 cm-1; 对数据进行预处理, 包括采样、 拟合、 离散点平均梯度估计等; 构建训练样本集, 将LSTM神经网络和多层全连接层(FC)结合, 建立4种不同的神经网络模型结构; 得到其在训练集和测试集上的平均误差曲线、 测试集上的检测准确率曲线。 分析结果表明, FCs, LSTM-FCs-1, LSTM-FCs-2和LSTM-FCs-3等4种神经网络模型, 检测准确率分别为96.7%, 93.3%, 98.3%和83.3%。 选取任意1%的波数点, 加入幅值随机正负变化1%的噪声之后, 4种神经网络模型的检测准确率分别为88.3%, 90.0%, 96.7%和78.3%。 可见, 相比于其他3种神经网络结构模型, LSTM-FCs-2模型更适用于进行润滑油冷却液污染的定量估计, 加噪后最高准确率仍可以达到96.7%, 鲁棒性优于其他三种模型。 拉曼光谱结合LSTM网络中的LSTM-FCs-2模型, 应用于冷却液污染浓度分别为0.2%和0.4%的实际油样检测, 相对误差分别为5.0%和7.5%, 结果表明该方法可用于在用润滑油冷却液污染浓度的检测。

生物柴油是典型的“绿色能源”, 具备良好的环保性和燃料特性, 通常与柴油混合使用在柴油发动机上。 但是目前世界各国柴油与生物柴油混合的比例标准参次不齐, 没有一个统一的标准, 并且不同比例的柴油/生物柴油混合物具有不同的燃烧性能, 也会对柴油发动机产生一定程度的影响。 为了能够快速、 准确的测量柴油/生物柴油混合物中的生物柴油浓度, 近红外光谱和拉曼光谱在燃油检测方面已经得到广泛的应用。 利用拉曼及近红外光谱对柴油/生物柴油混合物中的生物柴油浓度进行了量化分析研究。 首先采集了柴油/生物柴油混合燃油的拉曼光谱及近红外吸收光谱, 然后利用平滑、 基线校正、 归一化等方法对采集到的光谱进行预处理。 从光谱图中观察到, 在柴油/生物柴油混合物的拉曼光谱和近红外光谱中都有CO特征光谱区域, 且该光谱区域的光谱峰都随生物柴油的浓度增加而越来越明显。 拉曼光谱中, 随生物柴油浓度变化的主要CO特征光谱区域是在1 743 cm-1位置处的特征峰, 在近红外光谱中, 随生物柴油浓度变化的主要CO特征光谱区域是在4 659 cm-1处的特征峰。 然后分别根据强度比方法和偏最小二乘(PLS)回归方法建立了相应的混合燃油中生物柴油浓度预测模型。 结合强度比方法建立特征峰强度比的生物柴油浓度预测模型, 由混合燃油的拉曼光谱和近红外光谱建立的CO特征峰线性预测模型相关系数分别为0.947 2和0.996 2; 结合偏最小二乘(PLS)回归法建立特征光谱区域的生物柴油浓度预测模型, 由混合燃油的拉曼光谱和近红外光谱特征区域建立的相应预测集相关系数(R2)分别为0.981 5和0.991 2, 相应的预测均方根误差(RMSE)分别为0.093 7和0.012 9。 结果表明, 在混合燃油中, 使用近红外光谱中的CO光谱区域建立的生物柴油浓度预测模型会得到更准确的预测结果。

正丁醇是一种很有前景的柴油替代燃料, 针对缸内火焰发展和燃烧中间产物的自发光光谱开展研究, 有助于深入理解柴油掺混正丁醇混合燃料对柴油机燃烧过程的影响规律。 因此, 在一台光学发动机上, 利用火焰高速成像技术和自发光光谱分析法, 研究纯柴油与柴油掺混不同比例正丁醇后对发动机缸内火焰发展和自发光光谱的影响。 试验过程中, 光学发动机转速为1 200 r·min-1, 喷油压力为600 bar, 进气加热到398 K, 使上止点附近达到约900 K温度。 纯柴油、 柴油掺混20%正丁醇燃料和柴油掺混40%正丁醇燃料分别用D100, DB20和DB40表示, 三种燃料在每个着火循环喷入的油量分别为17.5, 18.7和19.2 mg, 从而保证发动机输出功相同。 试验结果表明: 冷却水温不变时, 喷油时刻推迟, 滞燃期缩短, 初始火核形成时刻推迟, 蓝色预混火焰比例减小； 喷油时刻不变时, 提高冷却水温度, 滞燃期缩短, 初始火核形成时刻提前, 蓝色预混火焰比例减小。 随着正丁醇掺混比例增加, 呈现局部混合气率先着火的特征且着火时刻推迟, 蓝色预混火焰比例增加, 火焰亮度降低, 火焰亮度从大到小依次为: D100＞DB20＞DB40。 D100燃料随喷油推迟, 整体光谱的峰值向长波方向移动, 碳烟辐射增强, OH谱带的光强峰值先增大后减小, OH和CH2O谱带出现的时刻推迟, 表明高温和低温反应时刻推迟； 喷油时刻不变时, 提高冷却水温, 整体光谱的光强增加, OH和CH2O谱带的出现时刻提前, 表明高温和低温反应时刻提前。 掺混正丁醇后的DB40燃料随喷油推迟, 光谱的整体光强增加, OH和CH2O谱带的光强峰值提高, 表明推迟喷油对DB40燃料也是有助于促进高温和低温反应。 DB40燃料光谱的整体光强低于D100燃料, 其OH和CH2O的谱带出现的时刻迟于D100燃料, 表明掺混正丁醇后燃料的高温和低温反应时刻都相对D100燃料推迟。 SOI-15、 冷却水温95 ℃工况下, D100燃料的谱线经过2 ℃A就呈现出了类似碳烟黑体辐射谱的特征, 而DB40燃料先呈现出CO氧化连续谱的特征, 经过15 ℃A才呈现碳烟黑体辐射谱的特征。

基于激光诱导荧光原理搭建了用于机动车尾气测量的羟基 (OH) 自由基总反应性直接测量系统 (LP-LIF-kOH), 并开展了典型柴油车尾气的转鼓测试, 获得了不同排放水平下重型柴油车尾气 OH 自由基总反应性的特征。该系统使用中心波长为 266 nm的紫外脉冲激光在流动管中光解臭氧产生过量 OH 自由基, 使其与采样进入流动管中的活性气体反应发生浓度衰减; 利用中心波长为 308 nm 的脉冲激光作为激发光, OH 自由基吸收激发激光能量后释放荧光光子信号, 利用激光诱导荧光技术记录 OH 自由基衰减曲线对衰减过程进行测量; 而通过对衰减曲线进行指数拟合,即可获得采样气的 OH 自由基总反应性 (kOH)。在柴油车尾气中的活性有机物闭合测量实验中, 对国三与国五的柴油车尾气进行 kOH 的测量, 发现柴油车尾气 kOH 的值随着国家排放标准的升高而降低, 不同车辆的 kOH 差别较大, 同一车辆冷启动测得的 kOH 值大于热启动测得的 kOH 值。kOH 的主要贡献来自氮氧化物 (55%)、一氧化碳 (2%) 和一次排放的挥发性有机物 (34%)。最后初步建立了一种利用 kOH 估算柴油车尾气碳氢化合物 (HC) 排放因子的方法。

针对D4114B型柴油机排放尾气中的CO2气体开展测量研究，计算分析气体的体积分数以及温度。文中以可调谐半导体激光器吸收光谱(Tunable Diode Laser Absorption Spectroscopy，TDLAS)技术原理为基础，利用MATLAB中SIMULINK库中的各个模块，模拟尾气测量的实际过程。仿真结果显示，在模拟柴油机排放环境下，待测量气体CO2的温度仿真相对误差为0.03%。利用船用D4114B型柴油机进行验证实验，在其排气管上增添可视化窗口并安装相应测试系统，利用以半导体为工作介质的可调谐激光器作为激光光源，开展尾气排放中CO2气体温度的在线测试研究，测试相对误差小于4%。由上述研究结果可知，本文中利用SIMULINK搭建的模型所测得的温度值与实际柴油机尾气排放过程中的温度相差较小，因此，其仿真结果能够对柴油机排气测温提供一定的参考。

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。