基于PLS-红外光谱的汽油辛烷值测定方法研究

辛烷值是反映汽油抗爆性的重要指标,现有的辛烷值测试方法具有分析周期长、测试成本高等缺点。本文以红外光谱法结合偏最小二乘法(PLS)建立了汽油辛烷值快速测定方法。实验采集了113个汽油样品的光谱数据,以研究法辛烷值(RON)测得的实际辛烷值为参数,建立了预测汽油辛烷值的PLS模型。结果表明:20个预测集的相关系数Rp^(2)为1.0184,预测均方根误差RMSEP为0.4639。说明此方法对汽油辛烷值具有较好的预测效果,且操作简单、分析速度快,具有一定的可行性。

基于便携式拉曼光谱的汽油快速识别模型

为实现汽油牌号和研究法辛烷值(RON)的快速现场检测,基于便携式拉曼光谱仪采集的113个汽油样品的光谱信号,采用主成分分析法和偏最小二乘法判别分析法(PLS-DA)分别建立了汽油牌号模型,采用偏最小二乘法建立了汽油RON快速预测模型。结果表明:在基线校正后的光谱数据基础上,经主成分分析并经求导处理后建模,样品分类正确率可达92.92%,而PLS-DA建模的正判率均在95%以上,对于92号、95号汽油的区分效果良好;基于偏最小二乘法的汽油RON快速预测模型的预测集相关系数为0.8927,预测均方根误差为0.6096,预测值与实际值具有较好的相关性。

ATR-FTIR结合化学计量算法快速识别汽油牌号

随着汽油用量的逐渐增多,出现了以低牌号汽油声称为高牌号出售的现象,因此需探究一种快速、准确的汽油牌号识别技术,以进一步加速加油站售卖汽油的检测工作。实验以113个汽油样品为分析对象,包含92#汽油样品67个,95#汽油样品46个,使用衰减全反射傅里叶变换红外光谱法(ATR-FTIR)采集光谱数据,再分别利用PCA算法、PLS-DA算法建立汽油牌号识别模型。结果表明:PCA模型能实现92#、95#汽油的大致区分,但两类样品距离较近,部分样品仍存在错误分布的现象;而PLS-DA模型以86个汽油样品为训练集,其中92#、95#汽油识别的正确率为99.22%,27个测试集的识别正确率为93.33%,且分类散点图中仅有一个显示分类错误,说明以PLS-DA算法建立的模型准确度更高,对于92#、95#汽油牌号具有更好的识别能力。