近红外光谱分析技术在油品分析中的应用研究

在炼油过程中,通常需要对产品的关键品质比如汽油辛烷值、柴油十六烷值或润滑油粘度等进行在线监测。传统的实验室分析方法由于测定费用高,测量滞后大,而不适合实时在线分析。近红外(NIR)光谱分析技术是一种快速的无损分析技术,可用于对石油产品质量的在线实时分析。为此,本文对近红外光谱分析应用技术进行了比较深入的研究,具体包括以下几个内容: 1.通过大量的中外文献阅读,对近红外光谱分析技术及其在石油产品品质分析中的发展与应用研究做了一个较为系统完整的阐述,介绍了近红外光谱分析技术的原理及光谱预处理方法、多元校正建模方法和模型评价指标等技术以及近红外光谱技术在石油化工领域的应用现状。 2.介绍了近红外光谱分析中的偏最小二乘(PLS)和反向传播人工神经网络(BP-ANN)等校正方法,根据实际应用需要,开发了一个BP-ANN定量校正应用软件,该软件应用于近红外光谱分析技术中的油品分析,对于处理非线性问题具有较好的分析效果。 3.从炼油厂实际生产需要出发,选取分析频次较高的汽油样品85 个,用标准方法测定样品的辛烷值,采集其近红外光谱谱图,分别建立PLS 和BP-ANN 模型,并将这两种方法应用于汽油样品辛烷值的快速测定。研究表明,在1000～1800nm 波长范围内,近红外光谱技术用于预测汽油辛烷值中能以0.1 辛烷值单位的测量精密度和0.5 辛烷值单位的准确度预测出汽油辛烷值,所得的结果与标准的ASTM-CFR 辛烷值机测定的结果相一致。由于汽油的辛烷值与光谱信号之间的内在关系是非线性的,所以反向传播人工神经网络法(BP-ANN)所预测的结果要略好于偏最小二乘法(PLS)。与前人的研究相比较,BP 神经网络方法获得了更好的预测效果。 4.在用高分辨毛细管气相色谱(GC)法测定成品汽油单体烃组成的基础上,应用偏最小二乘(PLS)校正方法,建立了近红外光谱法(NIR)快速测定汽油族组成(饱和烃、烯烃和芳烃)的分析模型。并将NIR 测定结果与高分辨毛细管气相色谱(GC)法分析汽油单体烃的测定结果进行了比较。实验结果显示,近红外光谱预测结果与标准方法测定结果的标准偏差(SEP)符合标准方法再现性要求,t检