详情

原文传递一种基于拉曼-近红外光谱融合技术快速检测甲醇汽油甲醇含量的方法

专利名称：	一种基于拉曼-近红外光谱融合技术快速检测甲醇汽油甲醇含量的方法
摘要：	本发明公开了一种基于拉曼‑近红外光谱融合技术快速检测甲醇汽油甲醇含量的方法，该方法利用激光拉曼光谱仪和傅里叶变换红外光谱仪对若干甲醇汽油样品进行光谱数据采集，将获得的甲醇汽油样品拉曼光谱与近红外光谱采用归一化方法处理后进行光谱数据融合，将融合后的光谱采用小波变换进行预处理，然后将经过小波变换预处理后的光谱数据以2：1的比例划分为校正集和预测集，采用五折交叉验证对校正集光谱进行计算，寻找模型最优潜变量，然后以此建立偏最小二乘校正模型，用于预测集甲醇汽油样品中甲醇含量的预测。本发明为甲醇汽油品质检测提供有力的理论基础以及技术支持，同时，也为石油化工领域其他指标的分析检测提供一定的技术参考。
专利类型：	发明专利
国家地区组织代码：	陕西;61
申请人：	西安石油大学
发明人：	李华;李茂刚;薛佳;陈博阳;杜瑶
专利状态：	有效
申请日期：	2019-07-29T00:00:00+0800
发布日期：	2019-10-22T00:00:00+0800
申请号：	CN201910690408.9
公开号：	CN110361373A
代理机构：	西安通大专利代理有限责任公司
代理人：	李红霖
分类号：	G01N21/65(2006.01);G;G01;G01N;G01N21
申请人地址：	710065 陕西省西安市电子二路东段18号
主权项：	1.一种基于拉曼-近红外光谱融合技术快速检测甲醇汽油甲醇含量的方法，其特征在于，包括以下步骤：步骤一、利用激光拉曼光谱仪和傅里叶变换红外光谱仪分别对甲醇、汽油和若干含有不同预设体积分数甲醇的甲醇-汽油混合物样本进行光谱数据采集；步骤二、激光拉曼光谱仪采集的拉曼光谱数据和傅里叶变换红外光谱仪采集的近红外光谱数据采用归一化方法进行处理，将处理后的数据进行融合；步骤三、将融合后的数据采用小波变换进行预处理；步骤四、将经过预处理的数据划分为校正集和预测集，采用校正集作为输入变量构建偏最小二乘校正模型，并对小波变换进行优化，对小波变换进行优化时，优化小波变换的小波基函数和小波分解层数；步骤五、将经过优化的小波变换处理后的数据作为输入变量构建偏最小二乘校正模型，采用五折交叉验证计算获得偏最小二乘模型的最优潜变量；步骤六、利用步骤五中得到的偏最小二乘模型的最优潜变量建立基于拉曼-近红外光谱数据融合的偏最小二乘校正模型，利用偏最小二乘校正模型预测步骤五中预测集的甲醇-汽油混合物样本的甲醇含量，实现对偏最小二乘校正模型的训练；步骤七、对于待测甲醇含量的甲醇汽油，先进行步骤一至步骤三，然后将得到的数据输入步骤六得到的偏最小二乘校正模型，得到甲醇含量。 2.根据权利要求1所述的一种基于拉曼-近红外光谱融合技术快速检测甲醇汽油甲醇含量的方法，其特征在于，步骤三中，采用小波变换对融合后的数据进行预处理时，采用的小波基函数为db1、db2、db3、db4或db5，小波分解层数范围为1-7。 3.根据权利要求1所述的一种基于拉曼-近红外光谱融合技术快速检测甲醇汽油甲醇含量的方法，其特征在于，步骤四中，将经过小波变换处理后的数据划分为校正集和预测集时，预测集样本应均匀的分布于所设的梯度范围内，且校正集和预测集数据比例为2：1。 4.根据权利要求1所述的一种基于拉曼-近红外光谱融合技术快速检测甲醇汽油甲醇含量的方法，其特征在于，步骤四中对小波变换进行优化时、步骤五中计算获得偏最小二乘模型的最优潜变量时以及步骤六中对偏最小二乘校正模型进行训练时，均以偏最小二乘校正模型的决定系数和均方根误差作为偏最小二乘校正模型预测性能的评价指标。 5.根据权利要求1所述的一种基于拉曼-近红外光谱融合技术快速检测甲醇汽油甲醇含量的方法，其特征在于，步骤一中，激光拉曼光谱仪进行光谱数据采集时，光谱范围设置为0-2000cm-1，激光器功率为300mW；采用傅里叶变换红外光谱仪进行光谱数据采集时，光谱范围设置为4000-12000cm-1，分束器选用CaF2；激光拉曼光谱仪和傅里叶变换红外光谱仪进行光谱数据采集时的环境温度为15～18℃。 6.根据权利要求1所述的一种基于拉曼-近红外光谱融合技术快速检测甲醇汽油甲醇含量的方法，其特征在于，步骤一中，甲醇-汽油混合物样本的个数不低于49个，在进行光谱数据采集时，每个甲醇-汽油混合物样本随机挑选5个测试点，每个测试点采集5条光谱数据并求平均值，每个甲醇-汽油混合物样本获得5条拉曼光谱数据和5条近红外光谱数据。
所属类别：	发明专利