偏最小二乘-近红外光谱测定抚顺石油二厂汽油辛烷值

对来自抚顺石油二厂的汽油样品进行近红外光谱分析,使用偏最小二乘算法建立近红外谱图与辛烷值的关联模型.检测表明,用近红外光谱检测石油二厂汽油样品辛烷值的误差在标准方法规定的再现性要求之内,证明了用近红外光谱技术分析石油二厂汽油辛烷值的可行性.     

基于DMD哈达玛变换近红外光谱仪的汽油辛烷值检测

应用近红外光谱分析检测技术建立一种汽油研究法辛烷值的快速定量分析方法。收集来自不同地区共100个汽油样品,应用化学计量学方法建立近红外光谱原始数据信息与研究法辛烷值之间的定量分析模型,结果表明:对原始光谱进行归一化处理后,采用偏最小二乘回归建立数学模型,其校正集与预测集相关系数分别为0.9300和0.9322,校正集均方根误差与预测集均方根误差分别为0.6700和0.6577,表明模型准确可靠,可应用于汽油辛烷值的快速检测。     

近红外光谱法在快速测定汽油性质中的应用

在标准方法测定数据的基础上，运用化学计量学方法，建立了非成品汽油的辛烷值、芳烃、烯烃含量的近红外光谱校正模型，并用常规分析方法验证了模型的准确性和重复性。实验表明，近红外光谱法能在3～5min内快速、准确地一次测定非成品汽油的辛烷值、芳烃、烯烃含量。     

近红外光谱法测定汽油中的芳烃含量

研究了采用近红外光谱测定汽油中芳烃含量的方法,通过汽油单体分析法获得汽油中芳烃的基础数据。在1000～2000nm波长范围内,应用傅立叶变换近红外光谱仪,交互检验偏最小二乘法对使用的近红外光谱数据进行优化,所得校正模型对训练集样品预测的相对平均误差为0.42%,相关系数为0.9696。对未知样品将近红外预测结果与GC的测定结果进行比较,相对平均误差为0.45%。作为一种快速分析技术,近红外光谱测定汽油中芳烃含量是简便可靠的方法。     

基于拉曼技术的汽油辛烷值测定系统设计

汽油辛烷值的实时检测对生产高品质的汽油及控制调和装置具有重要意义。针对传统辛烷值检测方法的不足,设计了基于拉曼分析技术的汽油调和过程中辛烷值的测定系统。系统由拉曼光谱检测、汽油拉曼光谱数据的预处理、汽油辛烷值预测模型组成。实践证明,该辛烷值测定系统能够准确检测调和过程中汽油辛烷值,并实时显示调和过程中汽油拉曼谱图。     

近红外光谱技术在油品检测中的应用

油品在检测过程中,常需要对其如汽油辛烷值、汽油烃类含量、柴油十六烷值等指标进行检测,如果都在实验室进行专业分析的话,费用高且时效性不强。而近红外光谱技术就可以解决这一点,此方法可以对油品的部分项目进行实时检测,是一种快速、廉价、对样品没有损耗的方法。本文通过近红外光谱技术对汽油中烃类物质的分析检测,展示近红外光谱技术在油品分析中的具体应用。     

应用PLS及BP神经网络定量分析汽油中甲缩醛含量

建立了采用中红外方法测定汽油中甲缩醛含量的方法。通过实验室配比一定体积分数的甲缩醛-汽油混合物作为研究的基础数据,利用傅里叶红外光谱仪测定不同比例甲缩醛-汽油混合物的谱图,分别建立偏最小二乘法(PLS)和BP神经网络的中红外谱图分析的校正模型。其中偏最小二乘法甲缩醛定量模型的相关系数R2为0.975 3,预测均方根误差(RMSEP)为0.121;BP神经网络法甲缩醛定量模型的相关系数R2为0.974 2,预测均方根误差(RMSEP)为0.132。该方法是一种操作简便、快速可靠的分析甲缩醛含量的方法。     

NIRS法测定液碱中氢氧化钠含量的方法研究

采用酸碱滴定法来测量液碱中氢氧化钠含量作为原始数据,同时收集扫描近红外谱图,建立校正模型,最终建立了NIRS(近红外)测定液碱中氢氧化钠含量的方法。采用MSA和T检验验证了测量系统和对比数据的可靠性。NIRS具有分析速度快、无需前处理、不使用化学试剂的优点。快速高效的出具分析数据,更有利益服务于工艺,提高工艺生产效率。     

高分辨毛细管色谱测定汽油辛烷值的方法改进

采用国产高分辨毛细管气相色谱对汽油组成进行分离。按照各组分或者相关的组分组对汽油辛烷值的贡献, 将选定色谱条件下的汽油组分简化分为三组,对每组的总峰面积及与之相适应的三个相关系数进行回归及加合,以求得汽油的测定辛烷值。在不同标号的汽油测定实验中,测定辛烷值的绝对误差小于等于0. 5个辛烷值单位,分析准确度满足要求。     

近红外漫反射光谱法快速测定混合炸药中HMX的含量

建立了近红外漫反射光谱快速测定混合炸药中HMX含量的新方法。以不同谱图预处理方法与扫描谱区各波段的组合建立了HMX的定量校正模型,并通过模型内部交互验证和外部检验确定最优模型的交互验证相关系数R为0.9709,交叉验证均方根误差RMSECV为0.551%,预测标准偏差SEP为0.294%,表明所建模型具有较好的可靠性和稳健性。     

基于拉曼分析技术乙醇汽油辛烷值快速测定研究

车用乙醇汽油是通过在基础汽油中掺入一定比例的乙醇调和而成。在调和过程中由于其辛烷值波动较大,因此实时准确地检测汽油的辛烷值对生产高品质的汽油具有重要意义。基于拉曼分析技术汽油辛烷值在线监控系统能够适时监控乙醇汽油中各个组分变化,并给出对应的拉曼分析曲线;利用化学计量学方法结合Lambert-Beer定律,在检测到的数据和采用标准方法测得的属性数据之间建立关联分析模型,并用于乙醇汽油辛烷值的快速预测,指导实际调和过程。实践证明相对传统的检测手段,该系统具有测试速度快、分析时间短、检测费用低、经济效益高等特点。     

加氢脱硫和溶剂抽提组合技术生产 清洁汽油应用情况

为了生产出符合国标的清洁汽油,降低汽油中有害物质硫含量,同时减少汽油辛烷值RON损失,清江石化采用了中国石油化工股份有限公司石油化工科学研究院开发的溶剂抽提-选择性加氢脱硫组合技术,通过此技术在一定的操作条件下处理清江石化高含硫、高烯烃催化裂化汽油,达到汽油中硫质量分数≯10μg/g,产品的辛烷值RON损失不大于1. 8个单位。     

MMT(汽油抗爆剂)感受性研究

本文介绍了无铅汽油添加剂MMT的性能和在国内的应用情况,并进行了MMT感受性测试。对油样的辛烷值感受数据及每种组合下的辛烷改进成本评估。     

高效汽油辛烷值促进剂SHD-T的性能评测

以陕西某大型炼油厂基础油作为空白油样,加入2%的高效汽油辛烷值促进剂SHD-T进行调和,可使得催化裂化、重整汽油和调配油的研究法辛烷值(RON)分别提高5.0,4.1,4.8个单位,可有效提高汽油的氧化安定性和汽油机的动力特性,且对油品的其它理化指标无影响;添加SHD-T调和后的汽油可完全满足GB 17930—2011车用汽油等标准的要求,与市售93#汽油相比,汽油机排放尾气中的CO、碳氢化合物可平均下降6.2%,18.6%。     

NIRS法测定水性胶黏剂的不挥发物含量的方法探究

扫描水性胶黏剂的近红外谱图,同时采用烘箱法收集其不挥发物含量(固含量)作为原始数据,建立校正模型,最终建立了NIRS(近红外)测定水性胶黏剂中不挥发物含量的方法。采用MSA验证了测量系统可靠性,正态分布和T检验证明了两种方法之间没有显著差异。NIRS具有8 min出具分析结果和无需前处理的优点。快速、高效的出具准确的数据,这就很有利于工艺的生产调整,能更好的服务于生产。     

基于近红外光谱的汽油辛烷值在线分析仪

介绍自主开发研制的汽油辛烷值近红外(NIR)光谱在线分析仪。该分析仪包括NIR光谱在线测量、光谱预处理与实时建模等部分。对于原始的NIR光谱数据,采用多项式卷积算法进行光谱平滑、基线校正和标准归一化;通过模式分类与偏最小二乘进行实时建模。该分析仪已成功应用于某炼油厂重整反应器液相产物的辛烷值在线分析。     

FCC汽油加氢改质催化剂及改质工艺

研究开发出了适于FCC汽油加氢改质的选择性加氢脱硫催化剂和辛烷值恢复催化剂,并在300 mL绝热装置上,分别以全馏分FCC汽油或切割后的重馏分FCC汽油为原料,进行了FCC汽油加氢改质工艺的系统研究,结果表明：单独采用辛烷值恢复工艺或辛烷值恢复-选择性加氢脱硫组合工艺不能完全满足FCC汽油加氢改质的要求;而单独采用选择性加氢脱硫工艺或选择性加氢脱硫-辛烷值恢复组合工艺可以满足全馏分FCC汽油或切割后重馏分FCC汽油加氢改质的要求。将全馏分FCC汽油切割后进行加氢改质可以得到硫含量更低的改质产品或直接生产符合国Ⅳ标准的清洁汽油。     

提高催化裂化汽油辛烷值方法的研究进展

辛烷值是汽油质量的主要指标之一,提高汽油辛烷值,生产高品质汽油是炼油工业的重要任务。文章综述了提高催化裂化汽油辛烷值方法的研究进展,包括优化催化裂化装置操作条件、添加汽油辛烷值促进剂及采用新工艺技术等,对提高催化裂化汽油辛烷值方法的研究方向进行了展望。     

MTBE装置硫含量偏高的处理方法

MTBE即甲基叔丁基醚,溶点-109℃,沸点55．2℃,是一种无色、透明、高辛烷值的液体,具有醚样气味,是生产无铅、高辛烷值、含氧汽油的理想调合组分,作为汽油添加剂已经在全世界范围内普遍使用。它不仅能有效提高汽油辛烷值,而且还能改善汽车性能,降低排气中CO含量,同时降低汽油生产成本。另外,MTBE还是一种重要化工原料,如通过裂解可制备高纯异丁烯。     

近红外光谱法快速筛查减肥类保健品中的咖啡因

用近红外光谱法建立了一种减肥类保健品中咖啡因的快速筛查方法。以15种市售减肥类保健品为研究对象,采用甲醇萃取,采集萃取液的近红外透射光谱图,利用TQ Analyst 9. 0软件,采用化学计量学的判别分析法建立了减肥类保健品中咖啡因的快速筛查模型。用此模型检测了10种市售减肥类保健品,结果表明,含咖啡因的阳性样品、阴性样品识别正确率都为100%,误判数为0。