光谱化测量质量参数喷气式燃料

现代喷气机需要高质量燃料以确保最优引擎性能和安全性几架喷气式燃料质量参数典型测量,评估这些参数的参考方法涉及艰苦和昂贵的实验室测试

Image Credit: Shutterstock.com/NadezdaMurmakova

替代方法近红外光谱学提供快速环境友好化解决办法

后台

NIR光谱学可有效测量键式燃料质量参数,如Cetane索引#、API重力、Viscity、Aromatics和stillation

与传统实验室方法相比,光谱技术耗时较少,所需人工较少工序设置和实验室都可使用这些方法,为精化器提供灵活性。

通过将光谱方法输入生产过程,精化器能有效控制整个燃料生产过程的参数

文章侧重于应用过程透视TM硬件和软件工具使用光学近红外光谱测量各种喷气式燃料参数

GUIDWAVTMNIR-O进程光谱仪专为进程使用设计并包括多信道内置复用能力NIR光谱分析为传统方法提供了成本和省时替代方法,同时适用于过程和实验室环境

图像感知:过程透视-光吸谱

参考方法

每种质量参数都有一个标准实验室参考法,通常由ASTM定义

表1提供ASTM参考方法说明上下文描述的参数每种方法都配有可复制性统计,这些统计对比较NIR光谱法性能很有价值。

表1ASTM方法源码:进程透视-光吸视镜

表1ASTM方法源码:进程透视-光吸视镜

测量背景

电磁频谱内NIR区域包含从C-H、O-H和NH基本原理的公开带和组合带中获取的宝贵信息这些信息直接关联化学组成并允许定量定性分析

通过分析一系列有已知质量参数的喷气式燃料样本的NIR光谱,可开发量化模型模型允许完全基于NIR频谱测量未来样本

进程透视系统使用光学分析器,使采样探针位于远程位置,与分光计本身分离光测量探针直接嵌入过程流中,这种能力便于分析器应用过程设置

实验性

NIR多位喷气式燃料样本频谱(包括喷气A、JP8、JPS和A-1级)使用我们测量范围为1000至1600纳米NIR光谱.图1显示用1cm路长采样探针获取的代表性样本的吸收光谱

光谱范围为11100-1300纳米内有可归结为二色调的各种CH、CH2和CH3基础吸附带范围为1300-1550纳米,是CH、CH2和CH3组合带的结果

光谱特征可同时用于定量和定性方法学,因为燃料以油气为基础性质图2提供第二加调区域内带分配

使用NIR光谱和实验室参考数据建立单个量化标定模型

偏最小方块回归法广泛采用线性建模法,用于生成这些标定PLS允许多变量光谱数据整合为回归模型中的独立变量

PLS模型的长处是搭配大型多线性数据集并便利识别外部或异常样本的未来测量能力常作为扩展单个模型范围的一种手段

关于PLS和其他多变标定技术的深入探讨,请参考Martens Naes一号ASTME16552

喷气器光谱数据

图1喷气器光谱数据图像感知:过程透视-光吸谱

功能类

图2功能类图像感知:过程透视-光吸谱

表2模型精度源码:进程透视-光吸视镜

表2模型精度源码:进程透视-光吸视镜

结果

多变量标定方法,如PLS向用户提供对模型总体预测能力的宝贵洞见开发期间,这些方法提供一系列评价图,描述关键模型参数图3、4和5显示部分这些图

图3显示单样本标定分数,包括一组验证样本(未知样本)。这使用户能够评估标定法(红色芯片)描述未知样本(蓝芯片)有效度

Cetane示例中有一个高亮样本模型可能无法充分描述,可能表示异常值图4展示最终回归模型方程,向用户提供光谱数据中最重要的区域理解

模型还提供宝贵指导,防止模型超配并增加预测不确定性最后,图5比照测得的Cetane图展示预测Cetane图,包括标定模型样本和验证样本(未知样本)以及预测统计

图表帮助用户优化单参数多变量模型

喷气式燃料分析模型为每个参数创建并用于预测一套喷气式燃料验证样本(未知样本)。表2汇总结果,显示所有参数和接受ASTM参考法之间良好一致

分数

图3分数图像感知:过程透视-光吸谱

回归方程

图4回归方程图像感知:过程透视-光吸谱

图5预测对测距图像感知:过程透视-光吸谱

图5预测对测距图像感知:过程透视-光吸谱

结论

如下描述使用NIR光谱学测量喷气式燃料质量参数使用硬件和软件工具提供快速可靠的解决方案

这种方法大大减少对实验室样本采集的依赖,为复杂流多参数提供实时结果(秒内)。

参考并深入阅读

  1. H.马尔顿斯市Naes多变校准,JohnWileySons,1989年
  2. ASTME1655红外多变量化分析标准实践

亚博网站下载信息源码、审查并改编取过程透视-光吸谱拷贝提供的材料

详情请访问过程透视光吸附光谱

告诉我们你的想法

是否有复习更新或任何想添加到此文章中

留下反馈
批注类型
提交