基于中红外光谱技术的新润滑油与废润滑油鉴别研究

对中红外光谱快速鉴别新润滑油和废润滑油的方法进行了研究。收集了116个新润滑油样和32个废润滑油样,并随机抽取其中的81个新润滑油样和18个废润滑油样作为建模集,剩余的油样作为预测集。采用主成分分析法对建模集的中红外光谱数据进行变量筛选,建立了偏最小二乘法快速鉴别模型。该模型预测集的相关系数(r)和预测误差均方根(RMSEP)分别为0. 94445和0. 16551,鉴别率为98%。说明该方法具有很好的预测效果。     

介电谱技术评价柴油的润滑性能

 根据高频往复试验机测定的柴油样品的校正磨斑直径数据,建立了介电谱技术快速预测柴油润滑性能的模型。根据数据预处理的不同,分别建立了采用全谱数据筛选的模型1和小波分析数据预处理的模型2,考察了两模型预测结果的差别。结果表明,将介电谱数据进行3层“db1”小波分解,取其第3层高频系数建立的模型2的预测效果最为理想,预测结果与高频往复试验结果吻合较好,符合其再现性要求。     

近红外光谱检测润滑油运动黏度方法的建立及应用

在石化炼油厂日常检测中引进近红外光谱技术,将近红外透射光谱与间隔偏最小二乘法(iPLS)相结合,建立一种装置机组润滑油试样运动黏度的快速检测方法。收集140个石化炼油厂各装置的机组润滑油试样的近红外透射光谱,利用iPLS方法进行建模变量选择。全波长建模的决定系数(R²)为0.815,预测均方根误差(RMSEP)为0.26 mm²/s; iPLS变量选择后的R²为0.898,RMSEP为0.17 mm²/s。结果表明：通过变量选择可以良好地提升模型的检测精度,相对于全波长来讲通过iPLS法进行建模变量的选择可以更大地降低检测误差,提高检测精度。     

基于Keras的神经网络技术在柴油超深度加氢精制中的应用

采用高通量反应装置,在温度300~360 ℃、压力4.4~7.4 MPa、体积空速0.75~12 h^-1、氢油体积比200~800的条件下,使用不同柴油原料对NiMo/Al₂O₃,CoMo/Al₂O₃,NiMoW/Al₂O₃共3种催化剂进行性能评价。采用基于Keras的神经网络技术建立了适用于3种不同催化剂的柴油超深度加氢精制模型,实现了柴油产物中硫质量分数（WS）、氮质量分数（WN）、单环芳烃质量分数（WMA）和多环芳烃质量分数（WPA）的预测。结果表明,所建模型具有良好的预测性能和泛化能力,对WS和WN预测的平均相对误差均在10%以内,对WMA和WPA预测的平均相对误差分别在3%和6%以内。使用所建模型同时对3种催化剂适用的工艺条件进行了优化,在满足国Ⅵ柴油质量标准对WS及WPA的要求下,确定了不同催化剂适用的工艺条件范围。     

润滑油黏度可见/近红外光谱快速无损检测方法

 提出了一种应用可见/近红外光谱技术进行汽车润滑油黏度快速无损检测的新方法。对150个润滑油样本进行光谱扫描和平滑、变量标准化等预处理,比较了不同建模方法的检测精度。采用主成分分析法(PCA)和连续投影算法(SPA) 2种方法提取的特征变量作为模型输入变量,分别建立了偏最小二乘模型(PLS)、多元线性回归模型(MLR)和人工神经网络模型(BPNN)。结果表明,PCA-BPNN和SPA-BPNN模型的预测效果远优于其它模型(PCA-PLS、PCA-MLR、SPA-PLS和SPA-MLR),预测相关系数(r)分别为0.971和0.964。表明BPNN模型可以很好地利用光谱数据中的非线性信息,同时也表明SPA是一种有效的特征波长提取方法,选取的特征波长有利于汽车润滑油黏度快速检测仪器的开发。     

柴油十六烷值快速分析技术研究

基于上千个柴油样本建立了测定柴油十六烷值的近红外光谱数据库,采用一次性空瓶解决了光谱快速采集的问题,通过向数据库中添加少量样本的方式改进了模型在某石化企业的适用性,通过偏最小二乘法、支持向量机法和最小二乘支持向量机法将不同类型的柴油建立了统一的分析模型,并比较了不同算法建模的准确性。结果表明：使用PLS,SVM,LSSVM算法建立的校正模型对柴油样本十六烷值的预测标准偏差分别为1.6,1.4,1.3,满足快速评价要求。本研究节约了建模成本,减少了数据库的维护工作量。     

柴油调合人工神经网络模型研究

根据某炼油厂所提供的柴油调合凝点和冷滤点基础数据 ,用人工神经网络的反向传播方法进行建模预测。提出了人工神经网络适宜的拓扑结构 ,通过生产数据的检验 ,证明了用该方法建立的柴油调合模型能有效地给出预测信息。研究表明 ,凝点预测绝对值平均误差为 1.0 5℃ ,冷滤点预测绝对值平均误差为 0 .91℃ ,较常用的调合系数模型、指数关联模型和凝点换算因子模型 ,能更准确地预报调合柴油的凝点和冷滤点。     

油气田产量预测模型的理论研究和应用

分析了Arps递减模型的递减特征和Weibull预测模型在递减阶段的递减特征,提出了一种预测油气田产量的通用模型:Q_t=at^q-1/(1+pbt^q)^1/p,当q=1时,该模型可简化为Arps递减模型;当p→0时,该模型又可简化为Weibull模型。该模型可用以描述开发全过程的产量变化规律和递减率变化规律,因此,适用于各类油气田产量的预测。     

近红外光谱测定柴油十六烷值

采用傅立叶变换近红外光谱技术与偏最小二乘方法结合测定柴油的十六烷值。讨论了训练集体本光谱范围的选择,光谱预处理方法最佳主因子数的选择。近红外光谱技术测定的与标准方法测定的结果有良好的相关性。采用不同的校正模型测定了催化裂化柴油馏分,成品柴油等不同类型样品的十六烷值。     

不同预处理工艺对聚硅纳米材料增注效果的影响研究

为了进一步提高聚硅纳米材料对低渗注水井的降压增注效果,通过吸附润湿实验考察了不同预处理方式对聚硅纳米材料在岩石表面吸附的影响,同时通过岩心流动实验研究了碱化、酸化、碱化+酸化预处理工艺与纳米处理组合工艺对低渗岩心的改善效果,实验结果表明,采用碱化+酸化预处理后再进行纳米处理的增注效果最好,处理后的最终渗透率与初始渗透率比值K_2/K_0可达6.07;该处理工艺在现场实施了5井次,效果良好,平均单井降压幅度达9.7 MPa,平均单井增注3 819 m~3,平均有效期超过7个月仍继续有效。     

基于物理模型驱动的机器学习方法预测超临界二氧化碳管道最大泄漏速率

碳捕集与封存(CCS)项目中涉及的大规模CO₂适合采用超临界管道输送。然而超临界CO₂管道泄漏过程伴随着复杂相变,因此对其最大泄漏速率进行准确预测是目前的研究难点。鉴于传统物理模型方法存在建模复杂、假设过多、计算耗时等缺点,研究提出通过机器学习方法预测超临界CO₂管道最大泄漏速率,分别采用粒子群算法优化的支持向量机(PSO-SVM)和简化处理的卷积神经网络(CNN)对等熵阻塞泄漏模型所生成的泄漏特征数据进行学习,并测试了机器学习模型的预测准确率和泛化能力。研究结果表明：(1)物理模型、PSO-SVM、CNN的预测结果与实验数据的平均误差为28.82%;(2)两种机器学习模型预测精度相差不大,CNN的训练时间远短于PSO-SVM,但PSO-SVM的泛化能力强于CNN,因此,SVM适用于小样本数据精确预测,而CNN更适用于对大数据的学习和预测。本研究成果为超临界CO₂管道最大泄漏速率预测提供了一种高效的新方法。     

井下混合流体光谱在线分析技术研究

地层流体光谱实时分析技术通过光谱学原理对地层流体进行在线测量,可为地层流体取样提供重要参考依据。针对取样过程中出现的水基泥浆对地层原油污染的情况,提出一种基于近红外光谱分析技术的油水比在线测量方法。通过对3组不同的光谱预处理方式的建模效果进行分析和对比,证明了采用校正后连续光谱进行偏最小二乘法回归建模能够更准确地预测混合流体流经光学窗口时的含油比率。     

聚甲氧基二甲醚合成反应机理及动力学研究进展

适宜聚合度的聚甲氧基二甲醚(PODE_n)是一种绿色环保的新型柴油添加剂,其物化性质与柴油相近,可提高柴油十六烷值和润滑性能,并有效减少尾气中颗粒物排放。不同反应原料下动力学模型的建立及反应机理的探究是PODE_n合成过程中的重点和难点。本文对PODE_n合成反应机理及动力学研究近况展开综述,并对其未来发展方向提出展望。     

拉曼光谱参数在不同成熟度煤显微组分分析中的应用

激光拉曼光谱在显微组分分析中已显示出良好的应用前景。对不同成熟度（R_o为0.49%～1.88%）煤样中的不同显微组分（镜质体、半丝质体、粗粒体）进行拉曼光谱分析后发现,不同显微组分的拉曼光谱参数存在明显差异,这在煤显微组分分析中有以下应用:（1）利用拉曼光谱参数组合可区分煤样中的显微组分,该研究中可区分的参数组合达21种,它们均可作为区分此类显微组分的参考标准;（2）可区分煤样中显微组分的参数组合中最关键的参数是峰位移W_D1,使用时需考虑热演化程度影响,这可能对下古生界处于高—过成熟阶段且光学性质逐渐趋同的显微组分差异研究提供帮助。因此拉曼光谱参数可作为显微组分分析的一种有效方法。      

CuOx/CNTs催化剂上丙烯氧气环氧化反应

以尿素为沉淀剂,通过均相沉积 沉淀法合成了CuO/CNTs(CNTs即碳纳米管)复合材料,对CuO/CNTs在不同气氛和温度下进行预处理;并采用X射线衍射(XRD)和透射电子显微镜(TEM)对预处理后的CuO_x/CNTs催化剂的物相结构、微观形貌和粒径大小进行了表征,发现不同预处理方式可以控制Cu物种的价态分布;然后详细研究了Cu物种的价态对CuO/CNTs催化丙烯氧气环氧化反应性能的影响。结果表明：随着N₂预处理温度升高,Cu²⁺物种逐渐被CNTs还原为Cu⁺物种, Cu⁺物种进一步被还原为Cu⁰物种,但是由于CNTs的限域效应,Cu物种的形貌和粒径大小几乎没有发生变化;CuO_x/CNTs的丙烯环氧化反应活性随着N₂预处理温度的升高先增加后降低,当N₂预处理温度为350 ℃时,Cu⁺物种含量最高,此时环氧丙烷的形成速率最大;CuO_x/CNTs催化剂上丙烯环氧化反应活性的变化趋势与Cu⁺物种含量的变化趋势完全一致,Cu⁺物种最有利于环氧丙烷的生成,有可能是CuO_x/CNTs催化剂上丙烯氧气环氧化反应的活性中心。     

基于SPCA降维的轻质燃料油分类拉曼光谱鉴别方法

为实现轻质燃料油分类快速检测，采集不同产地的0号车用柴油、3号喷气燃料、92号汽油、95号汽油、98号汽油共5种500个轻质燃料油样本的拉曼光谱；依次利用归一化算子、Savitzky-Golay平滑卷积算子（SG）、自适应迭代惩罚最小二乘算子（airPLS）对原始拉曼光谱进行预处理；采用稀疏主成分分析法（SPCA）对预处理之后的特征成分变量进行降维，进而采用不同方法构建分类模型，对轻质燃料油样本进行分类。结果表明：对拉曼光谱预处理能够有效消除背景噪声干扰，有助于提升分类模型的准确率；采用稀疏主成分分析-支持向量机（SPCA-SVM）方法构建的分类模型对轻质燃料油分类鉴别效果最好；将以SPCA-SVM方法构建分类模型区分95号汽油和92号汽油与95号汽油的混合汽油，当混合汽油中92号汽油体积分数在15%以上时，取得了良好的识别分类效果。     

红外光谱结合化学计量学方法快速测定在用航空润滑油的酸值

研究采用傅里叶红外光谱快速测定在用航空润滑油酸值的方法。对光谱预处理方法进行研究,确定了S-G平滑和一阶导数的窗口宽度分别为19点和17点。在酸值相关基团分析的基础上,通过对比在用油和新油,确定了建模的光谱区间分别是3 597~3 202cm-1、2 600~2 250cm-1、920~800cm-1。比较了偏最小二乘(PLS)法和神经网络(BP-ANN)法两种方法建立校正模型的效果,PLS模型的校正标准偏差(SEC)为0.004,预测标准偏差(SEP)为0.005。对PLS分析模型进行准确度分析,满足t检验的要求。研究结果表明,红外光谱法可准确测定在用航空润滑油的酸值,具有快速、无污染的特点。     

费托合成钴基催化剂颗粒内的传递反应行为分析

基于费托合成钴基催化剂反应动力学模型,建立了针对费托合成复杂多重反应体系的多组分扩散-反应的颗粒数学模型,以此为基础,考察了费托合成体系中催化剂颗粒尺寸、操作条件及反应物在颗粒内的传递反应行为等对费托合成反应性和产物选择性的影响。结果表明,对于毫米级钴基催化剂,费托合成反应主要发生在催化剂颗粒的外部壳层,0.2R_p～0.3R_p厚度区域(R_p为催化剂半径),低碳烃较易在催化剂颗粒内部产生,重质烃则易在催化剂颗粒表面产生,催化剂内部温升为0.0534℃,不会造成催化剂烧结。升高温度和增大颗粒尺寸抑制烃类产物的链增长,增大压力则有利于产物碳链的增长和重质烃的生成。工业用固定床钴基催化剂颗粒采用圆柱形Φ2×2～Φ4×4 mm(直径×高)最为适宜,CO内扩散有效因子范围为0.15～0.30。     

活性炭基吸附剂脱除FCC柴油中硫的研究

用等体积浸渍法制备了过渡金属活性炭基脱硫剂，采用动态吸附法对脱硫剂的脱硫性能进行评价。结果表明，负载过渡金属的活性炭基吸附剂对FCC柴油中的硫有较好的脱除效果。当活性组分负载量为4．0％、脱硫温度为80℃、空速为2．0h^-1油剂比为1．0时，脱硫剂的脱硫率可达46．89％；活性炭经硝酸预处理后负载活性组分，其脱硫性能明显提高，脱硫率最高可达59．73%；活性炭基吸附剂主要脱除了柴油中加氢脱硫难以脱除的二苯并噻吩及其衍生物。     

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。