北京赛车app|北京赛车直播
研究油中微量水分的近紅外光譜測定策略-自考論文
  • 研究油中微量水分的近紅外光譜測定策略-自考論文:研究油中微量水分的近紅外光譜測定策略-自考論文
  • 文章片段: 研究油中微量水分的近紅外光譜測定策略-自考論文內容:研究油中微量水分的近紅外光譜測定策略-自考論文理工論文

研究油中微量水分的近紅外光譜測定策略-自考論文

摘要:近紅外光譜分析技術作為一種快速、無損、安全、環保的分析技術,在石油化工領域有著廣泛的應用和發展前景。油品水分檢測是油品基礎性能檢測的重要指標,油中水分污染物的存在會加速油品各項性能的劣化,降低設備的使用壽命,對設備的正常運行構成嚴重威脅。常規的油品水分檢測方法由于操作復雜,用時長,受環境影響大,副反應多試劑有毒等原因,不能滿足大多數用戶要求在線快速檢測油品水分的需求。本課題正是基于這一現狀,采用現代近紅外光譜技術,結合化學計量法和計算機技術,對油中水分含量進行了檢測,旨在為油品水分檢測提出一種快速無損的適合在線檢測的定量分析方法。本文首先介紹了近紅外光譜技術的特點及理論基礎,包括近紅外光譜技術的工作原理、數學原理及定量分析的基本定律。介紹了近紅外光譜分析技術的常用光譜預處理方法及光譜信息的優化方法;采用向柴油中注射微水的方法配置建模所需的油樣,使用超聲波使油水迅速達到均相,然后利用近紅外光譜儀測定其近紅外光譜;對原始光譜數據進行預處理時主要利用一階微導數算法去除光譜數據的基線漂移,然后采用集合經驗模分解(EEMD)的方法去除光譜中的噪聲,原始光譜數據經過集合經驗模分解為九個本征模態函數(IMF),經過研究得出在去掉第一層和第八層固有模態函數的情況下,對原始光譜數據的降噪處理是最佳的;利用MATLAB軟件,采用最小二乘支持向量機(LS-SVM)建模的方法對柴油中的微量水分建立了預測模型,研究表明,原始光譜在經過EEMD分解后所建模型取得了很好的預測結果;利用MATLAB軟件,采用關聯向量機建模(RVM)的方法對柴油中的微量水分建立了預測模型,研究表明,RVM比LS-SVM的建模效果要好,RVM結合EEMD分解后所建模型將會取得最佳的預測結果。 關鍵詞:油中水分 近紅外光譜 集合經驗模態分解 最小二乘支持向量機 關聯向量機
本文由http://www.luhu-vip.com整理提供,需要論文可以聯系****人員哦。
  • 摘要4-5
  • Abstract5-7
  • 1 緒論7-19
  • 1.1 本文研究的目的和意義7
  • 1.2 油品中水分存在的危害及檢測方法7-10
  • 1.3 近紅外光譜技術理論基礎及研究進展10-17
  • 1.4 本文的主要內容17-19
  • 2 柴油中水分污染物的近紅外光譜檢測方法研究19-33
  • 2.1 實驗材料19
  • 2.2 實驗內容19-22
  • 2.3 光譜數據的預處理22-31
  • 2.4 本章小結31-33
  • 3 基于最小二乘支持向量機的油中水分近紅外光譜建模方法33-41
  • 3.1 最小二乘支持向量機算法概述(LS-SVM)33-36
  • 3.2 基于 LS-SVM 的近紅外光譜建模36-39
  • 3.3 結果與討論39-40
  • 3.4 本章小結40-41
  • 4 基于關聯向量機的油中水分近紅外光譜建模方法41-49
  • 4.1 關聯向量機算法概述(RVM)41-44
  • 4.2 基于 RVM 的近紅外光譜建模44-47
  • 4.3 結果與討論47-48
  • 4.4 本章小結48-49
  • 5 結論與展望49-51
  • 5.1 結論49
  • 5.2 展望49-51
  • 參考文獻51-54
  • 附錄 A54
  • 附錄 B54-55
  • 致謝55
  • 文章片段:
  • 論文介紹
    • 請問論文費用是多少?

      具體費用是綜合您的論文具體要求來定的!請將你的論文要求告訴我們的****人員,****1**:******** ****2**:******** 。
    • 請問論文的質量如何?

      我們的****團的****都是研究生還有導師,都是長期論文的專業****,保證高質量和原創******,所以文章的質量可以完全放心。
    • 請問論文如何付款?

      為保證客戶與我們的共同利益,我們一律采用分部付款模式,不需一次性付款。
    • 請問論文安全嗎?

      多年來我們都是嚴格保密,恪職敬業,絕不泄露客戶的任何信息。
    北京赛车app kk棋牌游戏大厅 娱乐城加22760047 足球直播 幸运365app能信吗 微信捕鱼达人h5弹头怎么打 山西快乐十分前三组遗漏查询 澳洲幸运5开奖网站 贵州11选5一定牛 双色球蓝球号码连续出过多少期 扑克牌技巧