System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开涉及石油化工领域,具体地,涉及一种聚α烯烃含量的确定方法、装置、介质及设备。
技术介绍
1、聚α烯烃(pao)是一种具有特殊梳状或树杈状结构的链烷烃,其具有黏度指数高、倾点低、抗热氧化性能优良的特点,其作为合成润滑油的成分广泛应用于润滑领域。合成型润滑油的原料主要有各种α烯烃,例如,c4~c12的α烯烃,在催化剂的作用下通过聚和反应生成聚α烯烃。
2、目前,针对pao基础油中聚α烯烃的含量的分析,主流方法为气相色谱法,但是气相色谱法的分析速度较慢,无法满足在工业生产过程中对聚α烯烃的含量进行快速分析的需求,影响工业生产效率。
技术实现思路
1、本公开的目的是提供一种聚α烯烃的含量的确定方法、装置、介质及设备,以解决上述技术问题。
2、为了实现上述目的,本公开的第一方面提供一种聚α烯烃含量的确定方法,包括:
3、获取待测pao基础油的振动光谱,所述振动光谱包括中红外光谱、近红外光谱、拉曼光谱的多个;
4、针对每一所述振动光谱,对所述振动光谱进行波段提取,获得所述振动光谱对应的目标光谱;
5、基于每一所述目标光谱对应的光谱矩阵进行光谱融合,获得所述待测pao基础油的三维光谱矩阵;
6、根据所述三维光谱矩阵和预设的含量预测模型,确定所述待测pao基础油的聚α烯烃含量。
7、可选地,所述基于每一所述目标光谱对应的光谱矩阵进行光谱融合,获得所述待测pao基础油的三维光谱矩阵,包括:
8、对波
9、对各个所述目标光谱对应的最新的光谱矩阵按照所述目标光谱对应的光谱类别进行堆叠,获得所述三维光谱矩阵。
10、可选地,所述针对每一所述振动光谱,对所述振动光谱进行波段提取,获得所述振动光谱对应的目标光谱,包括:
11、针对每一所述振动光谱,对所述光谱进行预处理,获得处理振动光谱;
12、根据每一所述振动光谱对应的候选波段,将所述振动光谱对应的处理振动光谱中处于所述候选波段中的光谱进行提取,获得所述目标光谱。
13、可选地,所述预处理包括以下中的至少一者:
14、对所述振动光谱进行一阶微分处理、二阶微分处理、平滑处理、矢量归一化处理、标准化处理、均值中心化处理。
15、可选地,获取所述中红外光谱的波长范围为4000~650cm-1,获取所述近红外光谱的波长范围为10000~4000cm-1,获取所述拉曼光谱的波长范围为2500~100cm-1。
16、可选地,所述含量预测模型通过以下方式确定:
17、获取多个pao基础油样本,其中,每一所述pao基础油样本中包含训练pao基础油对应的训练振动光谱和所述训练pao基础油对应的训练聚α烯烃含量;
18、对所述pao基础油样本中的所述训练振动光谱进行波段提取,获得所述训练振动光谱对应的训练光谱;
19、基于每一所述训练光谱对应的光谱矩阵进行光谱融合,获得所述训练pao基础油的三维光谱矩阵;
20、根据多个所述训练pao基础油的三维光谱矩阵和所述训练pao基础油对应的训练聚α烯烃含量进行回归分析,以获得所述含量预测模型。
21、可选地,所述中红外光谱对应的光谱矩阵由所述中红外光谱的吸光度形成,所述近红外光谱对应的光谱矩阵由所述近红外光谱的吸光度形成,所述拉曼光谱的对应的光谱矩阵由所述拉曼光谱对应的散射强度形成。
22、本公开的第二方面提供一种聚α烯烃含量的确定装置,包括:
23、获取模块,用于获取待测pao基础油的振动光谱,所述振动光谱包括中红外光谱、近红外光谱、拉曼光谱的多个;
24、第一处理模块,用于针对每一所述振动光谱,对所述振动光谱进行波段提取,获得所述振动光谱对应的目标光谱;
25、第二处理模块,用于基于每一所述目标光谱对应的光谱矩阵进行光谱融合,获得所述待测pao基础油的三维光谱矩阵;
26、确定模块,用于根据所述三维光谱矩阵和预设的含量预测模型,确定所述待测pao基础油的聚α烯烃含量。
27、本公开的第三方面,提供一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本公开的第一方面所述方法的步骤。
28、本公开的第四方面,提供一种电子设备,包括:
29、存储器,其上存储有计算机程序;
30、处理器,用于执行所述存储器中的所述计算机程序,以实现本公开的第一方面所述方法的步骤。
31、通过上述技术方案,获取待测pao基础油的多个振动光谱,并针对每一个振动光谱,进行波段提取,获取每一个振动光谱对应的目标光谱,基于每一个目标光谱对应的光谱矩阵进行光谱融合,获得待测pao基础油的三维光谱矩阵,并根据三维光谱矩阵和预设的含量预测模型确定待测pao基础油的聚α烯烃含量。本方案根据多个振动光谱从不同维度预测待测pao基础油的成分信息,从而确定聚α烯烃的含量,提高预测聚α烯烃含量的准确性,并且操作简单,分析速度快,获取振动光谱的过程对待测pao基础油无损,对环境的影响小,提高pao基础油的生产的效率。
32、本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
本文档来自技高网...【技术保护点】
1.一种聚α烯烃含量的确定方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述基于每一所述目标光谱对应的光谱矩阵进行光谱融合,获得所述待测PAO基础油的三维光谱矩阵,包括:
3.根据权利要求1所述的方法,其特征在于,所述针对每一所述振动光谱,对所述振动光谱进行波段提取,获得所述振动光谱对应的目标光谱,包括:
4.根据权利要求3所述的方法,其特征在于,所述预处理包括以下中的至少一者:
5.根据权利要求1所述的方法,其特征在于,获取所述中红外光谱的波长范围为4000~650cm-1,获取所述近红外光谱的波长范围为10000~4000cm-1,获取所述拉曼光谱的波长范围为2500~100cm-1。
6.根据权利要求1所述的方法,其特征在于,所述含量预测模型通过以下方式确定:
7.根据权利要求1所述的方法,其特征在于,所述中红外光谱对应的光谱矩阵由所述中红外光谱的吸光度形成,所述近红外光谱对应的光谱矩阵由所述近红外光谱的吸光度形成,所述拉曼光谱的对应的光谱矩阵由所述拉曼光谱对应的散射强度形成。
...【技术特征摘要】
1.一种聚α烯烃含量的确定方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述基于每一所述目标光谱对应的光谱矩阵进行光谱融合,获得所述待测pao基础油的三维光谱矩阵,包括:
3.根据权利要求1所述的方法,其特征在于,所述针对每一所述振动光谱,对所述振动光谱进行波段提取,获得所述振动光谱对应的目标光谱,包括:
4.根据权利要求3所述的方法,其特征在于,所述预处理包括以下中的至少一者:
5.根据权利要求1所述的方法,其特征在于,获取所述中红外光谱的波长范围为4000~650cm-1,获取所述近红外光谱的波长范围为10000~4000cm-1,获取所述拉曼光...
【专利技术属性】
技术研发人员:陈瀑,戴嘉伟,褚小立,徐冰,苏朔,
申请(专利权)人:中国石油化工股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。