柴油具有热效率高、动力性能好的优点,是使用最为广泛的石油产品之一,但柴油品质标准检测方法速度慢、成本高、过程复杂,阻碍了国内柴油提炼工艺的进步,品质不佳的柴油排放出颗粒物严重地污染了城市环境。柴油光谱检测技术发展迅速,但由于柴油内部结构基团复杂多变,烃类基团、物性指标与光谱数据的关联要素之间存在大量复杂非线性耦合关系,光谱特征峰重叠严重,极大影响了柴油品质光谱检测模型稳定性和普适性,从而限制了在线检测的推广应用,本文正是针对以上瓶颈问题开展研究的。论文主要工作和成果如下:(1)构建了按光谱对物性参数贡献度修正的表征因子加权模型,提高了柴油品质光谱定量分析模型的稳定性和普适性。柴油内部结构烃类基团众多,其物性指标与光谱数据的关联耦合复杂,特征峰重叠严重。根据柴油基团归属带建立柴油品质的表征因子相关模型,解析柴油品质关联烃类基团与物性参数的光谱响应特性,构建按光谱对物性参数贡献度修正的表征因子加权模型,将基团响应光谱和优选特征光谱加权融合后输入至非线性预测模型。与未考虑基团响应光谱的传统模型相比,加权融合后的柴油十六烷值和胶质含量定量分析模型精度得到显著提高,决定系数R~2分别从0.745、0.610提升至0.927、0.821,预测均方根误差RMSEP从1.7846、4.02减小至0.891、0.155,提高柴油品质光谱定量分析模型稳定和普适性。(2)构建了柴油运动粘度和硫含量的特征波长选取和预测非线性核函数模型,解析了烃类基团、物性指标与光谱数据的耦合关系,提高了测量速度和预测精度。构建了基于潜在变量(LVs)选取运动粘度特征波长的最小二乘-支持向量机(LS-SVM)预测非线性模型,LVs-LS-SVM柴油运动粘度预测模型的R~2=0.8359,RMSEP=0.317。并针对柴油硫含量与光谱数据高度非线性相关,难以找到相关峰值准确归属波长的问题,构建柴油硫含量随机青蛙(RF)特征选取和LS-SVM定量分析模型,模型的相关参数R~2、预测均方根误差RMSEP分别为0.97、0.0023。潜在变量和随机青蛙优选的变量数均为14个,只有原始变量的3.49%,在不损失预测精度的前提下,极大地精简模型,实现油品的快速测量。LS-SVM非线性核函数参数利用网格搜索法确定,将烃类基团、物性指标与光谱数据的非线性耦合关系分解为高纬度空间的线性问题,提高了预测精度。(3)构建了基于中红外光谱特征波段的醇类柴油的分类识别模型和醇含量定量预测模型,为解决醇类助溶于柴油后特征峰严重重叠的问题提供了新方案。针对醇类助溶于柴油后特征峰的峰位发生位移,其近红外光谱谱带重叠严重的问题,基于中红外光谱特征波段,建立了主成分分析-极限学习机(PCA-ELM)醇类分类识别模型和竞争性自适应重加权-连续投影-极限学习机联合算法(CARS-SPA-ELM)的醇含量定量分析方法。PCA-ELM识别两类型醇类柴油精度达到100%,对于甲醇柴油,醇含量预测评估参数R~2、RMSEP分别为0.9769、1.2450,对于乙醇柴油,醇含量预测评估参数R~2、RMSEP分别为0.9877,1.1906。(4)开发了基于特征波长的STS光谱仪为核心的柴油品质信息快速检测仪器。对比分析了光源强度和核心光谱仪性能参数对柴油光谱检测分析的影响,设计了由STS光谱仪为核心的集采集、计算、控制、定量分析为一体的柴油品质近红外光谱快速测量仪器。并用柴油十六烷值和硫含量指标参数进行了验证,模型预测相关系数为0.902和0.934,均方根误差为3.57%和3.42%。综上所述,解析了柴油品质的响应光谱特性,构建了按贡献度修正的表征因子加权的特征波长选择模型,建立了柴油品质参数定量和醇类柴油定性定量判别快速分析模型,开发了基于特征波长的柴油品质光谱快速定量分析仪器,利用开发仪器对十六烷值和硫含量进行了验证,为柴油品质的在线分析实践应用提供了参考依据。