| 摘要 | 第1-12页 |
| Abstract | 第12-16页 |
| 第一章 绪论 | 第16-23页 |
| ·引言 | 第16-19页 |
| ·光谱技术用于润滑油检测的国内外研究概述 | 第19-21页 |
| ·国内外研究中存在的问题 | 第21页 |
| ·本文的研究的主要目的和内容 | 第21-23页 |
| 第二章 试验材料与研究方法 | 第23-44页 |
| ·试验仪器设备 | 第23-25页 |
| ·便携式可见-近红外光谱仪 | 第23-24页 |
| ·润滑油粘度测试仪 | 第24-25页 |
| ·石油产品酸度、酸值试验器(SYD-246) | 第25页 |
| ·试验样本 | 第25-26页 |
| ·光谱处理与分析方法 | 第26-43页 |
| ·光谱信息预处理方法 | 第26-31页 |
| ·平滑算法(Smoothing) | 第27页 |
| ·多元散射校正(MSC) | 第27-28页 |
| ·导数算法(Derivative) | 第28-29页 |
| ·小波变换(WT) | 第29-30页 |
| ·变量标准化(SNV) | 第30-31页 |
| ·光谱变量筛选方法 | 第31-35页 |
| ·主成分分析(PCA) | 第32-33页 |
| ·无信息变量消除算法(UVE) | 第33-34页 |
| ·连续投影算法(SPA) | 第34-35页 |
| ·独立成分分析(ICA) | 第35页 |
| ·光谱建模算法 | 第35-41页 |
| ·偏最小二乘法(PLS) | 第36-38页 |
| ·最小二乘支持向量机(LS-SVM) | 第38-40页 |
| ·人工神经网络(ANN) | 第40-41页 |
| ·光谱分析方法评价 | 第41-43页 |
| ·相关系数(r) | 第41-42页 |
| ·建模集样本的标准误差(SEC) | 第42页 |
| ·预测集样本的标准误差(SEP) | 第42页 |
| ·建模集均方根误差(RMSEC)和预测均方根误差(RMSEP) | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第三章 润滑油品牌的光谱分析 | 第44-54页 |
| ·前言 | 第44页 |
| ·基于光谱技术的润滑油品牌鉴别研究 | 第44-50页 |
| ·样本来源及光谱的获取 | 第45-46页 |
| ·光谱数据预处理 | 第46页 |
| ·润滑油品牌模型的建立 | 第46-47页 |
| ·主成分分析对不同品牌润滑油进行聚类 | 第47页 |
| ·基于多类判别分析建立品牌鉴别模型 | 第47-50页 |
| ·小结 | 第50页 |
| ·不同光谱分析方法对润滑油品牌鉴别的研究 | 第50-53页 |
| ·试验仪器设备 | 第50页 |
| ·润滑油的光谱测量 | 第50-51页 |
| ·光谱数据预处理 | 第51页 |
| ·不同品牌润滑油的可见-近红外光谱图分析 | 第51页 |
| ·连续投影算法提取特征波长 | 第51-52页 |
| ·SPA-PLS模型的建立 | 第52页 |
| ·小结 | 第52-53页 |
| ·基于光谱技术的润滑油品牌鉴别方法的比较与分析 | 第53-54页 |
| 第四章 润滑油粘度的光谱分析 | 第54-60页 |
| ·前言 | 第54页 |
| ·实验设备与方法 | 第54-56页 |
| ·实验仪器与软件 | 第54页 |
| ·样品准备和光谱采集 | 第54-56页 |
| ·光谱数据预处理和化学计量方法 | 第56页 |
| ·光谱数据预处理 | 第56页 |
| ·特征变量提取方法 | 第56页 |
| ·建模方法 | 第56页 |
| ·试验结果与分析 | 第56-59页 |
| ·特征变量的提取 | 第56-57页 |
| ·MLR和PLS模型的建立 | 第57页 |
| ·BPNN模型的建立 | 第57-58页 |
| ·模型比较分析 | 第58-59页 |
| ·小结 | 第59-60页 |
| 第五章 润滑油含水量无损检测 | 第60-66页 |
| ·前言 | 第60页 |
| ·材料与方法 | 第60-62页 |
| ·仪器设备 | 第60-61页 |
| ·样品准备和光谱采集 | 第61页 |
| ·光谱数据预处理 | 第61页 |
| ·特征变量提取方法 | 第61-62页 |
| ·建模方法 | 第62页 |
| ·试验结果与分析 | 第62-65页 |
| ·偏最小二乘法回归建模 | 第62页 |
| ·主成分分析 | 第62-63页 |
| ·连续投影算法 | 第63-64页 |
| ·最小二乘支持向量机 | 第64-65页 |
| ·小结 | 第65-66页 |
| 第六章 基于光谱技术的润滑油酸值分析 | 第66-73页 |
| ·前言 | 第66-67页 |
| ·材料与方法 | 第67-68页 |
| ·样品准备和酸值测定 | 第67页 |
| ·仪器设备和光谱采集 | 第67页 |
| ·光谱数据预处理与化学计量学分析 | 第67页 |
| ·特征变量提取方法 | 第67页 |
| ·建模方法 | 第67-68页 |
| ·试验结果与分析 | 第68-72页 |
| ·预处理方法选择 | 第68页 |
| ·基于全波段光谱进行SPA处理 | 第68-70页 |
| ·基于UVE计算的全波段光谱无信息变量去除 | 第70页 |
| ·基于UVE-SPA选取有效波长 | 第70-72页 |
| ·小结 | 第72-73页 |
| 第七章 结论与展望 | 第73-76页 |
| ·结论 | 第73-74页 |
| ·展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 个人简介 | 第81-82页 |
| 一、个人简历 | 第81页 |
| 二、硕士阶段发表论文 | 第81-82页 |
| 附录 | 第82-92页 |
| 附录一:SPA-BPNN模型对润滑油粘度之检测的预测集集样本结果 | 第82-83页 |
| 附录二:SPA-LS-SVM模型对润滑油含水率检测的建模集样本结果 | 第83-85页 |
| 附录三:SPA-LS-SVM模型对润滑油含水率检测的预测集样本结果 | 第85-86页 |
| 附录四:UVE-SPA-LS-SVM模型对润滑油酸值检测的建模集样本结果 | 第86-88页 |
| 附录五:UVE-SPA-LS-SVM模型对润滑油酸值检测的预测集样本结果 | 第88-89页 |
| 附录六:典型的润滑油测定原始光谱数据 | 第89-92页 |
