近红外光谱技术在改性双基推进剂快速分析中的应用研究

摘要

传统改性双基推进剂质量检测主要依赖于常规的实验室理化分析，该法不但耗时而且繁琐，也不能在线检测，而近红外光谱技术由于具有高效快速、无破坏性、无污染、准确及便于实现在线检测等优势。目前已经在农业、医药、石油化工、烟草和食品等领域得到了广泛应用。改性双基推进剂主要组分的精确定量是保证推进剂质量的关键，因此本文采用的近红外光谱技术对改性双基推进剂主要组分含量进行快速测定分析具有重要意义。
　　 1、本文对常用的MLR、PCR和PLS建模方法进行比较，得出PLS法为本文最佳建模方法。研究了近红外光谱对改性双基推进剂两种组分A和B含量的快速测定。分别对原始光谱进行平滑(Smoothing)、归一化法(Normalization)、一阶导数(D1)、二级导数(D2)、多元散射校正(MSC)、标准正态变量变换算法(SNV)等预处理方法比较，得出归一化法(Normalization)为组分A和B最佳预处理方法。组分A建立校正模型并且通过剔除异常点优化后模型的RMSECV和RMSEP分别为0.2028和0.2822，验证集预测值和实际值相对误差为0.0509;组分B校正模型的RMSECV和RMSEP分别为0.1095和0.1286，验证集预测值和实际值相对误差为0.0183。说明近红外光谱技术对于两种主要组分A和B组成的体系能够准确预测，为更加复杂体系研究奠定了基础。
　　 2、研究了改性双基推进剂中三种主要原料（A、B和C）成分的快速测定。光谱分别进行平滑(Smoothing)、归一化法(Normalization)、一阶导数(D1)、二级导数(D2)、多元散射校正(MSC)、标准正态变量变换算法(SNV)等光谱预处理，得出组分A和C的最佳预处理方法为归一化法(Normalization)，组分B为SNV法。组分A建立校正模型并且进行优化后其RMSECV为0.1191，RMSEP为0.1484，验证集预测值与实际值相对误差为0.0380;组分B建立校正模型并且进行优化且其RMSECV和RMSEP分别为0.0838和0.0554，验证集预测值与实际值相对误差为0.0085;组分C建立校正模型并且进行优化且RMSECV和RMSEP分别为0.1690和0.1029，验证集预测值与实际值相对误差为0.0420。说明近红外光谱技术对于三种组分的体系各组分能够进行快速准确的预测，因此对于实现在线快速测定改性双基推进剂主要组分的含量具有重大意义。

目录

声明

摘要

1 绪论

1．1 课题研究背景及意义

1．2 课题研究方法选择

1．2．1 拉曼光谱快速检测法

1．2．2 X射线荧光光谱法

1．2．3 近红外光谱快速分析法

1．2．4 课题研究方法选择

1．3 国内外研究现状

1．4 研究的主要内容

2 近红外光谱技术

2．1 近红外光谱的发展历程

2．2 近红外光谱技术原理

2．2．1 能级与光谱

2．2．2 化学键振动与频率

2．2．3 分子振动与光谱

2．3 近红外光谱的特点

2．3．1 近红外光谱分析技术的优越性

2．3．2 近红外光谱分析技术的局限性

2．4 近红外光谱快速定量分析技术常用化学计量学

2．4．1 近红外光谱技术常见预处理方法

2．4．2 校正模型建立常用方法

2．5 近红外光谱定量分析基本流程

2．6 近红外技术的应用

2．6．1 农业

2．6．2 烟草和茶叶

2．6．3 食品

2．6．4 制药

2．6．5 石油化工

2．6．6 军工

2．6．7 其它方面应用

3 近红外光谱法快速测定改性双基推进剂两种主成分体系研究

3．1 样品配制

3．2 光谱采集

3．2．1 光谱采集装置

3．2．2 光谱仪参数设置

3．2．3 光谱数据采集

3．3 最佳建模方法选择

3．3．1 校正模型评价标准

3．3．2 建立校正模型方法选择

3．4 最佳预处理方法选择

3．4．1 预处理方法参数比较

3．4．2 最佳预处理方法选择及讨论

3．5 模型建立

3．5．1 组分A校正模型建立及优化

3．5．2 组分B模型建立

3．7 本章小结

4 近红外光谱法快速测定改性双基推进剂三种主组份体系研究

4．1 样品配制

4．2 原始光谱采集

4．3 光谱预处理

4．4 最佳预处理方法选择

4．5 校正模型建立及优化

4．5．1 组分A校正模型建立及优化

4．5．2 组分B校正模型建立及优化

4．5．3 组分C校正模型建立及优化

4．6 本章小结

5 结论与展望

5．1 结论

5．2 展望

致谢

参考文献