甲醇汽油和乙醇汽油是性质特性不同的两种新型清洁能源,准确识别醇基汽油种类是对于鉴定燃油品质、保证车辆安全行驶具有重要意义。近红外光谱(NIR)是识别醇基汽油种类的重要手段,而利用近红外光谱的有效特征波长建模可以摆脱干扰谱段和噪声谱段对模型识别准确度的影响,本研究使用甲醇分子和乙醇分子的近红外光谱特征谱段建立偏最小二乘法判别(partial least squares discriminant analysis,PLS-DA)模型,用于识别甲醇汽油和乙醇汽油。在相同建模条件下,将全波长光谱模型、变量重要性投影(variable importance in projection,VIP)光谱和特征谱段模型的识别成功率进行对比。结果表明,全波长光谱模型和VIP光谱模型对低含量的醇基汽油样本的识别准确率较差,分别为90%和96.7%;而最佳特征谱段模型,即通过甲醇和乙醇分子全部差异光谱信息(4500~5200+5600~7200+7900~8800)cm−1建立的模型,可准确识别体积分数为0.5%~80%的醇基汽油样本,识别成功率为100%。除最佳特征谱段模型外,其余特征谱段PLS-DA模型的识别成功率普遍优于全波长光谱模型,结果证明通过化学结构筛选特征谱段是一种高效的波长选择方法,利用该特征光谱谱段建模能够提高模型的准确度。综上,成功建立了一种基于化学信息筛选近红外光谱特征谱段的高准确率定性识别醇基汽油种类的模型,有望推广应用在其他燃油的种类识别中。
