一种石油油品的红外光谱分析检测方法及检测装置与流程

本发明涉及石油油品检测，尤其涉及一种石油油品的红外光谱分析检测方法及检测装置。

背景技术：

1、在石油的储存和使用过程中，由于长期暴露在空气中、受到高温或光照等因素的影响，石油会发生一系列复杂的化学反应，导致石油的化学成分发生变化，进而影响其物理性质和化学性质，不仅会降低石油的使用性能，还可能对设备造成损害，甚至引发安全事故。因此，准确评估石油的老化程度，对于确保油品质量、延长使用寿命、预防设备故障以及保障环境安全具有重要意义。

2、尽管石油老化评估的重要性已经得到广泛认识，但现有的评估方法仍存在明显的不足，比如未能充分考虑到石油的不同用途对评估方法的特殊要求。在实际应用中，石油被广泛用作燃料和化工原料等多种用途，而不同的用途往往意味着石油在化学成分、物理性质以及老化机制上存在着显著差异。然而，现有的评估方法却未能根据这些差异进行细致的区分，而是简单地采用统一的大模型进行老化评估。这种做法不仅忽视了石油用途的多样性，也未能充分捕捉到不同用途石油在老化过程中的独特特征，从而导致评估结果不准确，难以满足石油行业对油品质量监控和老化评估的精准需求。

3、因此，现有石油老化评估方法未根据石油用途对评估方法进行区分，采用统一的大模型进行老化评估，导致评估结果不准确等问题，难以满足石油行业对油品质量监控和老化评估的迫切需求。

技术实现思路

1、本发明提供一种石油油品的红外光谱分析检测方法及检测装置，以实现根据石油用途对评估方法进行区分，采用有针对性的大模型进行老化评估，提高评估结果的准确性。

2、一种石油油品的红外光谱分析检测方法，具体包括如下步骤：

3、步骤s1，获取待测石油的用途；所述用途包括：燃料和化工原料；

4、步骤s2，获取待测石油的红外光谱图以及所述待测石油老化前的红外光谱图；

5、步骤s3，根据所述用途，确定所述红外光谱的预处理方案；

6、步骤s4，根据步骤s3获取的两种预处理后的红外光谱图计算差分图；

7、步骤s5，根据所述用途，选择用于石油老化评估的模型，具体为：若所述用途为燃料，则选择第一老化评估模型，若所述用途为化工原料，则选择第二老化评估模型；

8、步骤s6，将所述差分图输入训练好的老化评估模型，输出待测石油老化评估结果。

9、进一步的，所述步骤s3中，根据所述用途，确定所述红外光谱的预处理方案，具体为：

10、若所述用途为燃料，则采取的预处理手段为：去噪、基线校正和光谱平滑处理；

11、若所述用途为化工原料，则采取的预处理手段为：去噪、分辨率提升和数据标准化。

12、进一步的，所述步骤s4中，根据上述两种预处理后的红外光谱图计算差分图，具体为：

13、步骤s41，获取预处理后的待测石油的红外光谱图，以及预处理后的老化前石油的红外光谱图；

14、步骤s42，将步骤s41获取的两种红外光谱图进行数据对齐；

15、步骤s43，将对齐后的红外光谱图在每个波数点下的吸光度值一一相减，得到差分图。

16、进一步的，所述第一老化评估模型和第二老化评估模型均选择bp神经网络。

17、进一步的，所述第一老化评估模型的训练步骤为：

18、步骤a1，获取用途为燃料的石油的历史数据，所述历史数据包括老化前石油的红外光谱图以及所述石油不同老化时期的红外光谱图；

19、步骤a2，对获取的红外光谱图进行预处理，所述预处理为：去噪、基线校正和光谱平滑处理；

20、步骤a3，根据预处理后的老化前石油的红外光谱图和不同老化时期的石油的红外光谱图计算差分图；

21、步骤a4，对所述差分图进行标记；

22、步骤a5，将标记后的差分图划为训练集和测试集，对bp神经网络进行训练，得到训练好的第一老化评估模型；所述bp神经网络的输入为差分图，输出为标记的老化评估结果。

23、进一步的，所述第一老化评估模型的损失函数l1为：

24、；

25、其中，α、β为平衡预测准确性和数据平滑度之间的权重系数，ypred为模型预测的老化程度，ytrue为真实的老化程度，mse(ypred,ytrue)为预测的老化程度与真实的老化程度之间的均方误差，ypreprocessed为预处理后的吸光度值，σ(ypreprocessed)为预处理后的吸光度值的标准差。

26、进一步的，所述第二老化评估模型的训练步骤为：

27、步骤b1，获取用途为化工原料的石油的历史数据，所述历史数据包括老化前石油的红外光谱图以及所述石油不同老化时期的红外光谱图；

28、步骤b2，对获取的红外光谱图进行预处理，所述预处理为：去噪、分辨率提升和数据标准化；

29、步骤b3，根据预处理后的老化前石油的红外光谱图和不同老化时期的石油的红外光谱图计算差分图；

30、步骤b4，对所述差分图进行标记；

31、步骤b5，将标记后的差分图划为训练集和测试集，对bp神经网络进行训练，得到训练好的第二老化评估模型；所述bp神经网络的输入为差分图，输出为标记的老化评估结果。

32、进一步的，所述第二老化评估模型的损失函数l2为：

33、l2=γ×mae(ypred,ytrue)+λ(1-r2(ypreprocessed,yreference))；

34、其中，γ、λ为平衡预测准确性和化学成分保留程度权重系数，ypred为模型预测的老化程度，ytrue为真实的老化程度，mae(ypred,ytrue)为预测的老化程度与真实的老化程度之间的平均绝对误差，ypreprocessed为预处理后的光谱数据，yreference为老化前的石油的光谱数据，r2(ypreprocessed,yreference)为预处理后光谱数据与老化前的石油的光谱数据之间的决定系数。

35、一种石油油品的红外光谱分析检测装置，所述装置采用上述任一项所述的石油油品的红外光谱分析检测方法，具体包括如下模块：

36、样本获取单元，用于获取待测石油，以及待测石油的用途；

37、红外光谱检测单元，用于对待测石油进行检测，获取待测石油的红外光谱；

38、光谱预处理单元，用于根据待测石油的用途确定所述待测石油的红外光谱的预处理方案，若所述用途为燃料，则采取的预处理手段为：去噪、基线校正和光谱平滑处理；若所述用途为化工原料，则采取的预处理手段为：去噪、分辨率提升和数据标准化；

39、差分计算单元，用于根据预处理后的待测石油的红外光谱图以及所述石油老化前的红外光谱图计算差分图；

40、老化评估单元，用于根据待测石油的用途，确定用于石油老化评估的模型，并根据输入的差分图，获取待测石油的老化评估结果；确定用于石油老化评估的模型的方法为：若所述用途为燃料，则选择第一老化评估模型，若所述用途为化工原料，则选择第二老化评估模型。

41、与现有技术相比较，本发明的有益效果在于：

42、其一，本发明根据石油的用途选择相应的老化评估模型，针对性的选择能够更准确地反映不同用途石油的老化特性，从而提高老化评估的准确性和可靠性；

43、其二，本发明根据石油的用途确定红外光谱的预处理方案，对于燃料石油，采取去噪、基线校正和光谱平滑处理等预处理手段，以提高光谱数据的准确性和可比性；对于化工原料石油，则采取去噪、分辨率提升和数据标准化等预处理手段，以保留和突出原料中的特定化学成分和结构信息；能够为后续的老化评估模型提供更加准确和可靠的光谱数据支持，进一步提高老化评估的准确性；

44、其三，本发明根据不同用途的石油特点设计相应的损失函数，能够更准确地反映不同用途石油在老化过程中的化学和物理变化，从而优化老化评估模型的训练过程，提高模型的预测性能和泛化能力。