作者：林帅¹, 符琰², 刘鹏荣³, 王龙², 张坤¹, 韩吉庆¹, 赵华¹, 冯典英¹, 黄鸿²

作者单位：1. 山东非金属材料研究所，山东 济南 250031;
2. 重庆大学 光电技术及系统教育部重点实验室，重庆 400044;
3. 中国石油广西石化公司质检计量部，广西 南宁 530000

关键词：喷气燃料;水分离指数;紫外光谱;深度信念网络;极限学习机

摘要：

水分离指数是航空煤油的重要评价指标，然而窄带吸收光谱法进行航煤水分离指数测量时存在精度低、稳定性差等问题。针对此问题，搭建一个航煤水分离指数分析系统平台，并提出一种基于深度回归网络的航煤水分离指数的分析方法。该方法首先对采集到的紫外吸收光谱进行预处理，然后通过深度信念网络来对光谱数据进行深度特征提取，最后使用极限学习机来对所提取的特征进行训练，构建一个可实现高精度、稳定测量的航煤水分离指数分析模型。结果表明：水分离指数标准值为65、70、89时，模型预测平均值为64.99、69.59、88.96，且最大相对误差控制在2%以内。该算法在精度和稳定性上具有明显优势，适合航空煤油水分离指数测量的实际需求。

Analysis of jet fuel water separation index by using deep regression network
LIN Shuai¹, FU Yan², LIU Pengrong³, WANG Long², ZHANG Kun¹, HAN Jiqing¹, ZHAO Hua¹, FENG Dianying¹, HUANG Hong²
1. Shandong Institute of Nonmetallic Materials, Jinan 250031, China;
2. Key Laboratory of Optoelectronic Technique & System of Ministry of Education, Chongqing University, Chongqing 400044, China;
3. Quality Inspection Department of Guangxi Petrochemical of China Petroleum, Nanning 530000, China
Abstract: The water separation index is an important evaluation index of jet fuel, the absorption spectrometry by narrowband light is used for the measurement of water separation index, but it is easy lead to low accuracy and poor stability due to insufficient absorption. To solve these problems, an analysis method of jet fuel water separation index was proposed based on deep regression network. The method first preprocesses the collected ultraviolet absorption spectrum, and then it uses the deep belief network to perform deep feature extraction on the spectral data. Finally, the extreme learning machine is trained by the extracted deep feature to realize the measurement of jet fuel water separation index. Experimental results show that the average prediction values of model are 64.99, 69.59 and 88.96 when the standard values of water separation index are 65, 70 and 89, and the maximum relative error is controlled within 2%. The proposed deep regression network algorithm is superior to conventional algorithms in terms of accuracy and stability, it is suitable for the actual demand of water separation index measurement of jet fuel.
Keywords: jet fuel;water separation index;ultraviolet spectroscopy;deep belief network;extreme learning machine
2023, 49(4):7-12  收稿日期: 2022-05-16;收到修改稿日期: 2022-07-03
基金项目:
作者简介: 林帅(1986-),男,山东临朐县人,副研究员,硕士,研究方向为化学计量与测试技术
参考文献
[1] 李娜, 陶志平. 国内外喷气燃料规格的发展及现状[J]. 标准科学, 2014(2): 80-83
[2] 刘多强, 关绍春, 高崇峰, 等. 喷气燃料润滑性的研究[J]. 石油化工应用, 2009, 28(2): 9-11
[3] 尹彤华. 3号喷气燃料水分离指数影响因素与对策[J]. 炼油技术与工程, 2018, 48(6): 28-32
[4] 喷气燃料水分离指数测定法: GB/T 11129—89[S]. 北京: 中国标准出版社, 1989.
[5] 喷气燃料水分离指数测定法(手提式分离仪法): SH/T 0616—95[S]. 北京：中国石化出版社, 1995.
[6] 高月, 宿翀, 李宏光, 等. 一类基于非线性PCA和深度置信网络的混合分类器及其在PM_2.5浓度预测和影响因素诊断中的应用[J]. 自动化学报, 2018, 44(2): 318-329
[7] 王玉田, 张艳, 商凤凯, 等. BP神经网络结合ATLD与三维荧光光谱法测量水中多环芳烃[J]. 光谱学与光谱分析, 2019, 39(11): 3420-3425
[8] 边冰, 赵明政. 基于深度极限学习机的水质预测研究[J]. 华北理工大学学报:自然科学版, 2020, 42(1): 51-57
[9] 黄鸿, 石光耀, 金莹莹, 等. 随机子空间深度回归方法在紫外光谱水质分析中的应用[J]. 计算机应用研究, 2017, 34(10): 3020-3023
[10] 李爱莲, 赵多祯, 郭志斌, 等. 改进深度信念网络的转炉耗氧量预测[J]. 中国测试, 2020, 46(6): 1-6
[11] 黄勇, 郭剑辉. 结合深度信念网络与支持向量机的地表分类算法[J]. 计算机与数字工程, 2022, 50(1): 129-134
[12] 崔桂梅, 张运强, 张勇. 基于改进PSO-KELM的高炉回旋区温度预测研究[J]. 中国测试, 2020, 46(4): 25-30
[13] 张嘉璇, 张美丽, 薛静. Mark V Deluxe1140喷气燃料水分离指数仪的校验评价[J]. 炼油与化工, 2010, 21(2): 35-37