CN113405997A - 一种成品油输送管道混油段激光在线检测装置 - Google Patents
一种成品油输送管道混油段激光在线检测装置 Download PDFInfo
- Publication number
- CN113405997A CN113405997A CN202110723525.8A CN202110723525A CN113405997A CN 113405997 A CN113405997 A CN 113405997A CN 202110723525 A CN202110723525 A CN 202110723525A CN 113405997 A CN113405997 A CN 113405997A
- Authority
- CN
- China
- Prior art keywords
- oil
- detection device
- connecting pipe
- electromagnetic valve
- ultraviolet laser
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 80
- 230000003287 optical effect Effects 0.000 claims abstract description 51
- 230000001815 facial effect Effects 0.000 claims 2
- 239000003921 oil Substances 0.000 description 83
- 239000011159 matrix material Substances 0.000 description 18
- 238000012937 correction Methods 0.000 description 14
- 230000003595 spectral effect Effects 0.000 description 13
- 238000000034 method Methods 0.000 description 12
- 239000007788 liquid Substances 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000002835 absorbance Methods 0.000 description 8
- 230000009467 reduction Effects 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000010200 validation analysis Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000012628 principal component regression Methods 0.000 description 3
- 238000004451 qualitative analysis Methods 0.000 description 3
- 239000000700 radioactive tracer Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000007850 fluorescent dye Substances 0.000 description 2
- 238000001215 fluorescent labelling Methods 0.000 description 2
- 230000031700 light absorption Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 101100149325 Escherichia coli (strain K12) setC gene Proteins 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 235000013405 beer Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000010730 cutting oil Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010238 partial least squares regression Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000003904 radioactive pollution Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种成品油输送管道混油段激光在线检测装置，涉及检测设备技术领域，包括主管道，主管道上安装检测装置连接管，检测装置连接管上安装有法兰球阀一和法兰球阀二，检测装置连接管上安装有可拆卸光学检测窗口和升降式止回阀，可拆卸光学检测窗口一侧安装紫外激光发射器，可拆卸光学检测窗口另一侧安装紫外激光接收器，紫外激光接收器连接光学信号处理器，光学信号处理器另一端连接电磁阀门控制器，电磁阀门控制器连接电磁阀一和电磁阀二，电磁阀一一端与混油输出连接管连接，混油输出连接管另一端与主管道连接；所述的主管道上安装有电磁阀二。本成品油输送管道混油段激光在线检测装置实时检测，检测准确性高，易于维护管理。
Description
技术领域
本发明涉及检测设备技术领域，具体涉及一种成品油输送管道混油段激光在线检测装置。
背景技术
成品油运输方式主要有水路、铁路、公路、管道四种运输方式。相对于其他几种运输方式，管道运输具有地形和气候适应性强、油品损耗低、降低事故的可能性、易于实现自动化管理加快周转速度，加上综合运输费用低，目前成品油运输多采用顺序输送方式。顺序输送，即不同种类的油品按照一定的顺序通过一条管道运输，在管道上可以有多个输入点和输出点，以此提高管道利用率。在顺序输送管道中，当两种油品交替时会产生混油段，混油形成方式主要有意外混油、局部混油和沿线混油。由于管压所造成的流速不均，必然会使两油品不断地相互掺混，在两油品相接处形成一个较长的混油段。其中沿线混油是最主要的原因，它主要是基于对流传递和扩散传递。
目前常用的混油界面检测技术有荧光标记法、示踪原子标示法、密度型检测法、电容型检测法、声波型检测法。荧光标示法安全、方便且示踪剂一般不会滞后，但考虑到一些油品自身带有荧光性（如加热后的柴油），故检测范围具有局限性。示踪原子标示法灵敏度高、便于准确切割油品，但该方法会产生放射性污染。密度型检测法利用密度检测不同油品的界面，但是对于密度相差不大的两种油品检测效果较差。电容型检测法，它操作方便、设备简单，但油品自身介电常数的差异却会给测量精度带来极大影响。声波型检测法，它能检测到密度差别很小的两种油品界面，但是所输油品中若带有水、气会影响检测结果。
发明内容
本发明的目的是为了克服上述现有技术存在的不足之处，而提供一种成品油输送管道混油段激光在线检测装置，它解决现有的混油界面检测技术很难做到实时检测、检测精度不够，且监测条件受限等问题。
为了解决背景技术所存在的问题，本发明是采用如下技术方案：包括主管道、检测装置连接管、混油输出连接管、法兰球阀一、紫外激光发射器、可拆卸光学检测窗口、紫外激光接收器、光学信号处理器、电磁阀门控制器、法兰球阀二、升降式止回阀、电磁阀一和电磁阀二；在成品油的主管道上安装检测装置连接管，检测装置连接管上安装有法兰球阀一，检测装置连接管上安装有可拆卸光学检测窗口，检测装置连接管上安装有升降式止回阀，检测装置连接管上安装有法兰球阀二，可拆卸光学检测窗口一侧安装紫外激光发射器，可拆卸光学检测窗口另一侧安装紫外激光接收器，紫外激光接收器连接光学信号处理器，光学信号处理器另一端连接电磁阀门控制器，电磁阀门控制器连接电磁阀一和电磁阀二，电磁阀一一端与混油输出连接管连接，混油输出连接管另一端与主管道连接；所述的主管道上安装有电磁阀二。
所述的检测装置连接管上安装有可拆卸光学窗口，可拆卸光学窗口两侧分别安装紫外激光发射器和紫外激光接收器。
所述的检测装置连接管上装的法兰球阀一和法兰球阀二，便于安装和拆卸光学窗口，同时减少管道中有油品漏失，检测装置连接管上装的升降式止回阀用于保证检测管中油品的定向流动。
所述的紫外激光发射器采用的紫外波长为480nm。
所述的电磁阀门控制器一端连接光学信号处理器另一端连接电磁阀一和电磁阀二，通过光学信号处理器输出的信号控制电磁阀一和电磁阀二的开启或关闭。
所述的混油输出连接管连接混油储存罐，可将成品油混油段输送至混有储存罐后集中处理。
本发明的有益效果是：本发明实时检测，检测准确性高，易于维护管理，通过紫外激光照射油品，紫外激光接收器将照射油品后的数据传导给信号处理装置，通过以上数据处理原理对紫外激光信号进行处理。当信号处理装置输出混油信号时，阀门控制装置控制主管道上的电磁阀关闭，混油输出管道上的电磁阀打开；当信号处理装置输出单品油信号时，阀门控制装置控制主管道上的电磁阀打开，混油输出管道上的电磁阀关闭，阀门控制装置输出的信号可根据油品流速进行调节，从而避免混油段的混油没有完全排出，同时也可防止单品油进入混油管道内，造成油品的浪费。
附图说明：
图1是本发明结构图。
具体实施方式：
参照图1，本发明具体采用如下实施方式：包括主管道12、检测装置连接管13、混油输出连接管9、法兰球阀一1、紫外激光发射器2、可拆卸光学检测窗口3、紫外激光接收器4、光学信号处理器5、电磁阀门控制器6、法兰球阀二7、升降式止回阀8、电磁阀一10和电磁阀二11；在成品油的主管道12上安装检测装置连接管13，检测装置连接管13上安装有法兰球阀一1，检测装置连接管13上安装有可拆卸光学检测窗口3，检测装置连接管13上安装有升降式止回阀8，检测装置连接管13上安装有法兰球阀二7，可拆卸光学检测窗口3一侧安装紫外激光发射器2，可拆卸光学检测窗口3另一侧安装紫外激光接收器4，紫外激光接收器4连接光学信号处理器5，光学信号处理器5另一端连接电磁阀门控制器6，电磁阀门控制器6连接电磁阀一10和电磁阀二11，电磁阀一10一端与混油输出连接管9连接，混油输出连接管9另一端与主管道12连接；所述的主管道12上安装有电磁阀二11。所述的检测装置连接管13上安装有可拆卸光学窗口3，可拆卸光学窗口3两侧分别安装紫外激光发射器2和紫外激光接收器4。所述的检测装置连接管13上装的法兰球阀一1和法兰球阀二7，便于安装和拆卸光学窗口，同时减少管道中有油品漏失，检测装置连接管12上装的升降式止回阀8用于保证检测管中油品的定向流动。所述的紫外激光发射器2采用的紫外波长为480nm。所述的电磁阀门控制器6一端连接光学信号处理器5另一端连接电磁阀一10和电磁阀二11，通过光学信号处理器5输出的信号控制电磁阀一10和电磁阀二11的开启或关闭。所述的混油输出连接管9连接混油储存罐，可将成品油混油段输送至混有储存罐后集中处理。
所述的检测装置连接管13上安装有可拆卸光学窗口3，可拆卸光学窗口3两侧分别安装紫外激光发射器2和紫外激光接收器4，可拆卸光学窗口3可以解决由于使用时间过长导致的光学窗口透光性变差影响检测精度的问题，通过将窗口拆卸下来清洗或者更换新窗口即可解决。
所述的检测装置连接管上装的两个法兰球阀一1、法兰圈球阀二7以及升降式止回阀8，前者用于截断管路，方便安装和拆卸光学窗口，后者用于保证检测管中油品的定向流动。法兰球阀一1和法兰圈球阀二型号为Q41F型；升降式止回阀型号为H41T-16。
所述的电子阀门控制器6一端连接光学信号处理器5另一端连接ZCT-500A电磁阀一10和ZCT-500A电磁阀二11，电磁阀一10和电磁阀二11的型号为ZCT-500A，通过光学信号处理器5输出的混油信号控制电磁阀10一和电磁阀二12的开启和关闭，当光学信号输出的是混油数据时电磁阀一10打开，电磁阀二11关闭，当光学信号输出的是单品油数据时电磁阀一10关闭，电磁阀二11打开。
所述的成品油输送主管道12为D500mm的钢管，检测装置连接管13为D200mm的不锈钢管，两部分通过法兰进行连接。
工作原理如下，基于朗伯比尔定律建立了待测液体吸光度与浓度之间的关系，即当一束平行光垂直照射待测液体时，水样会对特定波长的光进行吸收，其吸光度A与待测组分浓度c和吸光厚度l成正比关系，而透过率T与c、l成反比关系，表达式如下：
式中：A(λ)—待测液体吸光度；
I0—入射光强度；
It—透射光强度；
Tt—透射比，即It与I0的比值；
c—待测组分浓度；
l—吸光厚度；
ε—摩尔吸光系数。
当待测液体中含有多种互不影响的组分共同存在时，在同一波长处，该液体总的吸光度等于溶液中各组分的吸光度之和。总吸光度计算公式如下：
式中：A1，A2，A3，...，An—各组分的吸光度；
εi—各组分吸光系数；
ci—各组分浓度；
A—混合组分的总吸光度。
在对样本进行光谱测量过程中，所测得的光谱信息在包含样本的特征信息外，还包含了外界环境影响因素的干扰，在利用光谱数据进行定量和定性分析之前需进行数据预处理，以达到降噪，提高建模精度的目的。
通常采用的降噪方法有： Savitzky-Golay多项式平滑法、标准正态变换、矢量归一化、最小最大归一化、多元散射校正、光谱数据求导等。本设计采用矢量归一化对光谱数据进行预处理，原因是该方法可减小光程对光谱信息的影响，且适用于浓度变化大的待测液光谱降噪处理。其公式为：
式中：
—数据矩阵的第j列元素的平均值；
本设计中采用的是紫外激光发射器，通过实验对纯油和混油油品进行检测，通过联合区间PLS算法选择最佳光谱特征区间，从而确定本设计采用的紫外激光发射装置的波长为480nm。
联合区间PLS算法(Syncrgy Interval PLS，简称SiPLS)，该方法以iPLS为基础，计算得到两个及以上子区间的联合模型，选择均方根误差最小，相关系数最大对应的组合区间，在该区间上进行PLS回归分析，即可得出预测能力最强的联合区间偏最小二乘模型。
通过主成分回归分析法（Principal Component Analysis，简称 PCA），建立待测液体光谱信息和浓度或含量之间的关系，进而实现对待测液体中特定成分或含量的预测。其原理是通过对光谱信息进行降维，剔除线性相关差的光谱信息，然后利用主成分进行多元线性回归。该方法可大大降低运算的复杂性。
首先通过奇异值分解，可以将自变量矩阵X分解为：
式中：S—协方差矩阵XTX的特征值的平方根；
U—标准列的正交矩阵；
PT—标准行的正交矩阵。
当时，T为主成分分析中的得分矩阵，矩阵P为荷载矩阵。则主成分回归模型可表示为：
式中：B—关联系数矩阵
则的最小二乘解可表示为：
主成分回归(PCA)可以有效减小噪声对预测模型的干扰，便于进一步分析。但该方法也存在不足，在建模过程中，由于数据维数降低，部分光谱数据被舍去导致预测模型的精度受到影响。
对所建模型的性能好坏可通过计算回归模型的评价指标：相关系数r、决定系数R2、校正集交叉验证均方根误差RMSECV、验证集外部检验均方根误差RMSEP、系统偏差Bias来反映出模型的准确性街可信度。当相关系数r或决定系数R2的数值越大，校正集交叉验证均方根误差RMSECV、验证集外部检验均方根误差RMSEP以及系统偏差Bias的值越小时，所建立的回归模型预测精度越高，预测效果越好。如果RMSECV远小于RMSEP，则意味着校正集样本的代表性差。如果RMSEP远远小于RMSECV，则表明预测集样本的代表性较差。其中：
式中：
—光谱建模预测值；
马氏距离能有效计算两个样本集的相似度，即两个样本集“重心”的最近距离。马氏距离能考虑到各种特性之间的联系，可以排除变量之间的相关性干扰。计算公式如下：
式中：xi—第i个样本的数据
xj—第j个样本的数据
Cov—样本协方差矩阵
对于液态多组分混合物的定性分析与鉴别，本设计将主成分分析与马氏距离相结合建立定性分析模型，具体步骤如下：
（1）首先对校正集光谱矩阵C n×m 进行主成分降维，得到主成分得分矩阵S n×f 和荷载矩阵L m×f ；
（2）对得分矩阵进行中心化处理；
（3）计算校正集样本的协方差矩阵Cov；
（4）计算校正集样本的马氏距离；
（5）计算校正集样本马氏距离的标准差，并设定其权重系数；
（6）重复（1）~（4）计算预测集样本的马氏距离；
（7）对预测集进行判别。
其中，校正集光谱降维公式如下：
式中：n—校正集中的样本数；
m—变量数；
f —主成分数
得分矩阵S n×f 的中心化处理按照下式进行：
式中：i=1,2,3,…,n;j=1,2,3,…,n
式中：
—n个校正集样本的平均得分矩阵；
Sc—S的均值中心化矩阵；
s i —校正集中样本i的光谱得分向量；
M cal,i —校正集样本i的马氏距离；
Cov cal —校正集样本的协方差矩阵。
校正集样本马氏距离标准偏差计算式如下：
式中：
—校正集样本马氏距离的平均值
记M pre, i为预测集样本i的马氏距离，G pre 为未知样本的光谱矢量，G cal 为校正集样本群体，e为马氏距离标准差的权重系数，用于设定阈值范围。基于马氏距离的定性判别规则如下：
当时
，则
；
当时
，则
；
当时
，则重新选定阈值e。
综上所述，本一种成品油输送管道混油段激光在线检测装置，实时检测，检测准确性高，易于维护管理，通过紫外激光照射油品，紫外激光接收器将照射油品后的数据传导给信号处理装置，通过以上数据处理原理对紫外激光信号进行处理。当信号处理装置输出混油信号时，阀门控制装置控制主管道上的电磁阀关闭，混油输出管道上的电磁阀打开；当信号处理装置输出单品油信号时，阀门控制装置控制主管道上的电磁阀打开，混油输出管道上的电磁阀关闭，阀门控制装置输出的信号可根据油品流速进行调节，从而避免混油段的混油没有完全排出，同时也可防止单品油进入混油管道内，造成油品的浪费。
Claims (6)
1.一种成品油输送管道混油段激光在线检测装置，其特征在于：包括主管道（12）、检测装置连接管（13）、混油输出连接管（9）、法兰球阀一（1）、紫外激光发射器（2）、可拆卸光学检测窗口（3）、紫外激光接收器（4）、光学信号处理器（5）、电磁阀门控制器（6）、法兰球阀二（7）、升降式止回阀（8）、电磁阀一（10）和电磁阀二（11）；在成品油的主管道（12）上安装检测装置连接管（13），检测装置连接管（13）上安装有法兰球阀一（1），检测装置连接管（13）上安装有可拆卸光学检测窗口（3），检测装置连接管（13）上安装有升降式止回阀（8），检测装置连接管（13）上安装有法兰球阀二（7），可拆卸光学检测窗口（3）一侧安装紫外激光发射器（2），可拆卸光学检测窗口（3）另一侧安装紫外激光接收器（4），紫外激光接收器（4）连接光学信号处理器（5），光学信号处理器（5）另一端连接电磁阀门控制器（6），电磁阀门控制器（6）连接电磁阀一（10）和电磁阀二（11），电磁阀一（10）一端与混油输出连接管（9）连接，混油输出连接管（9）另一端与主管道（12）连接；所述的主管道（12）上安装有电磁阀二（11）。
2.根据权利要求书1所述的一种成品油输送管道混油段激光在线检测装置，其特征在于：所述的检测装置连接管（13）上安装有可拆卸光学窗口（3），可拆卸光学窗口（3）两侧分别安装紫外激光发射器（2）和紫外激光接收器（4）。
3.根据权利要求书1所述的一种成品油输送管道混油段激光在线检测装置，其特征在于：所述的检测装置连接管（13）上装的法兰球阀一（1）和法兰球阀二（7），便于安装和拆卸光学窗口，同时减少管道中有油品漏失，检测装置连接管（12）上装的升降式止回阀（8）用于保证检测管中油品的定向流动。
4.根据权利要求书1所述的一种成品油输送管道混油段激光在线检测装置，其特征在于：所述的紫外激光发射器（2）采用的紫外波长为480nm。
5.根据权利要求书1所述的一种成品油输送管道混油段激光在线检测装置，其特征在于：所述的电磁阀门控制器（6）一端连接光学信号处理器（5）另一端连接电磁阀一（10）和电磁阀二（11），通过光学信号处理器（5）输出的信号控制电磁阀一（10）和电磁阀二（11）的开启或关闭。
6.根据权利要求书1所述的一种成品油输送管道混油段激光在线检测装置，其特征在于：所述的混油输出连接管（9）连接混油储存罐，可将成品油混油段输送至混有储存罐后集中处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110723525.8A CN113405997A (zh) | 2021-06-29 | 2021-06-29 | 一种成品油输送管道混油段激光在线检测装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110723525.8A CN113405997A (zh) | 2021-06-29 | 2021-06-29 | 一种成品油输送管道混油段激光在线检测装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113405997A true CN113405997A (zh) | 2021-09-17 |
Family
ID=77679987
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110723525.8A Pending CN113405997A (zh) | 2021-06-29 | 2021-06-29 | 一种成品油输送管道混油段激光在线检测装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113405997A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101706307A (zh) * | 2009-11-13 | 2010-05-12 | 暨南大学 | 基于透射光谱的输油管道油品界面的检测方法及其装置 |
| CN104535519A (zh) * | 2014-12-12 | 2015-04-22 | 东北石油大学 | 油田污水中聚丙烯酰胺浓度的在线检测装置 |
| CN108120695A (zh) * | 2017-12-14 | 2018-06-05 | 天津大学 | 一种基于太赫兹受抑全内反射的管道混油监测系统 |
| CN210624165U (zh) * | 2019-05-16 | 2020-05-26 | 南京富岛信息工程有限公司 | 一种长输管线油品切油自动预报装置的近红外光谱分析管路 |
-
2021
- 2021-06-29 CN CN202110723525.8A patent/CN113405997A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101706307A (zh) * | 2009-11-13 | 2010-05-12 | 暨南大学 | 基于透射光谱的输油管道油品界面的检测方法及其装置 |
| CN104535519A (zh) * | 2014-12-12 | 2015-04-22 | 东北石油大学 | 油田污水中聚丙烯酰胺浓度的在线检测装置 |
| CN108120695A (zh) * | 2017-12-14 | 2018-06-05 | 天津大学 | 一种基于太赫兹受抑全内反射的管道混油监测系统 |
| CN210624165U (zh) * | 2019-05-16 | 2020-05-26 | 南京富岛信息工程有限公司 | 一种长输管线油品切油自动预报装置的近红外光谱分析管路 |
Non-Patent Citations (1)
| Title |
|---|
| 李江波等: "图谱分析技术在农产品质量和安全评估中的应用", 华东理工大学出版社, pages: 413 - 416 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113049512B (zh) | 基于全波长紫外可见吸收光谱的水质在线监测方法 | |
| US5242602A (en) | Spectrophotometric monitoring of multiple water treatment performance indicators using chemometrics | |
| CN110161013B (zh) | 基于机器学习的激光诱导击穿光谱数据处理方法和系统 | |
| CN111044503A (zh) | 一种基于激光诱导击穿光谱和近红外光谱信息融合的煤质测量方法 | |
| CN108801950A (zh) | 一种基于滑动窗多尺度主元分析的紫外光谱水质异常检测方法 | |
| CN108760647A (zh) | 一种基于可见/近红外光谱技术的小麦带菌量线检测方法 | |
| CN106908466A (zh) | 一种在线x射线荧光光谱分析系统 | |
| CN113405997A (zh) | 一种成品油输送管道混油段激光在线检测装置 | |
| CN105954228A (zh) | 基于近红外光谱的油砂中金属钠含量的测量方法 | |
| CN110097175B (zh) | 面向乙烯裂解炉管重管识别的嵌入式dcnn压缩方法 | |
| CN202057665U (zh) | 紫外消解法水质总磷在线监测仪 | |
| CN114813635B (zh) | 煤炉燃烧参数的优化方法及电子设备 | |
| CN115586145A (zh) | 一种基于光谱技术的钢铁冶金行业废水重金属监测方法 | |
| Zhu et al. | Online discriminant model of blood spot eggs based on spectroscopy | |
| CN106841057B (zh) | 一种生物质预水解过程在线监测的方法与装置 | |
| Xie et al. | Waveband Selection with Equivalent Prediction Performance for FTIR/ATR Spectroscopic Analysis of COD in Sugar Refinery Waste Water. | |
| CN113836813B (zh) | 一种基于数据分析的高炉风口漏水检测方法 | |
| Ye et al. | Water chemical oxygen demand prediction model based on the CNN and ultraviolet-visible spectroscopy | |
| CN106841058A (zh) | 一种生物质水热预处理过程的在线检测方法与装置 | |
| Wang et al. | An improved prediction algorithm of seamless tubing corrosion based on an extension neural network | |
| Fogelman et al. | Estimation of oxygen demand levels using UV–vis spectroscopy and artificial neural networks as an effective tool for real-time, wastewater treatment control | |
| CN113686823A (zh) | 基于透射光谱和PLS-Elman神经网络的水体亚硝酸盐含量估算方法 | |
| CN117233120B (zh) | 基于机器学习和高光谱图像的污染气体检测方法及系统 | |
| CN115753532B (zh) | 基于光强时域特性的变压器油颗粒度在线分析方法及系统 | |
| CN217786904U (zh) | 一种新型氯气浓度在线检测装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |