过程拉曼光谱化学计量学解析与校正模型的构建及转移方法研究

Raman spectroscopy has become one of the key techniques on process analysis and control. At present, the main challenges and technical bottlenecks are to extract effective feature information from complex Raman spectra in order to construct robust multivariate calibration and discrimiative approaches. The project aims at developing and improving new chemometric theories and methods for process Raman spectroscopy in complex systems. It will establish data analysis techniques of process Raman spectra based on wavelet analysis, and build spectral correction methods based on the intensity fluctuation frequency difference peak alignment and thus ensure the analytical results of Raman spectra collected by real-time process analysis with good continuity, comparability and temporal consistency. Based on the complement of Raman and infrared spectroscopy in molecular structure characterization and spectral data fusion technology, it will construct multivariate calibration and classification model, and develop the theories and methods on calibration model transfer of process Raman spectroscopy on the basis of wavelet transform in order to improve the robustness and universality of the calibration model. The project can be provide new ideas and methods for extracting feature information in complex systems, studying on process analysis and control model, and improving the robustness of multivariate calibration model and the identification and classification ability. It is expected to provide new theories and technical supports for process analysis and control in the industrial fields of energy chemistry.

拉曼光谱是过程分析和控制方面的关键技术之一，如何从复杂拉曼光谱中提取有效特征信息构建稳健的多元校正与判别分析模型是面临的主要难题和技术瓶颈。本项目拟发展和完善复杂体系过程拉曼光谱分析的新型化学计量学理论和方法，建立基于小波分析的过程拉曼光谱数据解析策略，构建基于强度波动频率差异谱峰校正法，使过程分析实时测定的拉曼光谱解析结果具有连续性、可比性及时序上的一致性。基于拉曼和红外光谱在分子结构表征方面互补的特征以及光谱数据融合技术，构建多元校正模型和分类模型，发展基于小波变换的过程拉曼光谱校正模型转移理论和方法，以提高模型的稳健性与普适性。该研究为复杂过程体系的特征信息提取、过程分析和控制模型研究以及提高多元校正模型的稳健性和判别分类能力等提供新思路和新方法，有望为能源化学等工业的过程分析及控制提供新的理论技术支撑。

拉曼光谱是过程分析和控制方面的关键技术之一，针对复杂过程拉曼光谱的精准特征信息提取、多元校正模型构建以及模型转移与校正等关键科学问题和主要技术瓶颈，本项目从复杂体系过程拉曼光谱精准定量分析的实际需求出发，发展和完善了复杂体系过程拉曼光谱分析的新型化学计量学理论和方法。首先，研究了基于小波分析的过程拉曼光谱数据解析策略，建立了基于强度波动频率差异的Raman谱峰校正方法，以实现过程拉曼光谱解析结果的连续性、可比性及时序上的一致性；其次，开展了过程拉曼光谱解析算法及多元校正模型建立及优化研究，探索了系列性能优良且易于实现的研究过程拉曼光谱分析智能化数据挖掘（Data Mining）方法和技术，重点研究了基于粒子群优化（PSO）、变量重要性投影（VIP）和混合变量选择策略（V-WSP-VIM）的Raman光谱特征提取方法，建立了基于机器学习策略的过程Raman光谱多元校正方法；然后，针对拉曼和红外光谱在分子结构表征方面互补的特征，重点研究了基于初级数据融合和中级数据融合的两种不同数据融合策略，建立了基于变量重要性投影（VIP）、粒子群优化（PSO）和siPLS-GA混合变量选择的Raman-IR中级数据融合方法，有效提高了多元校正模型的稳健性；在此基础上，进一步开展不同类型光谱仪器之间的模型转移与校正研究，建立了基于分段直接校正（PDS）的Raman光谱模型转移方法，有效提高了多元校正模型的稳健性与普适性。该研究为复杂过程体系的特征信息提取、过程分析和控制模型研究以及提高多元校正模型的稳健性和判别分类能力等提供了新思路和新方法，可以为生物基能源发酵、汽柴油现场调配等复杂能源化学领域的过程分析及控制提供理论基础与技术支撑。