汪恺，杜文莉，3，隆建

（1 华东理工大学信息科学与工程学院，上海200237； 2 华东理工大学化工过程先进控制和优化技术教育部重点实验室，上海200237； 3 化学工程联合国家重点实验室（华东理工大学），上海200237）

引 言

近年来，近红外光谱分析技术已被广泛应用于各个领域的在线过程分析中，如煤矿[1]、医疗[2]、食品[3]、石油[4]等行业。例如，在汽油调和过程中，近红外光谱已被用于评估产品研究法辛烷值（research octane number,RON）、马达法辛烷值（motor octane number,MON）、最终沸点（final boiling point,FBP）、密度和烯烃含量等[5−6]。使用这种方法最大的优势是它能够实时记录光谱来捕获过程属性，并用于分析化学混合物中的物质成分。校准模型通常是由光谱与参考浓度的成分共同构成的定量预测关系。然而，在某些情况下模型性能可能发生恶化，例如过程特性的变化[7−8]。传统的波长选择方法大多只能离线建立模型，在汽油属性的在线检测过程中，这些方法所选择的波长结构将保持不变；而在实际生产过程中，受到仪器误差、调和配方、原油种类等改变的影响，原先建立的近红外光谱模型的预测性能也会发生改变。而且在不同工况下，由于参调组分油种类及属性等因素的影响使得相同波长区间所包含的信息量不同。在在线检测过程中使用固定的波长结构将会导致模型的预测性能随着时间推移而降低[9]。本文提出了一种在线自适应近红外波长选择方法，可以根据新测量的光谱数据实时更新最优波长区间，并给出了在实际汽油工业应用中的有效性。……