CN104181151A - 一种采用在线拉曼光谱仪建立模型在线分析甲基氯硅烷的方法 - Google Patents
一种采用在线拉曼光谱仪建立模型在线分析甲基氯硅烷的方法 Download PDFInfo
- Publication number
- CN104181151A CN104181151A CN201410363007.XA CN201410363007A CN104181151A CN 104181151 A CN104181151 A CN 104181151A CN 201410363007 A CN201410363007 A CN 201410363007A CN 104181151 A CN104181151 A CN 104181151A
- Authority
- CN
- China
- Prior art keywords
- sample
- raman
- raman spectrometer
- online
- model
- 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.)
- Granted
Links
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种采用在线拉曼光谱仪建立模型在线分析甲基氯硅烷的方法,将样品的拉曼光谱图和用气相色谱法所得的分析数据相结合,运用统计学方法进行计算得到各组分的分布曲线,并建立各组分的拉曼光谱模型。在线拉曼光谱仪扫描样品后,运用拉曼光谱模型预测样品组分,输出结果及时间序列曲线,实现了在线拉曼光谱仪实时监测甲基氯硅烷中各组分的变化。该方法具有无需取样,不破坏样品,操作简单,分析快速,无环境污染等优点。
Description
技术领域
本发明涉及一种采用在线拉曼光谱仪建立模型在线分析甲基氯硅烷,属于石油化工技术领域。
背景技术
有机硅产品按照生产阶段的不同,可大致分为有机硅单体、中单体、初级聚合物、有机硅制品(硅油、硅橡胶、硅树脂等)。然而,甲基氯硅烷是有机硅工业的基础,它是以氯甲烷和硅为原料、铜为催化剂合成,其中二甲基二氯硅烷在甲基氯硅烷混合产物中的含量高低不仅反映出该合成工艺水平的高低,也影响到有机硅下游产品的主要原料八甲基环四硅氧烷和甲基混合环硅氧烷的生产成本和有机硅单体生产厂的竞争能力。因此,通过实现甲基氯硅烷合成装置多组分在线分析来提高生产装置的稳定性是提高二甲基二氯硅烷的重要措施之一。目前装置多组分在线分析的仪器主要是气相色谱仪,但是该仪器的稳定性及速度一直无法满足装置的需求,尤其是过程测量。同时因为过去缺少检测手段,所以对装置物料走向不明确。
发明内容
本发明的目的在于克服现有技术中的不足,提供了一种采用在线拉曼光谱仪建立模型在线分析甲基氯硅烷的方法,改变了在线气相色谱的时间滞后性问题,它的检测系统能够快速多点连续测样,并且仪器结构坚固,适合复杂的工作环境,实现了物料数据的实时监测,有利于提高生产装置的稳定性。在线拉曼光谱仪的分析结果可直接导入DCS供DCS操作人员实时查看和分析数据,与气相色谱在线分析法相比,在线拉曼光谱仪建立模型在线分析方法具有不取样、不破坏样品,操作简单,分析快速,无环境污染等优点。
本发明是通过以下技术方案得以实现的:
一种采用在线拉曼光谱仪建立模型在线分析甲基氯硅烷的方法,包括以下步骤:
1.实验室样品收集:
所收集样品的各组成变化范围应能覆盖待测样品的实际变化范围;
2.采用气相色谱法测定样品中各组分含量,建立模型样品的理论值:
2.1 气相色谱条件参数:
柱箱温度:初始柱温50℃,升温速率5℃/min,终温280℃;汽化室温度:250℃;检测器温度:280℃;
2.2根据色谱峰峰面积进行计算,得各组分含量:
计算公式为:Ti=(Ai×100)/∑An
其中:Ti:i组分的百分含量;Ai:i组分的色谱峰面积;∑An所有组分的色谱峰面积之和;
3. 采用在线拉曼光谱仪扫描样品拉曼光谱图
3.1 仪器:
在线拉曼光谱仪
3.2 拉曼光谱仪采集条件:
曝光时间:0.1至5秒;累积次数:1至20次
3.3用拉曼光谱仪扫描样品,收集样品的拉曼光谱;
4. 采用拉曼光谱仪软件建立拉曼光谱模型:
4.1 将样品的拉曼光谱与对应的样品组分含量理论值导入拉曼光谱软件,
4.2 对拉曼光谱进行预处理:
4.2.1对拉曼光谱进行预处理的方式为多元散射校正、矢量归一化、导数和减去一条直线中的一种,
4.2.2 因子数为默认,
4.2.3检验方式选择检验集检验和交叉检验中的一种,
4.2.4采用主成分回归、偏最小二乘法和多元线性回归中的一种统计学方法对数据及光谱进行计算、优化检验,去除异常点得校正拉曼光谱模型;
5. 拉曼光谱仪在线分析样品:
将拉曼光谱仪光纤探头安装至生产装置中,按照步骤3.2设置扫描参数,选用所建立的相应拉曼光谱模型,拉曼光谱仪按照所设参数分析样品并在仪器软件及DCS电脑上显示结果及实时曲线。
本发明的优点如下:
1. 本发明结合气相色谱分析结果和拉曼光谱谱线建立拉曼光谱模型,模型线性好,用于预测样品,结果可靠性高。
2. 本发明采用光纤探头监测物料,无需取样、不破坏样品,不污染环境。
3. 本发明通过拉曼光谱仪在线分析装置物料,操作简单,分析速度快,大大降低人工成本。
4.本发明可将分析数据直接导入操作室电脑,装置操作工可实时看到并分析数据,提高工作效率和装置稳定性。
具体实施例
本发明不限于下述实施例,还可以应用于其它生产工艺。本领域的技术人员能从本发明公开的内容直接导出或联想到的所有情形,均应当认为是本发明的保护范围。
下面通过实施例,对本发明的技术方案作进一步的具体说明。
实施例1:
一种采用在线拉曼光谱仪建立模型在线分析甲基氯硅烷的方法,包括以下步骤:
1.实验室样品收集:
所收集样品的各组成变化范围应能覆盖待测样品的实际变化范围;
2.采用气相色谱法测定样品中各组分含量,建立模型样品的理论值:
2.1 气相色谱条件参数:
柱箱温度:初始柱温50℃,升温速率5℃/min,终温280℃;汽化室温度:250℃;检测器温度:280℃;
2.2根据色谱峰峰面积进行计算,得各组分含量:
计算公式为:Ti=(Ai×100)/∑An
其中:Ti:i组分的百分含量;Ai:i组分的色谱峰面积;∑An所有组分的色谱峰面积之和;
3. 采用在线拉曼光谱仪扫描样品拉曼光谱图
3.1 仪器:
在线拉曼光谱仪
3.2 拉曼光谱仪采集条件:
曝光时间:0.1至5秒;累积次数:1至20次
3.3用拉曼光谱仪扫描样品,收集样品的拉曼光谱;
4. 采用拉曼光谱仪软件建立拉曼光谱模型:
4.1 将样品的拉曼光谱与对应的样品组分含量理论值导入拉曼光谱软件,
4.2 对拉曼光谱进行预处理:
4.2.1对拉曼光谱进行预处理的方式为多元散射校正、矢量归一化、导数和减去一条直线中的一种,
4.2.2 因子数为默认,
4.2.3检验方式选择检验集检验和交叉检验中的一种,
4.2.4采用主成分回归、偏最小二乘法和多元线性回归中的一种统计学方法对数据及光谱进行计算、优化检验,去除异常点得校正拉曼光谱模型;
5. 拉曼光谱仪在线分析样品:
将拉曼光谱仪光纤探头安装至生产装置中,按照步骤3.2设置扫描参数,选用所建立的相应拉曼光谱模型,拉曼光谱仪按照所设参数分析样品并在仪器软件及DCS电脑上显示结果及实时曲线。
方法验证
为了验证拉曼光谱模型的可靠性,组织人员开展交叉实验。视拉曼光谱仪为1个分析人员,再选择4个分析人员就5个样品进行气相色谱分析,每个样品分析两次。因此,产生50个样品数据,即5(人)×5(样品)×2(次)=50。使用Minitab软件对其50个数据进行分析,结果见表1,只有方差分量贡献率≤9%,研究变异≤30%和可区别分类数≥5时,才能判断测量系统可接受。
从表1可知,所有数据均在要求范围之内,说明利用所建立模型型预测的样品结果可靠。
Claims (2)
1.一种采用在线拉曼光谱仪建立模型在线分析甲基氯硅烷的方法,其特征在于:结合气相色谱分析结果和拉曼光谱谱线建立拉曼光谱模型,采用光纤探头监测物料,在线分析装置物料。
2.一种采用在线拉曼光谱仪建立模型在线分析甲基氯硅烷的方法,其特征在于:
1.实验室样品收集:
所收集样品的各组成变化范围应能覆盖待测样品的实际变化范围;
2.采用气相色谱法测定样品中各组分含量,建立模型样品的理论值:
2.1 气相色谱条件参数:
柱箱温度:初始柱温50℃,升温速率5℃/min,终温280℃;汽化室温度:250℃;检测器温度:280℃;
2.2根据色谱峰峰面积进行计算,得各组分含量:
计算公式为:Ti=(Ai×100)/∑An
其中:Ti:i组分的百分含量;Ai:i组分的色谱峰面积;∑An所有组分的色谱峰面积之和;
采用在线拉曼光谱仪扫描样品拉曼光谱图
3.1 仪器:
在线拉曼光谱仪
3.2 拉曼光谱仪采集条件:
曝光时间:0.1至5秒;累积次数:1至20次
3.3用拉曼光谱仪扫描样品,收集样品的拉曼光谱;
采用拉曼光谱仪软件建立拉曼光谱模型:
4.1 将样品的拉曼光谱与对应的样品组分含量理论值导入拉曼光谱软件,
4.2 对拉曼光谱进行预处理:
4.2.1对拉曼光谱进行预处理的方式为多元散射校正、矢量归一化、导数和减去一条直线中的一种,
4.2.2 因子数为默认,
4.2.3检验方式选择检验集检验和交叉检验中的一种,
4.2.4采用主成分回归、偏最小二乘法和多元线性回归中的一种统计学方法对数据及光谱进行计算、优化检验,去除异常点得校正拉曼光谱模型;
拉曼光谱仪在线分析样品:
将拉曼光谱仪光纤探头安装至生产装置中,按照步骤3.2设置扫描参数,选用所建立的相应拉曼光谱模型,拉曼光谱仪按照所设参数分析样品并在仪器软件及DCS电脑上显示结果及实时曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410363007.XA CN104181151B (zh) | 2014-07-29 | 一种采用在线拉曼光谱仪建立模型在线分析甲基氯硅烷的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410363007.XA CN104181151B (zh) | 2014-07-29 | 一种采用在线拉曼光谱仪建立模型在线分析甲基氯硅烷的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104181151A true CN104181151A (zh) | 2014-12-03 |
CN104181151B CN104181151B (zh) | 2017-01-04 |
Family
ID=
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108007917A (zh) * | 2017-03-16 | 2018-05-08 | 黑龙江八农垦大学 | 希尔伯特法建立稻株中氮素含量拉曼光谱测量模型方法 |
CN108181292A (zh) * | 2016-12-08 | 2018-06-19 | Ifp 新能源公司 | 对模拟移动床单元或通过模拟移动床和结晶分离的混合单元的在线测量的改善方法及其应用 |
CN113552109A (zh) * | 2020-04-23 | 2021-10-26 | 中国石油化工股份有限公司 | 存储器、基于拉曼光谱的反应热效应测试分析方法、装置和设备 |
CN109477776B (zh) * | 2016-05-20 | 2022-01-18 | 普尔莫斯蒂克斯有限公司 | 使用gc/saw和拉曼光谱学来鉴别样本中的化学物质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002096540A1 (en) * | 2001-05-25 | 2002-12-05 | Battelle Memorial Institute | Model for spectral and chromatographic data |
WO2004008091A1 (en) * | 2002-07-15 | 2004-01-22 | Microbar, Inc. | Method and system for analyte determination in metal plating baths |
CN101403696A (zh) * | 2008-10-21 | 2009-04-08 | 浙江大学 | 一种基于拉曼光谱的测量汽油烯烃含量的方法 |
CN101458214A (zh) * | 2008-12-15 | 2009-06-17 | 浙江大学 | 有机聚合物溶液浓度的检测方法 |
CN101498667A (zh) * | 2009-02-16 | 2009-08-05 | 浙江大学 | 乙丙共聚聚丙烯中乙烯或乙丙橡胶含量的检测方法 |
CN102230888A (zh) * | 2011-06-16 | 2011-11-02 | 浙江大学 | 一种检测塑化剂含量的方法 |
CN103217411A (zh) * | 2013-04-15 | 2013-07-24 | 浙江大学 | 基于拉曼光谱的食用植物油中油酸、亚油酸和饱和脂肪酸含量检测方法 |
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002096540A1 (en) * | 2001-05-25 | 2002-12-05 | Battelle Memorial Institute | Model for spectral and chromatographic data |
WO2004008091A1 (en) * | 2002-07-15 | 2004-01-22 | Microbar, Inc. | Method and system for analyte determination in metal plating baths |
CN101403696A (zh) * | 2008-10-21 | 2009-04-08 | 浙江大学 | 一种基于拉曼光谱的测量汽油烯烃含量的方法 |
CN101458214A (zh) * | 2008-12-15 | 2009-06-17 | 浙江大学 | 有机聚合物溶液浓度的检测方法 |
CN101498667A (zh) * | 2009-02-16 | 2009-08-05 | 浙江大学 | 乙丙共聚聚丙烯中乙烯或乙丙橡胶含量的检测方法 |
CN102230888A (zh) * | 2011-06-16 | 2011-11-02 | 浙江大学 | 一种检测塑化剂含量的方法 |
CN103217411A (zh) * | 2013-04-15 | 2013-07-24 | 浙江大学 | 基于拉曼光谱的食用植物油中油酸、亚油酸和饱和脂肪酸含量检测方法 |
Non-Patent Citations (3)
Title |
---|
ELMER D.LIPP ET AL.: "On-Line Monitoring of Chlorosilane Streams by Raman Spectroscopy", 《APPLIED SPECTROSCOPY》 * |
董学峰 等: "甲醇汽油在线拉曼分析仪的开发及其应用", 《自动化仪表》 * |
阮华 等: "在线拉曼分析仪的研制及其在PX装置中的应用", 《化工自动化及仪表》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109477776B (zh) * | 2016-05-20 | 2022-01-18 | 普尔莫斯蒂克斯有限公司 | 使用gc/saw和拉曼光谱学来鉴别样本中的化学物质 |
CN108181292A (zh) * | 2016-12-08 | 2018-06-19 | Ifp 新能源公司 | 对模拟移动床单元或通过模拟移动床和结晶分离的混合单元的在线测量的改善方法及其应用 |
CN108007917A (zh) * | 2017-03-16 | 2018-05-08 | 黑龙江八农垦大学 | 希尔伯特法建立稻株中氮素含量拉曼光谱测量模型方法 |
CN108007917B (zh) * | 2017-03-16 | 2020-09-04 | 黑龙江八一农垦大学 | 希尔伯特法建立稻株中氮素含量拉曼光谱测量模型方法 |
CN113552109A (zh) * | 2020-04-23 | 2021-10-26 | 中国石油化工股份有限公司 | 存储器、基于拉曼光谱的反应热效应测试分析方法、装置和设备 |
CN113552109B (zh) * | 2020-04-23 | 2023-12-29 | 中国石油化工股份有限公司 | 存储器、基于拉曼光谱的反应热效应测试分析方法、装置和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105300923B (zh) | 一种近红外光谱分析仪在线应用时无测点温度补偿模型修正方法 | |
Yang et al. | Fast determination of oxides content in cement raw meal using NIR spectroscopy combined with synergy interval partial least square and different preprocessing methods | |
CN105319198B (zh) | 基于拉曼光谱解析技术的汽油苯含量预测方法 | |
WO2017084119A1 (zh) | 一种具有无测点温度补偿功能的近红外物性参数测量方法 | |
CN102566533B (zh) | 一种烟用香精香料调配的在线监控装置及方法 | |
CN104697966A (zh) | 一种基于最小二乘支持向量机算法结合激光诱导击穿光谱的钢铁中铬和锰定量分析方法 | |
CN101614659A (zh) | 对中药提取过程进行在线检测控制的装置与方法 | |
Kachko et al. | Comparison of Raman, NIR, and ATR FTIR spectroscopy as analytical tools for in-line monitoring of CO2 concentration in an amine gas treating process | |
CN102364328A (zh) | 光谱分析仪以及光谱分析方法 | |
CN103033481A (zh) | 基于fft的激光分析仪二次谐波滤波方法 | |
CN105372200A (zh) | Sbs改性沥青改性剂含量快速检测方法 | |
EP3492908B1 (en) | Augmented raman analysis of a gas mixture | |
CN105334184A (zh) | 一种在线近红外光谱分析仪 | |
CN108489929A (zh) | 人参、三七和西洋参三种法定基源人参属多糖的鉴别方法 | |
CN101413884A (zh) | 近红外光谱分析仪及其分辨率的校正方法 | |
CN108444976B (zh) | 一种基于拉曼光谱的天然气热值测量方法 | |
CN104596979A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶纤维素的方法 | |
CN103760130B (zh) | 近红外光谱测定复方麝香注射液中吐温-80含量的方法 | |
CN103398988B (zh) | 一种基于不同种元素多离子态对比校正的libs金属元素定量方法 | |
Huang et al. | In‐line monitoring of component content of polypropylene/polystyrene blends during melt extrusion using Raman spectroscopy | |
CN107991265A (zh) | 一种基于信息融合的小麦粉粉质参数快速检测方法 | |
Brun et al. | Quantification of rubber in high impact polystyrene by Raman spectroscopy. Comparison of a band fitting method and chemometrics | |
Sun et al. | Sparse decomposition enables adaptive and accurate Raman spectral denoising | |
CN102830282A (zh) | 一种2560点分组基2快速傅里叶变换方法 | |
CN105259136A (zh) | 近红外校正模型的无测点温度修正方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C41 | Transfer of patent application or patent right or utility model | ||
TR01 | Transfer of patent right |
Effective date of registration: 20170111 Address after: 330319 Jiangxi province Jiujiang Yongxiu County Yangjialing Patentee after: JIANGXI BLUESTAR XINGHUO ORGANIC SILICONE CO., LTD. Address before: Xinghuo Industrial Park in Jiangxi province Jiujiang Yongxiu County 330319 Patentee before: Jiangxi Xinghuo Organo-Silicon Plant, Lanxing Chemical New Material Co., Ltd. |