大榭石化連續重整裝置

 

該企業在150萬噸/年連續重整裝置的實時優化系統中，需靠在線近紅外分析儀檢測預加氫進料、重整進料、重整汽油這3股物流中C1-C10的正異構烷烴、環烷烴等組分含量。動態校準時，選取2020年9-10月分析儀的在線分析數據，與化驗室LIMS系統的化驗數據展開對比校準。最終校準結果顯示，數據偏差基本控制在3%以下。此次校準保障了后續裝置機理模型的可靠性，助力BTX收率平均提高0.58個百分點。

 

揚子石化裂解爐裝置

 

因揚子石化尾油品質改善，且石腦油中會兌入吸附石腦油，原料正構比例增加，致使在線近紅外分析儀顯示的油品屬性頻繁變化。技術人員聯合研發單位與分析儀供應商開展動態校準，一方面擴展分析儀的光譜庫，構建適配復合型油品的數據庫；另一方面校正分析儀的模型參數。同時修復程序語言中的漏洞，完成RTO控制系統重新建模。經校準，分析儀對各類油品屬性的測量精度顯著提升，為裂解爐裂解深度控制提供了精準數據支撐。

 

煙葉打葉復烤生產線

 

傳統紅外水分儀在煙葉打葉復烤中檢測精度易受煙葉顏色影響，且標定耗時久。為此生產線搭建了紅外水分儀網絡動態標定系統，動態校準流程清晰明確。先通過烘箱標定靜態水分儀以確保其精度，再用該靜態水分儀獲取煙葉樣品實際含水率，接著由自動標定軟件依據實際值與在線檢測值計算修正值，最后借助網絡技術向現場在線水分儀下發修正參數。校準后，修正時間從4小時縮短至1小時以內，現場水分儀檢測精度從原本的0.4%-0.6%提升至0.3%-0.4%，可精準把控復烤過程中煙葉的含水率。

 

贛南臍橙糖度在線檢測

 

科研人員為建立臍橙糖度在線檢測模型，采用漫反射和漫透射兩種類型的在線近紅外檢測裝置進行動態校準與優化。校準時，對比兩種檢測方式構建的校正模型，還運用標準正態變量變換、多元散射校正等多種預處理方法處理光譜數據。結果表明，漫透射式裝置的校準效果更優，且經多元散射校正處理后，模型預測相關系數達0.87，預測均方根誤差僅0.40oBrix，大幅提升了臍橙糖度在線檢測的準確性。

 

小麥品質檢測（1330近紅外分析儀）

 

在小麥品質檢測場景中，1330近紅外分析儀可快速檢測水分、灰分、蛋白等多項指標。其動態校準操作便捷，以水分指標校準為例，若實測國標水分值與儀器測量值存在偏差，操作人員可通過右鍵屬性編輯水分指標的截距參數完成校準。比如需將水分值降低0.5，可把原本2.3的截距調整為1.8，二次測量驗證顯示，校準后數據誤差控制在0.1以內，能穩定保障小麥各項品質指標的檢測精度。

 

油品快速分析儀校準（山東省計量科學研究院）

 

該院針對濟南弗萊德的FISA-2000型油品綜合快速分析儀開展動態校準。采用可溯源的近紅外波長濾光片、汽油辛烷值、柴油十六烷值標準物質，校準波數示值誤差、數據庫模型準確性等項目。在波數8194.0cm?¹處，校準得出示值誤差為-0.6cm?¹，重復性達0.0cm?¹；辛烷值測量誤差值0.4、十六烷值誤差值0.1。這種校準方式為油品近紅外分析儀的量值溯源提供了規范案例，保障了油品檢測數據的可靠性。