油品性质快速检测是炼化企业生产的重要环节,是稳定生产、优化资源利用率、提升炼化企业生产效益的关键。现有的油品性质快速检测方法还存在检测精度不高、稳健性不足等问题。本文研发基于近红外光谱的油品性质动态建模方法,设计异常样本判别方法,以及校正集自动维护技术,以提升油品性质检测精度和稳健性。本文首先综述了课题研究背景和现状,并总结油品性质近红外快速分析存在的问题。第二章研究了一种基于局部偏最小二乘法的油品性质动态模型,对光谱数据预处理后,依据光谱主成分分布寻找待测样本的相似样本,组成校正集,建立性质预测模型,最后以某炼化企业生产的93#汽油为例,分析50%蒸发温度和饱和蒸气压性质的快速检测情况。第三章设计了基于多样本相似性分析和模型预测偏差的两种校正集异常样本剔除方法。基于多样本相似性分析的方法用于寻找性质值化验异常的样本,基于模型预测偏差的方法可以判断出光谱或性质异常的样本。最后将两种方法成功应用到某炼化企业Szorb催化汽油的辛烷值建模案例中,提高了模型预测精度和稳健性。第四章研究了基于相似样本的油品模型校正集自动维护技术,实现了异常样本和冗余样本的自动剔除。设计了油品模型校正集自动维护方法的详细步骤,定期筛选新样本添加到校正集,丰富校正集样本代表性,最后以某炼化企业95#汽油的终馏点性质检测为例进行分析。第五章开发了基于JAVA EE的油品快速分析软件,实现油品性质快速分析等诸多功能。采用MySQL数据库存储油品光谱及性质数据,运用MATLAB开发复杂算法,并实现可视化。系统主要包括油样管理、模型配置和模型评价模块等,详细说明了不同模块的功能。本文研发的油品性质近红外建模及模型维护技术,在光谱库中动态选取校正集样本建模,并解决因炼化企业油品经常变化,模型需要不断维护的问题,模型精度得以提高,稳健性增强,对炼化企业质量和效益提升具有重要参考价值。