制浆生产过程中制浆材物化性质的快速检测,可用于实时调整蒸煮过程的工艺参数,保证纸浆产品的质量,进而提高制浆造纸工业的智能制造水平。近红外光谱技术作为目前迅速发展的快检技术,对天然产物组分指标的检测有独特优势,完全适用于制浆过程中对制浆材材性快速检测的需求。为推动近红外光谱技术在制浆材材性检测中的应用,本文以几种常用的制浆木材原料为对象,通过研究制浆材材性近红外检测过程中不同阶段异常情况的辨识算法,确保近红外检测制浆材材性过程信息源的有效性。本文主要的研究工作和结论如下:(1)制浆材样本采集光谱的异常判别。采用小波变换分解出光谱的高频信号,识别出由干扰信号造成的毛刺峰、断崖或白噪声异常光谱的类型。通过在正常制浆材光谱上叠加不同强度的白噪声构建白噪声异常光谱,借助小波变换滤波处理修复消噪后信噪比高于100dB的白噪声异常光谱。设计离群光谱识别算法,可检测出平行测量中漂移严重的异常光谱,将异常光谱剔除从而保证制浆材样本光谱的准确性。(2)制浆材校正样本集的离群样本判别。采用基于马氏距离、基于交叉验证和基于蒙特卡洛交叉验证的三种异常样本检测方法识别并剔除校正集中影响模型性能的异常样本。建模验证结果显示:基于马氏距离和基于蒙特卡洛交叉验证的检测方法适用于制浆材校正集中异常样本的判别,而基于交叉验证的检测方法会出现误判现象,导致模型性能降低。(3)预测分析过程中的界外样本判别。根据校正集样本信息及待测制浆材样本的特征,采用基于马氏距离的界外样本检测方法对未知样本进行判别,可检测出超出模型覆盖范围的浓度界外样本。研究还对样本光谱计算马氏距离的PCA和PLS两种降维方法进行对比,验证实验结果表明:基于马氏距离的界外样本检测方法能有效地识别出不适用于已建立的制浆材综纤维素和木质素分析模型的界外样本,制浆材光谱采用PCA降维计算其马氏距离对两种组分模型的界外样本识别更准确。