生物柴油作为一种石化柴油的绿色替代燃料,目前主要通过与石化柴油调和的方式使用。然而,由于调和燃料的质量参差不齐,生物柴油在国内并未得到推广。推广生物柴油调和燃料的使用急需完善其质量检测技术。调和燃料的调和比对于燃料的性能有着极大的影响。对调和燃料的调和比进行快速检测不仅有助于调整发动机的喷油状态,优化其使用性能,还将有助于生物柴油调和厂家控制其产品的质量,实现闭环优化操作。生物柴油及其调和燃料的检测技术分为色谱法与光谱法两类。相对于色谱法,光谱法分析速度快、成本低,尤其适用于在线检测。目前虽然已有少量采用光谱分析技术进行调和比检测的研究,但并没有深入研究不同光谱、不同处理方法的效果。本文分别采用近红外与拉曼光谱结合多种化学计量学方法,对调和燃料的调和比建立了相应的检测模型,完善了生物柴油调和比的检测技术。本研究的主要内容包括以下几个方面：1.搭建了一套近红外光谱与拉曼光谱双光谱采集系统,对62个生物柴油调和燃料的样本同时进行近红外光谱与拉曼光谱的采集工作。然后对采集的样本进行异常样本剔除,并确定建模用样本。2.提出了一种新的基于统计数据驱动的波长选择方法。该方法无需人为判断波长变量的重要与否,仅需设定统计分析总次数与最大筛选次数,客观有效地进行特征波长选择；并提出了一种新的模型综合评价误差指标,以该指标指导波长子集的保留与否。然后,以两个近红外光谱数据集对本方法进行了验证,分析结果表明本方法能够较大地精简模型并提高模型的精度。最后,对算法中两个参数的设置问题进行了讨论。3.对采集的调和燃料的近红外光谱进行了分析,并比较了多种化学计量学方法(包括预处理、波长选择以及回归校正方法)的效果,最终确定了最适宜的化学计量学方法。首先对近红外光谱进行一阶微分与去趋势处理,然后采用本文提出的方法进行波长选择,最终以30个特征波长(原波长个数的5.859%)建立PLS回归模型,模型的误差为RMSEC=0.0195、RMSEP= 0.0170,相关系数R=0.9974,模型的预测相对标准偏差为7.15%。4.对采集的调和燃料的拉曼光谱进行了分析。首先对拉曼光谱进行基线校正,然后采用本文提出的方法进行波长选择,最终以35个特征波长(仅为原变量个数的2.186%)建立PLS回归模型,模型的误差为RMSEC=0.0080、RMSEP= 0.0083,相关系数R=0.9996,模型的预测相对标准偏差为2.34%。总之,本文提出的基于统计数据驱动的波长选择策略适用于近红外光谱与拉曼光谱的特征变量选择,能够有效地简化模型,提高模型的精度与稳定性,与常用的波长选择方法相比具有明显的优势。而对于生物柴油调和比的检测问题,两种光谱分析技术均能够达到快速检测的目的；其中拉曼光谱分析技术相对来说具有更高的精度,尤其适用于未来实际的工业在线检测。