李 偉, 郁俊江, 鄧 鵬

?

基于近紅外光譜技術(shù)的魚(yú)雷燃料組分含量分析系統(tǒng)

李 偉1, 郁俊江2, 鄧 鵬1

(1. 海軍潛艇學(xué)院 導(dǎo)彈兵器系, 山東 青島, 266042; 2. 海軍91663部隊(duì), 山東 青島, 266071)

分析了現(xiàn)行魚(yú)雷燃料成分測(cè)定方法在使用中存在的問(wèn)題, 基于相關(guān)的化學(xué)計(jì)量學(xué)和光譜理論研究, 提出了將近紅外光譜(NIR)技術(shù)運(yùn)用到魚(yú)雷燃料組分含量檢測(cè)分析的方法。基于選擇建模樣品集、恢復(fù)近紅外光譜弱信號(hào)以及建立和優(yōu)化近紅外數(shù)學(xué)模型, 建立了軟硬件結(jié)合的魚(yú)雷動(dòng)力燃料組分含量NIR分析系統(tǒng), 依據(jù)該系統(tǒng)和相關(guān)方法, 對(duì)不同批次和儲(chǔ)存狀態(tài)的魚(yú)雷燃料樣本進(jìn)行了取樣化驗(yàn)和成分測(cè)定, 并與現(xiàn)行方法進(jìn)行了試驗(yàn)數(shù)據(jù)對(duì)比分析, 驗(yàn)證了本系統(tǒng)的準(zhǔn)確性和適用性, 實(shí)現(xiàn)了遠(yuǎn)程在線分析、車載移動(dòng)分析和現(xiàn)場(chǎng)應(yīng)急分析。

魚(yú)雷燃料; 近紅外光譜; 組分含量

0 引言

為了保證魚(yú)雷的航速和航程等與作戰(zhàn)使用密切相關(guān)的動(dòng)力性能, 魚(yú)雷燃料組分含量范圍要求嚴(yán)格控制, 因此需要定時(shí)進(jìn)行化學(xué)成分的分析。

美國(guó)的OTTO-Ⅱ燃料是目前世界上較為先進(jìn)和使用范圍較廣的熱動(dòng)力魚(yú)雷用推進(jìn)劑[1]。該推進(jìn)劑能量密度大、毒性小、安全使用性能好。本文以與OTTO-Ⅱ化學(xué)成分相同或相近的水下動(dòng)力推進(jìn)用燃料為研究對(duì)象, 采用新技術(shù)和新方法, 對(duì)其組分含量進(jìn)行分析。

1 現(xiàn)有分析方法存在的問(wèn)題

常用的魚(yú)雷動(dòng)力燃料主要由1,2-丙二醇二硝酸酯(PGDN)、2-硝基二苯胺 (2-NDPA)、癸二酸二丁酯(DBS)3種成分組成, 目前對(duì)這3種成分含量的測(cè)定基本沿用20世紀(jì)70年代美國(guó)軍用規(guī)范OTTOⅡ燃料MIL-O-87672(OS)的做法[2], 即利用氮量法來(lái)測(cè)試燃料中PGDN的百分含量, 利用分光光度法或容量溴化法來(lái)測(cè)試燃料中2-NDPA的含量, 燃料中DBS的含量則用減量法測(cè)定, 即由100%減去PGDN和2-NDPA的百分含量求得。PGDN測(cè)定要求2次平行測(cè)定的允許差值不大于0.3%, 2-NDPA測(cè)定要求2次平行誤差應(yīng)不大于0.05%, 兩者均取其算術(shù)平均值為測(cè)定結(jié)果。

現(xiàn)有測(cè)定方法在使用中存在的問(wèn)題具體表現(xiàn)在以下幾個(gè)方面。

1) 化驗(yàn)所用的汞是一種具有沉積毒性的重金屬, 可以透過(guò)皮膚侵入人體, 還容易污染環(huán)境。所用濃硫酸具有強(qiáng)腐蝕性和強(qiáng)氧化性, 化學(xué)反應(yīng)過(guò)程中生成的氧化氮及二氧化氮等氣體容易對(duì)人體呼吸道造成傷害, 對(duì)環(huán)境危害極大。

2) 對(duì)化驗(yàn)場(chǎng)所環(huán)境要求高。當(dāng)化驗(yàn)環(huán)境溫度過(guò)高時(shí), 反應(yīng)將過(guò)快而無(wú)法控制, 易導(dǎo)致化驗(yàn)失敗。同時(shí), 化驗(yàn)場(chǎng)所要配備通風(fēng)、防爆等設(shè)施。因此, 現(xiàn)行方法對(duì)燃料進(jìn)行化驗(yàn)通常要在冬春季進(jìn)行, 不利于全年實(shí)時(shí)監(jiān)測(cè)燃料技術(shù)狀態(tài)。

3) 化驗(yàn)分析時(shí)間長(zhǎng), 工作強(qiáng)度大, 人員操作技能要求高。在操作過(guò)程中, 必須嚴(yán)格控制所稱樣品質(zhì)量和反應(yīng)速度, 在反應(yīng)過(guò)程中要長(zhǎng)時(shí)間搖晃裝有大量汞的氮素反應(yīng)器, 存在安全隱患。

4) 機(jī)動(dòng)檢測(cè)適應(yīng)性不強(qiáng)。在試驗(yàn)過(guò)程中要用到大量的汞和濃硫酸、冰醋酸、乙醇等溶劑, 且化驗(yàn)器材大多為玻璃材質(zhì), 運(yùn)輸中易碎, 運(yùn)輸難度大, 不利于機(jī)動(dòng)檢測(cè)。

以上存在的不足限制了魚(yú)雷動(dòng)力燃料安全快速檢測(cè), 需要依托新技術(shù)探索更為有效的方法和手段。

2 光譜分析理論

近紅外光譜(near infrared, NIR)[3]主要是含X-H(X=C、N、O)基團(tuán)的樣品在中紅外區(qū)域基頻振動(dòng)的倍頻和合頻吸收。魚(yú)雷動(dòng)力燃料中, 1,2-丙二醇二硝酸酯(PGDN)、2-硝基二苯胺 (2-NDPA)、癸二酸二丁酯 (DBS)這3種主要成分都含有C-H或N-H基團(tuán), 這就為采用NIR技術(shù)定量分析魚(yú)雷燃料中3種組分含量奠定了化學(xué)信息基礎(chǔ)。

雖然NIR理論上非常適合用于碳?xì)溆袡C(jī)物質(zhì)的組成性質(zhì)測(cè)量[4], 但是在該區(qū)域內(nèi), 含氫基團(tuán)化學(xué)鍵振動(dòng)的倍頻與合頻吸收強(qiáng)度很弱, 靈敏度相對(duì)較低, 吸收帶較寬且重疊嚴(yán)重, 因此, 依靠傳統(tǒng)建立工作曲線的方法進(jìn)行定量分析是十分困難的, 這也是早期影響NIR分析技術(shù)發(fā)展的致命原因所在。而化學(xué)計(jì)量學(xué)的發(fā)展為這一問(wèn)題的解決奠定了數(shù)學(xué)基礎(chǔ)。

化學(xué)計(jì)量學(xué)是綜合使用數(shù)學(xué)、統(tǒng)計(jì)學(xué)和計(jì)算機(jī)科學(xué)等方法從化學(xué)測(cè)量數(shù)據(jù)中提取信息的一門新興的交叉學(xué)科。大量化學(xué)計(jì)量學(xué)方法被編成軟件, 并成為分析儀器(尤其是NIR分析儀)的重要組成部分。其中的數(shù)學(xué)處理方法主要有[4]: 多元線性回歸(multiple linear regression, MLR)、逐步回歸(stepwise regression, SWR)、主組分分析(principal component analysis, PCA)、主組分回歸(principal component regression, PCR)、偏最小二乘法(partial least squares, PLS)、人工神經(jīng)網(wǎng)絡(luò)(artificial neural network, ANN)和拓?fù)?Toplogical)等。MLR和SMR方法在分析樣品時(shí)只用了一些特征波長(zhǎng)點(diǎn)的光譜信息, 其他點(diǎn)的信息被丟失, 易產(chǎn)生模型的過(guò)適應(yīng)性(Over fitting)。PCR和PLS方法的顯著特點(diǎn)就是利用了全部光譜信息, 可以壓縮所需樣品數(shù)量, 將高度相關(guān)的波長(zhǎng)點(diǎn)歸于一個(gè)獨(dú)立變量中, 根據(jù)為數(shù)不多的獨(dú)立變量建立回歸方程, 通過(guò)內(nèi)部檢驗(yàn)來(lái)防止過(guò)模型現(xiàn)象, 相比MLR和SMR分析精度提高。

3 魚(yú)雷燃料的NIR分析方法

NIR分析是近十年來(lái)發(fā)展最為迅速的高新分析技術(shù)之一。NIR系統(tǒng)的一個(gè)重要特點(diǎn)就是技術(shù)本身的成套性, 即近紅外光譜儀、化學(xué)計(jì)量學(xué)軟件和應(yīng)用模型的三位一體性, 性能優(yōu)異的近紅外光譜儀是該技術(shù)的基礎(chǔ)和前提。在軍工應(yīng)用領(lǐng)域, NIR已被用于無(wú)機(jī)物紅煙硝酸密度、四氧化二氮、磷酸、氫氟酸和水分含量等5項(xiàng)指標(biāo)的快速測(cè)定, 并測(cè)定了液體推進(jìn)劑燃料混胺中的三乙胺、二甲苯胺和水分含量以及密度等; 測(cè)定了發(fā)射藥生產(chǎn)過(guò)程中固體含能材料結(jié)構(gòu)內(nèi)揮發(fā)和結(jié)構(gòu)外揮發(fā)的含量[5]。

本文首次提出了將NIR分析技術(shù)運(yùn)用到魚(yú)雷動(dòng)力燃料組分含量檢測(cè)中, 提取燃料光譜特征, 建立并優(yōu)化數(shù)學(xué)模型, 研制軟硬件結(jié)合的NIR分析系統(tǒng), 可以大大提高部隊(duì)魚(yú)雷燃料的檢測(cè)效率, 減輕勞動(dòng)強(qiáng)度, 滿足使用要求。圖1是NIR分析系統(tǒng)的工作流程圖。

梨友開(kāi)始還勸秀容月明為他們效力，苦口婆心，不厭其煩，見(jiàn)秀容月明絲毫不為所動(dòng)，就叫大將馬刺把他押往北國(guó)，讓單于處置，自己繼續(xù)率兵向南挺進(jìn)。

圖1 NIR分析系統(tǒng)工作流程圖

3.1 建模樣品集的選擇

數(shù)學(xué)模型預(yù)測(cè)樣品的效果決定于建模所用數(shù)據(jù)以及(用算法)對(duì)建模數(shù)據(jù)中信息的充分提取。NIR分析大致有一半誤差來(lái)自于建模數(shù)據(jù), 因此, 運(yùn)用關(guān)聯(lián)算法建立數(shù)學(xué)模型前, 需要運(yùn)用恢復(fù)、壓縮技術(shù)對(duì)數(shù)據(jù)進(jìn)行前處理, 依據(jù)“少而精”的原則, 提高建模數(shù)據(jù)的信息有效率。

為了保證NIR分析系統(tǒng)的穩(wěn)定性, 必須全面考慮魚(yú)雷燃料樣品的復(fù)雜背景, 這就需要大量收集燃料樣品, 并在規(guī)范的條件下測(cè)定這些樣品的NIR和組分含量。根據(jù)魚(yú)雷燃料樣品的不同類型(組分含量), 運(yùn)用算法從譜庫(kù)中選擇代表性樣品作為建模樣品集。對(duì)收集配制的魚(yú)雷燃料樣品, 測(cè)定其主組分含量后進(jìn)行挑選。在挑選過(guò)程中盡可能包含那些處于兩端(即最高、最低范圍內(nèi))的樣品。由于大多數(shù)自然產(chǎn)物化學(xué)值呈正態(tài)分布, 因此選擇的魚(yú)雷燃料建模樣品集的組分含量也應(yīng)該呈正態(tài)分布, 且覆蓋范圍較寬, 從而保證組分含量NIR分析系統(tǒng)對(duì)大多數(shù)魚(yú)雷燃料樣品的適應(yīng)性。

對(duì)于大多數(shù)對(duì)象來(lái)說(shuō), 一般所挑選的建模樣品數(shù)應(yīng)不少于50個(gè), 但也不能過(guò)多, 樣品數(shù)過(guò)多會(huì)帶來(lái)更多的干擾因素, 因?yàn)槟Ｐ椭忻吭黾右粋€(gè)樣品, 在增加信息量的同時(shí)也增加了干擾信息, 當(dāng)建模樣品的數(shù)量太多時(shí)干擾信息會(huì)掩蓋大部分有用信息, 使所建模型性能大大降低。由此選擇了70個(gè)具有代表性的均勻且主組分含量呈自然正態(tài)分布的魚(yú)雷燃料樣品作為建模樣品集。對(duì)于異常樣品, 其中有些是光譜或組分含量誤差較大, 這些異常樣品的有效信息率低, 應(yīng)加以剔除; 有些異常樣品的光譜或組分含量是正確的, 只是由于其類型(背景)特殊, 這些異常樣品有的保留在校正樣品集中, 這樣雖然有可能降低預(yù)測(cè)的準(zhǔn)確度, 但卻可以提高所建模型的適配范圍, 因此要考慮實(shí)際情況, 根據(jù)整個(gè)NIR分析系統(tǒng)的可靠性和適配范圍來(lái)決定取舍。

3.2 NIR集弱信號(hào)的恢復(fù)

NIR有效信息的強(qiáng)度較低, 屬于弱信號(hào); 另外, 每個(gè)光譜數(shù)據(jù)除了包含有效信息以外還包含測(cè)量誤差等不確定的、難以校正的、干擾測(cè)定的無(wú)效信息或稱干擾信息, 這些干擾信息的強(qiáng)度一般較大。弱信號(hào)的處理需要放大, 但是伴隨弱信號(hào)的放大, 噪聲也隨著放大, 所以處理弱信號(hào)首先要通過(guò)數(shù)學(xué)方法, 降低疊加在弱信號(hào)上的噪聲與系統(tǒng)干擾(誤差), 增強(qiáng)有效信息的相對(duì)強(qiáng)度, 以恢復(fù)弱信號(hào)的原有特征, 這就是弱信號(hào)的恢復(fù)。需要用校正技術(shù), 即消除或降低信號(hào)中系統(tǒng)誤差和隨機(jī)誤差的干擾, 來(lái)處理恢復(fù)NIR的弱信號(hào)。NIR的誤差主要有隨機(jī)誤差和系統(tǒng)誤差2種, 樣品集光譜的前處理就是為了降低這兩類誤差, 可以通過(guò)多次測(cè)定取平均、平滑、傅立葉濾波等方法降低隨機(jī)誤差; 用導(dǎo)數(shù)光譜等方法來(lái)降低或消除某些系統(tǒng)誤差, 可以用各種算法如各種求平均、平滑的方法。采用傅立葉技術(shù)和小波變換來(lái)提高近紅外信號(hào)的信噪比, 增強(qiáng)有效信息的相對(duì)強(qiáng)度, 從而恢復(fù)NIR集的弱信號(hào)。

3.3 NIR數(shù)學(xué)模型的建立和優(yōu)化

魚(yú)雷燃料組分含量NIR分析系統(tǒng)的建立過(guò)程主要是近紅外數(shù)學(xué)模型的建立和優(yōu)化過(guò)程, 也就是經(jīng)過(guò)前處理的魚(yú)雷燃料樣品的光譜數(shù)據(jù)與樣品主組分含量之間進(jìn)行數(shù)學(xué)關(guān)聯(lián)的過(guò)程。所謂關(guān)聯(lián)是指建立兩組量(燃料樣品NIR和與之對(duì)應(yīng)的主組分含量)的數(shù)學(xué)關(guān)系(即數(shù)學(xué)模型), 通過(guò)數(shù)學(xué)關(guān)系可以從一個(gè)量得到另外一個(gè)量。關(guān)聯(lián)的方法可以通過(guò)解方程組, 得到方程確定的解, 也可以通過(guò)統(tǒng)計(jì)擬合的方法(回歸方法)建立模型。通過(guò)特殊的算法(PCR, PLS, ANN等)來(lái)選擇適當(dāng)形式的光譜函數(shù)和定標(biāo)方程的項(xiàng)數(shù), 選擇最佳波長(zhǎng)組合并確定相應(yīng)的方程常數(shù)項(xiàng)和各項(xiàng)的系數(shù), 建立多元濃度定標(biāo)方程, 即數(shù)學(xué)模型。通過(guò)對(duì)定標(biāo)方程求解和確立, 來(lái)對(duì)模型進(jìn)行創(chuàng)建和優(yōu)化。

本文采用的全譜區(qū)PLS用組分分解法, 將原光譜中上千個(gè)光譜數(shù)據(jù)點(diǎn)最終壓縮成幾個(gè)組分進(jìn)行選取, 再通過(guò)線性回歸或非線性回歸與待測(cè)數(shù)據(jù)關(guān)聯(lián)建立數(shù)學(xué)模型, 以提高建模光譜數(shù)據(jù)的有效信息率。

圖2為優(yōu)化處理后典型的燃料樣品NIR(吸收光譜度)圖。

圖2 魚(yú)雷燃料樣品NIR圖

3.4 分析系統(tǒng)的工程實(shí)現(xiàn)

對(duì)數(shù)學(xué)模型進(jìn)行轉(zhuǎn)移、修正, 建立魚(yú)雷燃料組分含量NIR分析系統(tǒng), 用待測(cè)樣品對(duì)NIR分析系統(tǒng)進(jìn)行評(píng)價(jià)。

該課題研究的主要成果為一套軟硬件結(jié)合的“魚(yú)雷動(dòng)力燃料組分含量NIR分析系統(tǒng)”, 系統(tǒng)組成框圖如圖3所示。

4 試驗(yàn)結(jié)果與分析

本系統(tǒng)研制成功后, 對(duì)魚(yú)雷燃料樣本進(jìn)行了取樣化驗(yàn)和成分測(cè)定。使用中對(duì)3類樣本進(jìn)行采樣: 第1類是從雷上放出的燃料在專用容器中儲(chǔ)存約一周后進(jìn)行化驗(yàn)(簡(jiǎn)稱“雷上放出”); 第2類是直接對(duì)從雷上取出的燃料進(jìn)行化驗(yàn)(簡(jiǎn)稱“雷體直取”); 第3類是對(duì)還沒(méi)有裝雷的儲(chǔ)藏罐內(nèi)的燃料進(jìn)行化驗(yàn)(簡(jiǎn)稱“罐裝直取”)。3類情況下共進(jìn)行了98次試驗(yàn), 不同燃料批次、儲(chǔ)存狀態(tài)和測(cè)定時(shí)間的10次典型試驗(yàn)結(jié)果匯總列表見(jiàn)表1。

圖3 分析系統(tǒng)組成框圖

表1 魚(yú)雷燃料成分試驗(yàn)測(cè)定數(shù)據(jù)表

Table 1 Detection data of torpedo fuel contents

注: 表中單位(m/m，%)為質(zhì)量百分比。

表中的“×”、“√”分別表示魚(yú)雷燃料組分含量為不合格、合格, 合格判據(jù)為:

1) 1,2-丙二醇二硝酸酯(PGDN)含量97.8~ 98.2 , (m/m, %);

2) 2-硝基二苯胺 (2-NDPA) 含量3.6~3.8 , (m/m, %);

3) 水分含量≤2.3, (m/m, %)。

基本性能試驗(yàn)中, 用本系統(tǒng)NIR模型預(yù)測(cè)魚(yú)雷燃料樣品的組分含量, PGDN預(yù)測(cè)值與GJB XX X-XX檢測(cè)方法測(cè)定值的最大相對(duì)誤差僅為研制要求的56%, 2-NDPA預(yù)測(cè)值最大相對(duì)誤差為研制要求的59%。

準(zhǔn)確度試驗(yàn)中, 對(duì)于PGDN, 預(yù)測(cè)均方差(root mean square error of prediction, RMSEP)在相對(duì)誤差平均數(shù)為0.25時(shí)為0.31%, 小于0.5%的研制要求; 對(duì)于2-NDPA , RMSEP在相對(duì)誤差平均數(shù)為0.00195時(shí)為1.17%, 小于5%的研制要求。

精密度試驗(yàn)中, 在30 min內(nèi)對(duì)魚(yú)雷燃料母液樣品進(jìn)行25次重復(fù)測(cè)定, 每次間隔1 min, 極差僅為0.04, RMSEP為0.05, 遠(yuǎn)小于GJB要求的平行誤差0.3。

目前, 本系統(tǒng)已經(jīng)替代原有設(shè)備, 用于裝備質(zhì)量監(jiān)測(cè)單位魚(yú)雷燃料的定期檢查。使用結(jié)果表明, 本系統(tǒng)操作中所需儀器少, 測(cè)量過(guò)程簡(jiǎn)單, 不需要經(jīng)常標(biāo)定, 可以在復(fù)雜環(huán)境中進(jìn)行測(cè)試操作, 實(shí)現(xiàn)了遠(yuǎn)程在線分析、車載移動(dòng)分析和現(xiàn)場(chǎng)應(yīng)急分析; 另外, 通過(guò)建立加載模型還可以實(shí)現(xiàn)一臺(tái)儀器對(duì)多種產(chǎn)品的測(cè)定, 提高了儀器的集成度和綜合使用效能, 節(jié)省了人力物力。

5 結(jié)束語(yǔ)

本文介紹的基于NIR分析技術(shù)的魚(yú)雷燃料組分含量分析系統(tǒng), 在高效性、快捷性、易用性、擴(kuò)展性和環(huán)保性等方面都明顯優(yōu)于現(xiàn)行檢測(cè)方法, 推動(dòng)了NIR技術(shù)在武器液體推進(jìn)劑領(lǐng)域的應(yīng)用, 借助擴(kuò)展積分球等配件支持, 還可以應(yīng)用于固體推進(jìn)劑的化學(xué)分析。

[1] 于俊衛(wèi). HAP三組元推進(jìn)劑熱動(dòng)力系統(tǒng)研究[J]. 魚(yú)雷技術(shù), 2001, 9(4): 33-37.

[2] 趙小鋒. 國(guó)外水下液體化學(xué)推進(jìn)劑的研究現(xiàn)狀[J]. 火炸藥學(xué)報(bào), 2009, 32(9): 62-65.

Zhao Xiao-feng. Current Situation of Underwater Chemical Propellan[J]. Chinese Journal of Explosives and Propellants, 2009, 32(9): 62-65.

[3] 張卉, 宋研, 冷靜, 等. 近紅外光譜分析技術(shù)[J]. 光譜實(shí)驗(yàn)室, 2007, 24(3): 388-395.Zhang Hui, Song Yan, Leng Jing, et al. Near Infrared Spectroscopic Analytical Technique[J]. Journal of Pharmaceutical and Biomedical Analysis, 2007, 24(5): 388-395.

[4] 解國(guó)玲, 任芊, 董守龍, 等. 近紅外光譜技術(shù)在含能材料成分分析中的建模研究[J]. 火炸藥學(xué)報(bào), 2003, 26(11): 78-80.Xie Guo-ling, Ren Qian, Dong Shou-long, et al. Study on Modeling of Multicomponent Analysis in Propellants Products with NIR Spectroscopy[J]. Chinese Journal of Explosives & Propellants, 2003, 26(11): 78-80.

[5] 褚小立, 袁洪福, 陸婉珍. 近年來(lái)我國(guó)近紅外光譜分析技術(shù)的研究與應(yīng)用進(jìn)展[J]. 分析儀器, 2006, 37(2): 1-9. Chu Xiao-li, Yuan Hong-fu, Lu Wan-zhen. Research and Applications of Near Infrared Spectroscopy in China in Recent Years[J]. Analytical Instrumentation, 2006, 37(2): 1-9.

Detection System of Component Content for Torpedo Fuel Based on NIR

LI Wei1, JU Jun-jiang2, DENG Peng1

(1. Department of Missile and Weaponry Engineering, Navy Submarine Academy, Qingdao 266042, China; 2. 91663thUnit, The People′s Liberation Army of China, Qingdao 266071, China)

This paper analyzes the problems in detecting component content of torpedo fuel with the existing methods. Based on chemometrics and spectral theory, a method for detecting component content of torpedo fuel with near infrared (NIR) spectroscopy is proposed. By selecting modeling sample set, restoring weak NIR signal, and establishing and optimizing near infrared mathematical model, an NIR analysis system of component content for torpedo fuel is developed. With this system and related method, the torpedo fuel samples of different batches and storage states are examined and the components are detected, and the results are compared with the test data from the existing methods. The comparison verifies the accuracy and feasibility of the proposed detection system. Thus, long-range on-line analysis, mobile analysis on vehicle and emergency analysis on-the-spot are realized with this method.

torpedo fuel; near infrared (NIR) spectroscopy; component content

TJ630.34;E925.23

A

1673-1948(2012)03-0206-04

2011-12-21;

2012-02-15.

李 偉(1967-), 男, 碩士, 副教授, 主要從事魚(yú)雷作戰(zhàn)使用及技術(shù)保障教學(xué)工作.

(責(zé)任編輯: 陳 曦)